274 lines
7.9 KiB
Markdown
274 lines
7.9 KiB
Markdown
<div align="center">
|
||
<br>
|
||
<img src="images/icon.png" alt="Fay">
|
||
<h1>FAY</h1>
|
||
<h3>数 字 人 Fay 控 制 器(这是元宇宙吗？)</h3>
|
||
</div>
|
||
|
||
|
||
本开源项目名为“数字人控制器”。意为，本项目可以充当时下流行的虚拟人、虚拟主播、数字人，等仿人形数字形象的内核部分。
|
||
|
||
使用UE、C4D、DAZ、LIVE2D等三维引擎软件开发的数字形象可以与本“数字人控制器”对接，从而实现虚拟主播、数字导游、数字助手等。我们提供UE4对接的demo，但我们更鼓励用户自行实现喜欢的数字形象。
|
||
|
||
当然，若不考虑外观形象的话，本“数字人控制器”其实也可以独立使用的，可以充当一个语音助理。
|
||
|
||
<img src="images/5.png" alt="QA">
|
||
|
||
相关文章：
|
||
|
||
1、[(34条消息) 非常全面的数字人解决方案_郭泽斌之心的博客-CSDN博客_数字人算法](https://blog.csdn.net/aa84758481/article/details/124758727)
|
||
|
||
2、[(34条消息) Fay数字人开源项目在mac 上的安装办法_郭泽斌之心的博客-CSDN博客](https://blog.csdn.net/aa84758481/article/details/127551258)
|
||
|
||
3、【开源项目：数字人FAY——Fay新架构使用讲解】 https://www.bilibili.com/video/BV1NM411B7Ab/?share_source=copy_web&vd_source=64cd9062f5046acba398177b62bea9ad
|
||
|
||
4、【开源项目FAY——UE工程讲解】https://www.bilibili.com/video/BV1C8411P7Ac?vd_source=64cd9062f5046acba398177b62bea9ad
|
||
|
||
|
||
目前最新版本是2.0。在新版本里我们提出一个全新的架构。在这个架构下每个人都可以把Fay控制器搭建在自己个人电脑上（未来，或许我们会提供终端），让你电脑成为你数字助理的载体。你的所有设备（手表、手机、眼镜、笔记本）随时可以与你的数字助理通讯，数字助理将通过电脑为你处理数字世界里的所有事情。（贾维斯？Her?）
|
||
|
||
|
||
2023.01
|
||
1、控制器pc内网穿透，音频输入输出设备远程直连；
|
||
2、提供android 音频输入输出工程示例代码；
|
||
3、提供python音频输入输出工程示例代码（远程PC、树莓派等可用）；
|
||
4、补传1.0语音指令音乐播放模块（暂不支持远程播放）；
|
||
5、重构及补充若干工具模块：websocket、多线程、缓冲器、音频流录制器等；
|
||
6、修复1.x版本的多个bug。
|
||
|
||
2022.12
|
||
1、上传bin目录（用于直播互动）；
|
||
|
||
2022.11
|
||
1、更新抖音直播获取粉丝互动数据的xpath;
|
||
|
||
2022.10.27
|
||
1、更新mac上的麦克风参数；
|
||
2、解决mac上无法重启问题；
|
||
3、上传brew安装脚本。
|
||
|
||
2022.10.17
|
||
1、更新语音指令；
|
||
2、补充人设语法；
|
||
|
||
## 语音指令
|
||
|
||
- **关闭核心**
|
||
关闭
|
||
再见
|
||
你走吧
|
||
- **静音**
|
||
静音
|
||
闭嘴
|
||
我想静静
|
||
- **取消静音**
|
||
取消静音
|
||
你在哪呢？
|
||
你可以说话了
|
||
- **播放歌曲**
|
||
播放歌曲
|
||
播放音乐
|
||
唱首歌
|
||
放首歌
|
||
听音乐
|
||
你会唱歌吗？
|
||
- **暂停播放**
|
||
暂停播放
|
||
别唱了
|
||
我不想听了
|
||
|
||
|
||
## 环境
|
||
|
||
- Python 3.8.0 +
|
||
|
||
- Chrome 浏览器 (若不开启直播功能，可跳过)
|
||
|
||
|
||
|
||
|
||
|
||
|
||
## 安装
|
||
|
||
### 安装依赖
|
||
|
||
```shell
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
|
||
|
||
|
||
|
||
### 配置 ChromeDriver (若不开启直播功能，可跳过)
|
||
|
||
1. Chrome 浏览器进入 [`chrome://settings/help`](chrome://settings/help) 查看当前版本
|
||
2. 下载对应版本 [ChromeDriver](https://chromedriver.chromium.org/downloads)
|
||
3. 解压zip并拷贝至 <u>./bin</u> 目录
|
||
4. 编辑 <u>system.conf</u> 配置 ChromeDriver 路径
|
||
|
||
|
||
|
||
|
||
|
||
### 配置应用密钥
|
||
|
||
1. 查看 [AI 模块](#ai-模块)
|
||
|
||
2. 浏览链接，注册并创建应用，将应用密钥填入 `./system.conf` 中
|
||
|
||
|
||
|
||
## 启动
|
||
|
||
启动数字人图像控制器
|
||
|
||
```shell
|
||
python main.py
|
||
```
|
||
|
||
|
||
|
||
|
||
|
||
## 图形界面
|
||
|
||
|
||
|
||
### 人设
|
||
|
||
数字人属性，与用户交互中能做出相应的响应。
|
||
|
||
##### 交互灵敏度
|
||
|
||
在交互中，数字人能感受用户的情感，并作出反应。最直的体现，就是语气的变化，如 开心/伤心/生气 等。
|
||
|
||
设置灵敏度，可改变用户情感对于数字人的影响程度。
|
||
|
||
|
||
|
||
|
||
|
||
### 接收来源
|
||
|
||
#### 抖音
|
||
|
||
填入直播间地址，实现与直播间粉丝交互
|
||
|
||
|
||
|
||
|
||
|
||
#### 麦克风
|
||
|
||
选择麦克风设备，实现面对面交互，成为你的伙伴
|
||
|
||
|
||
|
||
|
||
|
||
#### socket远程音频输入
|
||
|
||
可以接入远程音频输入，远程音频输出
|
||
|
||
|
||
|
||
|
||
#### 商品栏
|
||
|
||
填入商品介绍，数字人将自动讲解商品。
|
||
|
||
当用户对商品有疑问时，数字人可自动跳转至对应商品并解答问题。
|
||
|
||
配合抖音接收来源，实现直播间自动带货。
|
||
|
||
|
||
|
||
## AI 模块
|
||
|
||
|
||
|
||
启动前需填入应用密钥[`system.conf`](https://github.com/TheRamU/Fay/blob/main/system.conf)
|
||
|
||
| 代码模块 | 描述 | 链接 |
|
||
| ------------------------- | -------------------------- | ------------------------------------------------------------ |
|
||
| ./ai_module/ali_nls.py | 阿里云 实时语音识别 | https://ai.aliyun.com/nls/trans |
|
||
| ./ai_module/ms_tts_sdk.py | 微软 文本转语音 基于SDK | https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/ |
|
||
| ./ai_module/xf_aiui.py | 讯飞 人机交互-自然语言处理 | https://aiui.xfyun.cn/solution/webapi |
|
||
| ./ai_module/xf_ltp.py | 讯飞 情感分析 | https://www.xfyun.cn/service/emotion-analysis |
|
||
| ./utils/ngrok_util.py | ngrok.cc 外网穿透 | http://ngrok.cc |
|
||
|
||
|
||
|
||
|
||
|
||
## 与远程音频输入输出设备连接（非必须,外网需要配置http://ngrok.cc ngrok tcp通道的clientid）
|
||
|
||
控制器与采用 socket(非websocket) 方式与 音频输出设备通讯
|
||
|
||
内网通讯地址: [`ws://127.0.0.1:10001`](ws://127.0.0.1:10001)
|
||
|
||
外网通讯地址: 通过http://ngrok.cc获取
|
||
|
||
|
||
|
||
|
||
消息格式: 参考 [remote_audio.py](https://github.com/TheRamU/Fay/blob/main/python_connector_demo/remote_audio.py)
|
||
|
||
## 与数字形象通讯（非必须,控制器需要关闭“面板播放”）
|
||
|
||
控制器与采用 WebSocket 方式与 UE 通讯
|
||
|
||
下载: [https://pan.baidu.com/s/1L6yUR5cRFuNBiuPaXcmHaQ?pwd=8s8d](https://pan.baidu.com/s/1L6yUR5cRFuNBiuPaXcmHaQ?pwd=8s8d)
|
||
|
||
通讯地址: [`ws://127.0.0.1:10002`](ws://127.0.0.1:10002)（已接通）
|
||
|
||
消息格式: 查看 [WebSocket.md](https://github.com/TheRamU/Fay/blob/main/WebSocket.md)
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
## 目录结构
|
||
|
||
```
|
||
.
|
||
├── main.py # 程序主入口
|
||
├── fay_booter.py # 核心启动模块
|
||
├── config.json # 控制器配置文件
|
||
├── system.conf # 系统配置文件
|
||
├── ai_module
|
||
│ ├── ali_nls.py # 阿里云 实时语音
|
||
│ ├── ms_tts_sdk.py # 微软 文本转语音
|
||
│ ├── xf_aiui.py # 讯飞 人机交互-自然语言处理
|
||
│ └── xf_ltp.py # 讯飞 性感分析
|
||
├── bin # 可执行文件目录
|
||
├── core # 数字人核心
|
||
│ ├── fay_core.py # 数字人核心模块
|
||
│ ├── recorder.py # 录音器
|
||
│ ├── tts_voice.py # 语音生源枚举
|
||
│ ├── viewer.py # 抖音直播间接入模块
|
||
│ └── wsa_server.py # WebSocket 服务端
|
||
├── gui # 图形界面
|
||
│ ├── flask_server.py # Flask 服务端
|
||
│ ├── static
|
||
│ ├── templates
|
||
│ └── window.py # 窗口模块
|
||
├── scheduler
|
||
│ └── thread_manager.py # 调度管理器
|
||
└── utils # 工具模块
|
||
├── config_util.py
|
||
├── storer.py
|
||
└── util.py
|
||
```
|
||
进一步交流请联系QQ 467665317
|
||
|
||
技术交流群
|
||
|
||
<img src="images/-1101731868-3469777.png" alt="微信群">
|
||
|
||
|