zqq-nuli / fay

Fay是一个完整的开源项目，包含Fay控制器及数字人模型，可灵活组合出不同的应用场景：虚拟主播、现场推销货、商品导购、语音助理、远程语音助理、数字人互动、数字人面试官及心理测评、贾维斯、Her。 开源项目，非产品试用！！！

FAY

Fay数字人助理

Fay数字人助理版是fay开源项目的重要分支，专注于构建智能数字助理的开源解决方案。它提供了灵活的模块化设计，使开发人员能够定制和组合各种功能模块，包括情绪分析、NLP处理、语音合成和语音输出等。Fay数字人助理版为开发人员提供了强大的工具和资源，用于构建智能、个性化和多功能的数字助理应用。通过该版本，开发人员可以轻松创建适用于各种场景和领域的数字人助理，为用户提供智能化的语音交互和个性化服务。

推荐集成

集成VisualGLM：B站视频

给Fay加上本地免费语音识别（达摩院funaar）: https://www.bilibili.com/video/BV1qs4y1g74e/?share_source=copy_web&vd_source=64cd9062f5046acba398177b62bea9ad

消费级pc大模型（ChatGLM-6B的基础上前置Rasa会话管理）：https://m.bilibili.com/video/BV1D14y1f7pr

UE5工程：https://github.com/xszyou/fay-ue5

视频三维重建（真人2D驱动）：https://github.com/waityousea/xuniren

Fay数字人助理版

注：带货版移到分支fay-sales-edition

PC远程助理 PC demo

手机远程助理 android demo

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

下载工程: https://pan.baidu.com/s/1RBo2Pie6A5yTrCf1cn_Tuw?pwd=ck99

下载windows运行包: https://pan.baidu.com/s/1CsJ647uV5rS2NjQH3QT0Iw?pwd=s9s8

工程及运行包：https://github.com/xszyou/fay-ue5

通讯地址: ws://127.0.0.1:10002（已接通）

消息格式: 查看 WebSocket.md

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 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

外网通讯地址: 通过http://ngrok.cc获取（有伙伴愿意赞助服务器给社区免费使用吗？）

消息格式: 参考 remote_audio.py

二、Fay控制器核心逻辑

注：

以上每个模块可轻易替换成自家核心产品。

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
│   ├── chatgpt.py          # gpt3.5对接
│   ├── nlp_gpt.py          # 对接chat.openai.com(免key)
│   ├── yuan_1_0.py         # 浪潮.源大模型对接
│   ├── nlp_rasa.py         # ChatGLM-6B的基础上前置Rasa会话管理(强烈推荐)
│   ├── nlp_VisualGLM.py    # 对接多模态大语言模型VisualGLM-6B
│   ├── yolov8.py           # yolov8资态识别
│   └── xf_ltp.py           # 讯飞 情感分析
├── 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
└── test                    # 都是惊喜

三、升级日志

2023.05.27：

• 修复多个bug：消息框换行及空格问题、语音识别优化；
• 彩蛋转正，Fay沟通与ChatGPT并行；
• 加入yolov8姿态识别；
• 加入VisualGLM-6B多模态单机离线大语言模型。

2023.05.12：

• 打出Fay数字人助理版作为主分支（带货版移到分支fay-sales-edition）；
• 添加Fay助理的文字沟通窗口（文字与语音同步）；
• 添加沟通记录本地保存功能；
• 升级ChatGLM-6B的应用逻辑，长文本与语音回复分离。

四、安装说明

环境

• Python 3.9、3.10
• Windows、macos、linux

安装依赖

pip install -r requirements.txt

配置应用密钥

• 查看 AI 模块
• 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Fay控制器

python main.py

AI 模块

启动前需填入应用密钥

代码模块	描述	链接
./ai_module/ali_nls.py	实时语音识别（非必须，免费3个月,asr二选一）	https://ai.aliyun.com/nls/trans
./ai_module/funasr.py	达摩院开源免费本地asr （非必须，asr二选一）	fay/test/funasr/README.MD
./ai_module/ms_tts_sdk.py	微软 文本转情绪语音（非必须，不配置时使用免费的edge-tts）	https://azure.microsoft.com/zh-cn/services/cognitive-services/text-to-speech/
./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（可选）	http://ngrok.cc
./ai_module/yuan_1_0.py	浪潮源大模型（NLP 多选1）	https://air.inspur.com/
./ai_module/chatgpt.py	ChatGPT（NLP多选1）	*******
./ai_module/xf_aiui.py	讯飞自然语言处理（NLP多选1）	https://aiui.xfyun.cn/solution/webapi
./ai_module/nlp_rasa.py	ChatGLM-6B的基础上前置Rasa会话管理（NLP 多选1）	https://m.bilibili.com/video/BV1D14y1f7pr
./ai_module/nlp_VisualGLM.py	对接VisualGLM-6B多模态单机离线大语言模型（NLP 多选1）	B站视频

五、使用说明

使用说明

• 语音助理：fay控制器（麦克风输入源开启、面板播放开启）；
• 远程语音助理：fay控制器（面板播放关闭）+ 远程设备接入；
• 数字人互动：fay控制器（麦克风输入源开启、面板播放关闭、填写性格Q&A）+ 数字人；
• 贾维斯、Her：加入我们一起完成。

语音指令

关闭核心	静音	取消静音
关闭、再见、你走吧	静音、闭嘴、我想静静	取消静音、你在哪呢、你可以说话了

播放歌曲(音乐库暂不可用)	暂停播放	更多
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、别唱了、我不想听了	没有了...

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

文本输入

通过沟通窗口与助理文本沟通

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

相关文章：

1、集成消费级pc大模型（ChatGLM-6B的基础上前置Rasa会话管理）：https://m.bilibili.com/video/BV1D14y1f7pr

2、(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

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

5、m1机器安装办法（Gason提供）：https://www.zhihu.com/question/437075754

6、bilbil主页：xszyou的个人空间_哔哩哔哩_bilibili

商务联系QQ 467665317，我们提供：开发顾问、数字人模型定制及高校教学资源实施服务 http://yafrm.com/forum.php?mod=viewthread&tid=302

关注公众号(fay数字人)获取最新微信技术交流群二维码（请先star本仓库）