在Jetson上玩转大模型Day12：NanoLLM开发平台(2)：语音对话助手

前面已经简单介绍过在Jetson AI Lab所提供的NanoLLM开发平台上的API基本内容，使用这些API可以非常轻松地开发并整合比较复杂的应用，现在就用一个比较具有代表性的Llamaspeak对话机器人项目，做个简答的比较。

这个项目的工作原理如下图：

这个Llamaspeak项目在2023年提出第一个版本时，是以NVIDIA的RIVA语音技术结合Text-Generation-Webui界面与LLM大语言模型而成，整个安装的过程是相当复杂的，主要包括以下步骤：

1. 安装与啓动RIVA Client服务：完整的安装与啓动教程在https://github.com/dusty-nv/jetson-containers/tree/master/packages/audio/riva-client里面，包括需要在NVIDIA的NGC上进行注册、下载执行脚本、修改配置文件、下载ASR与TTS所需要的模型，最后再进行啓动对应版本的容器；
2. 载入配套的Text-Generation-Webui所需要的LLM模型：参考的安装程序在https://github.com/dusty-nv/jetson-containers/tree/master/packages/llm/text-generation-webui。
3. 啓动HTTPS/SSL：浏览器需要使用HTTPS才能访问客户端的麦克风，因此需要创建一个自签名的SSL证书和密钥，如下指令：

$ cd /path/to/your/jetson-containers/data

$ openssl req -x509 -newkey rsa:4096 -keyout key.pem -out cert.pem -sha256 -days 365 -nodes -subj '/CN=localhost'

1. 执行Llamaspeak容器：

$ jetson-containers run --workdir=/opt/llamaspeak \

--env SSL_CERT=/data/cert.pem \

--env SSL_KEY=/data/key.pem \

$(./autotag llamaspeak) \

python3 chat.py --verbose

现在就可以打开浏览器，输入指定位置与端口号，开始以用户端（如笔记本）的麦克风与这个应用开始交流。

事实上有经验的工程师，可能都要花一整天时间，才有机会完成整个Llamaspeak系统的搭建，因爲过程中需要独立安装的东西太多，并且模型之间的交互关系较爲复杂，一般初学者要安装成功的机会并不高。

现在使用NanoLLM开发环境重新搭建Llamaspeak应用，就变得非常简单，而且在旧版只支持语言对话的功能之上，还增加了对多模态大语言模型的支持，这样的使用性就变得非常高了。现在只要执行以下指令，就能实现Llamaspeak的功能，不过在执行之前，请记得先到huggingface.co去申请一个TOKEN：

$ jetson-containers run --env HUGGINGFACE_TOKEN=$HUGGINGFACE_TOKEN \

--name llamaspeak --workdir /opt/NanoLLM $(autotag nano_llm)

# 进入容器后

$ python3 -m nano_llm.agents.web_chat --api=mlc \

--model meta-llama/Meta-Llama-3-8B-Instruct --asr=riva --tts=piper

这里使用Meta-Llama-3-8B-Instruct模型，执行纯语言的对话。如果系统里面没有这个模型，就会从HuggingFace去下载，如下图所示：

最后停留在下面画面：

现在我们在浏览器里输入“https://127.0.0.1:8050”，就会进入操作界面：

这里我们尝试用文字输入问题，虽然llama-3-8b-instruct模型能支持中文，但是在ASR与TTS两端均未提供中文支持的能力，因此文字部分虽然可以用中文回答，但是语音输出部分就没办法了。

如果想要支持中文的语音输入识别与输出的话，就需要修改以下两个地方：

• 输入的中文识别：修改/opt/NanoLLM/nano_llm/plugins/speech/riva_asr.py，将里面的”language_code=” 从 ”en-US” 改成 ”zh-CN”
• 输出的中文语音：修改/opt/NanoLLM/nano_llm/plugins/speech/piper_tts.py，将里面的”en_US-libritts-high”模型（有两处）改成”zh_CN-huayan-medium”模型。这里可以选择的中文模型，可以在 /data/models/piper/voices.json 里找到，请用关键字 ”zh-CN”搜素，会找到'zh_CN-huayan-medium'与'zh_CN-huayan-x_low'两组可用的中文语言

修改完这两处之后，重新执行以下指令：

$ python3 -m nano_llm.agents.web_chat --api=mlc \

--model meta-llama/Meta-Llama-3-8B-Instruct --asr=riva --tts=piper

现在试试从麦克风用中文与Llamaspeak交谈，是否能如预期地识别出我们所说的话，并且以用中文语音回答呢？如果一切顺利，你现在就能开始有一个博学多闻的对手，可以跟你天南地北聊天了。