語(yǔ)音控制的機(jī)器人界面使用CrowPanel Advance和OpenAI。

本項(xiàng)目演示了如何使用CrowPanel Advance和OpenAI Realtime API構(gòu)建一個(gè)緊湊的智能語(yǔ)音控制機(jī)器人系統(tǒng)。CrowPanel記錄用戶的聲音，將其發(fā)送給OpenAI進(jìn)行轉(zhuǎn)錄和解釋，并接收結(jié)構(gòu)化的命令。該命令在面板上進(jìn)行解釋，然后通過(guò)藍(lán)牙傳輸給機(jī)器人(CrowBot)。

由于基于gpt的自然語(yǔ)言理解，機(jī)器人不僅可以對(duì)簡(jiǎn)單的指令做出反應(yīng)，比如“向前走”，還可以對(duì)間接的短語(yǔ)做出反應(yīng)，比如“這里有點(diǎn)暗”，并通過(guò)打開前燈來(lái)回應(yīng)。

雖然這種設(shè)置可以與CrowBot一起開箱即用，但它可以很容易地適應(yīng)控制其他DIY機(jī)器人平臺(tái)，藍(lán)牙智能玩具，甚至家庭自動(dòng)化系統(tǒng)。

特性

?免提語(yǔ)音控制使用CrowPanel Advance的內(nèi)置麥克風(fēng)

?OpenAI支持的自然語(yǔ)言理解(實(shí)時(shí)API)

?通過(guò)結(jié)構(gòu)化JSON調(diào)用函數(shù)，以實(shí)現(xiàn)安全、可擴(kuò)展的命令執(zhí)行

?基于藍(lán)牙的命令傳輸?shù)紺rowBot

?用于Wi-Fi設(shè)置和API密鑰輸入的簡(jiǎn)單GUI

?開源和可擴(kuò)展：適應(yīng)您自己的機(jī)器人或系統(tǒng)

它是如何工作的

1. 用戶按住CrowPanel Advance，運(yùn)行自定義控件應(yīng)用程序。

2. 他們會(huì)說(shuō)命令，例如，“向前走，向右轉(zhuǎn)”，或者“這里有點(diǎn)暗”。

3. 聲音流到OpenAI實(shí)時(shí)API，在那里它被轉(zhuǎn)錄(通過(guò)gpt- 40 -mini- transcript)和處理。

4. OpenAI返回一個(gè)帶有函數(shù)名和參數(shù)的結(jié)構(gòu)化JSON。

5. CrowPanel解釋響應(yīng)，并通過(guò)藍(lán)牙將命令發(fā)送給CrowBot。

6. 機(jī)器人執(zhí)行動(dòng)作(例如，移動(dòng)、轉(zhuǎn)彎、開/關(guān)燈)。

7. 不支持或不明確的請(qǐng)求使用內(nèi)置的reject_request函數(shù)安全處理。

由于集成了OpenAI，即使是復(fù)雜或間接的語(yǔ)音命令也被解析為可操作的步驟，使機(jī)器人控制更加直觀和有趣。

所需的硬件

- CrowPanel Advance

- CrowPanel插件(帶藍(lán)牙模塊)

- CrowBot或任何接受藍(lán)牙UART命令的機(jī)器人

- OpenAI API密鑰

固件

CrowPanel固件和語(yǔ)音控制邏輯：Grovety/OpenAI_Robot_Control

自定義CrowBot固件：CrowBot GRC固件

教程-快速入門指南

有兩種安裝選項(xiàng)：

?使用預(yù)構(gòu)建映像的快速設(shè)置

?為開發(fā)人員和制造商提供了一個(gè)完整的從源代碼構(gòu)建選項(xiàng)

選項(xiàng)1:Flash預(yù)構(gòu)建固件

?從帶有二進(jìn)制文件的存儲(chǔ)庫(kù)中下載flash_tool.exe

?連接CrowPanel通過(guò)USB和運(yùn)行閃光燈。

?閃爍后，連接Wi-Fi

?然后輸入OpenAI API密鑰。

?啟動(dòng)CrowBot。

開始說(shuō)話——試試這樣的命令：

“轉(zhuǎn)發(fā)”

“左轉(zhuǎn)，打開燈”

選項(xiàng)2：從源代碼構(gòu)建

?克隆groovy /OpenAI_Robot_Control repo

?使用ESP-IDF v5.4+來(lái)構(gòu)建和刷新CrowPanel固件

?根據(jù)需要定制GUI、藍(lán)牙邏輯或命令解析器

?Flash CrowBot與兼容固件使用Arduino或PlatformIO

關(guān)于命令處理

這個(gè)項(xiàng)目沒有使用長(zhǎng)文本提示，而是使用OpenAI的函數(shù)調(diào)用特性來(lái)安全地將用戶語(yǔ)音映射到有效的機(jī)器人動(dòng)作。

JSON文件定義了所有可用的函數(shù)：function_list_robot.json

每個(gè)函數(shù)都有一個(gè)名稱(例如go_forward)、描述和可選參數(shù)。

當(dāng)用戶說(shuō)：

“向前走，把燈打開。”

CrowPanel發(fā)送:

可識(shí)別的文本

JSON函數(shù)列表

指令function_call: auto

OpenAI返回結(jié)構(gòu)化輸出，如：

{"name": "go_forward", "arguments": {}}

CrowPanel解析結(jié)果并向CrowBot發(fā)送相應(yīng)的藍(lán)牙命令。

為什么這種方法很棒：

?只有經(jīng)過(guò)批準(zhǔn)的函數(shù)才能被調(diào)用——毫無(wú)疑問

?添加新命令很容易——只需更新JSON即可

?支持安全回退，如輸入不明確的reject_request

?可擴(kuò)展和安全-遵循OpenAI推薦的嵌入式AI架構(gòu)

擴(kuò)展理念

想要更進(jìn)一步嗎?以下是一些說(shuō)明：

-使用揚(yáng)聲器和OpenAI的語(yǔ)音合成添加語(yǔ)音響應(yīng)系統(tǒng)

-整合對(duì)話系統(tǒng)與上下文記憶

-使用相同的設(shè)置，通過(guò)藍(lán)牙中繼控制智能家居設(shè)備

-將其與手勢(shì)識(shí)別或視覺反饋相結(jié)合

-通過(guò)JSON擴(kuò)展命令集-只需更新function_list_robot.json

-使用OpenAI的流媒體API從一次轉(zhuǎn)錄切換到實(shí)時(shí)語(yǔ)音??語(yǔ)音交互

本文編譯自hackster.io