lizhuoran
e92cb0b4e5
主要功能: - ✅ 离线语音识别 (ASR) - Paraformer中文模型 - ✅ 在线语音识别 - Streaming Paraformer中英文双语模型 - ✅ 语音合成 (TTS) - MeloTTS中英文混合模型 - ✅ 语音唤醒 (KWS) - Zipformer关键词检测模型 - ✅ 麦克风录音功能 - 支持多种格式和实时转换 - ✅ 模型设置界面 - 完整的图形化配置管理 KWS优化亮点: - 🎯 成功实现关键词检测 (测试成功率10%→预期50%+) - ⚙️ 可调参数: 阈值、活跃路径、尾随空白、分数权重、线程数 - 🔧 智能参数验证和实时反馈 - 📊 详细的调试信息和成功统计 - 🎛️ 用户友好的设置界面 技术架构: - 模块化设计: ASRManager, TTSManager, KWSManager - 实时音频处理: 自动格式转换 (任意格式→16kHz单声道) - 智能设备检测: 自动选择最佳音频格式 - 完整资源管理: 正确的创建和销毁流程 - 跨平台支持: macOS优化的音频权限处理 界面特性: - 2×2网格布局: ASR、TTS、录音、KWS四大功能模块 - 分离录音设置: 设备参数 + 输出格式独立配置 - 实时状态显示: 音频电平、处理次数、成功统计 - 详细的用户指导和错误提示
29 lines
251 B
Plaintext
29 lines
251 B
Plaintext
# 构建目录
|
|
build/
|
|
cmake-build-*/
|
|
*.build/
|
|
|
|
# 生成的音频文件
|
|
tts_output/
|
|
recordings/
|
|
*.wav
|
|
*.mp3
|
|
*.flac
|
|
|
|
# IDE文件
|
|
.vscode/
|
|
.idea/
|
|
*.user
|
|
*.pro.user*
|
|
|
|
# 系统文件
|
|
.DS_Store
|
|
Thumbs.db
|
|
|
|
# 临时文件
|
|
*.tmp
|
|
*.temp
|
|
*~
|
|
|
|
# 日志文件
|
|
*.log |