演示视频：

教程视频：https://www.bilibili.com/video/BV11ByLYMErn/

所用到的所有软件及资源： 链接：https://pan.quark.cn/s/84a54106c488 提取码：hNa7

gpt-sovits整合包来自@刘悦的技术博客，他那也有很多AI相关教程 视频及演示用的语音模型是我自己训练的洛天依的gpt-sovits，可以参看我之前的视频 BV1cpeAesESi

感谢以下开源项目的支持： MIGPT：https://github.com/idootop/mi-gpt/ MIGPT-GUI：https://github.com/lmk123/migpt-cli GPT-SoVITS：https://github.com/RVC-Boss/GPT-SoVITS

下面是文字版教程

一、硬件准备

• 一台电脑，最好有独显并且显存大于4G
  • 显卡越好语音合成速度越快
  • 理论上核显也可以运行，我没试过，合成速度应该是非常慢的
• 一个小爱音箱，我们可以到migpt项目页面看看具体支持哪些型号，建议选择支持连续对话的
  • 连续对话就是不用每句话前面都加小爱同学把它召唤出来
  • 如果你还没有小爱的话 ，可以像up一样，上二手平台买一个小爱mini，非常便宜，才30来块钱。
• 然后将小爱和电脑都连接到同一个网络中，记得把小爱绑定上你的小米账号，接下来要用。

二、配置环境&安装软件

• 我这里采用的是migpt-gui项目，它需要nodejs环境才能运行，我们先在网上或者在网盘里下载安装包，双击安装即可，我已经安装过就不再继续了。
• 安装好后，按win+R键打开运行窗口，输入“cmd”调用命令行工具，输入node -version 命令，如果有返回具体版本号即代表安装成功了。
• 接着我们开始安装migpt项目，打开在线说明，按顺序安装和启动

三、调试&对接大模型

• 启动后我们可以在浏览器中看到migpt-gui的网页端，这里有一些配置项。
• 首先是人设，你可以自己填写，也可用up放在网盘里的文件，直接导入进来。
• 然后是非常重要的一些设置！
  • 首先是你的小米账号ID以及密码，需要在小米账号-个人中心里查看（不是你登录用的手机号邮箱啥的）
  • 再是你的小米音箱的设置，选择音箱类型，输入名字（注意这里是你在米家APP绑定音箱时给它设置的名字，不要填错）
  • 然后是触发AI的关键词，召唤小爱后，需要用关键词+你想说的话才能触发AI对话，比如“请问为什么地球是圆的”，否则还是默认触发小爱的对话。如果是连续对话模式，则只需要第一句话用关键词触发即可。
  • 接着是你的大模型接口的apikey，我推荐使用kimi。如果你还没有，可以去这里注册一个，会送15块钱的token，可以用很久了。不知道怎么注册或者想用别的模型的话，可以看看migpt项目的说明文档，里面有很详细的介绍。
• 最后是自定义语音合成接口，我们先用默认，稍后再看怎么改成自定义的。先把前面的都填好，运行一下，看看有没有问题
  • 首先看控制台有没有输出音箱连接成功的信息，注意，第一次很可能会连接失败，并弹出需要登录验证的提示，这时我们需要复制控制台输出的一串网址，到浏览器里面打开，它会让我们用手机进行验证，验证后通常需要一小时后再重新运行项目。
• 出现设备信息和“服务已启动”即代表音箱连接成功，我们呼叫小爱同学，进入AI对话，看看大模型有没有回复，就像这样，说明大模型对接成功了。

四、对接自定义语音（GPT-sovits）

• 接下来，我们开始对接自定义语音。首先将接口运行起来，如果你是下载的简介里的gpt-sovits整合包，那么直接双击运行 接口_流式.bat文件即可，否则你需要自己配置一下接口调用的模型文件，然后再运行。（如何配置接口，可以看@刘悦的技术博客的这个视频）
• 接下来我们启动另一个接口，用于给MIGPT调用。打开下载下来的tts文件夹，双击启动.bat运行接口（默认是在7788端口下，你也可以自行修改，查看文件夹内的readme文档，里面有这个项目的一些说明），
• 接着我们找到本机ip地址（局域网）。在电脑右下角网络这里点击-属性，拉到最下面，复制ipv4地址。然后将其填入migpt网页端的自定义接口中，记得加上端口号，然后重新启动就可以了。

现在，一个接入了自定义AI语音的小爱音箱就配置完成了。

五、常见问题

• 其他音箱行不行？ 目前除了小爱，市面上常见的其他智能音箱，比如天猫精灵，小度音箱，都不支持第三方调用对话接口。

• 回复速度太慢？ 目前速度主要受制于三方面 一是AI大模型回复速度，所以我推荐用国内大平台的接口服务，一般来说是会比本地部署的大模型更快的。 二是AI语音合成速度，这个就看你的设备性能了，显卡越好速度越快。up用的是4070tis，感觉还是挺快的，简短的话一秒左右都能合成完毕。另外up还在接口中做了缓存功能来提速，如果待合成的是同一句话，接口会直接调用缓存，跳过语音合成。 三就是网络速度了，一句话要先由音箱上传到小米，再返回到本地，本地接口处理完再返回给小米，小米再返回给音箱进行输出，确实挺绕的。如果要完全夺舍音箱，绕过小米，得通过烧录固件的方式来root，挺麻烦的。或者也可以用其他的开源音箱项目，比如悟空，完全由自己打造一个智能音箱，up还没仔细研究。

• 每次召唤前还是得先喊“小爱同学”？ 同上，除非root，才能改唤醒词。网上还有一些不用root的魔改操作，不过也都比较麻烦，感兴趣的可以自己搜搜看。

• 如何换成其他语音？ 本教程演示的是洛天依的语音模型，如果你想换成其他的，比如原神的角色语音，可以自行训练，或在网上下载语音模型，具体的操作方法可以在B站搜索gpt-sovits相关视频，公开的教程和模型都有很多。