基于ChatGPT的安卓端语音助手

本文主要是介绍基于ChatGPT的安卓端语音助手，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

介绍

项目特性

支持用户预设问题模板，支持连续对话，支持gpt-3.5-turbo、gpt-4等模型
支持联网，允许GPT获取在线网页
支持拍照或从相册中上传图片到GPT Vision模型
通过无障碍功能捕获音量键事件，实现在任意界面唤起
支持从全局上下文菜单（选中文本后弹出的系统菜单）中直接唤起
支持通过状态栏快捷按钮唤起
支持对Markdown进行渲染
使用华为或百度语音API进行语音输入
调用系统TTS引擎输出语音

国内使用说明

本软件通过OpenAI API获取回复，在国内使用时可以用第三方转发服务，如Chatanywhere，其目前提供免费和付费服务，具体使用方法见下述说明

注：Chatanywhere注册需要GitHub账号，因此注册时需要能够登录GitHub的网络环境

费用说明

本软件不会收取任何费用，用户能够免费使用各项功能，但如果有特殊需求，使用的下述第三方服务可能会产生费用:

ChatGPT调用费用
- 以Chatanywhere为例，目前其免费服务限制对gpt-3.5-turbo模型的调用频率不超过60请求/小时/IP&Key，足够个人使用，若需要更高的调用频率或gpt-4模型，可以选择付费服务
百度语音识别接口费用
- 目前华为HMS提供免费的语音识别接口，因此程序内置了作者的API Key以供直接使用，如无特殊情况该API将在华为免费期间一直可用
- 程序也提供了对百度接口的调用以供有需要的情况下使用，目前百度短语音识别为新用户提供15万次 & 180天免费额度，额度外收取￥0.0034/次的调用费用

效果展示

一、基础使用：仅用音量键就可以操控

长按音量下键唤出界面
按住音量键不放，开始语音输入
松开后再次短按，发送问题
接收回复的同时可以自动通过语音进行播报

二、用状态栏快捷键也可触发

下拉状态栏，点击“GPT”按钮，即可唤出界面，键盘会自动弹出，可以手动输入问题

三、从全局上下文菜单唤起

在选中文本后弹出的系统菜单中，点击GPTAssistant选项，即可直接唤起应用并将选中文本添加到输入框

四、支持连续对话

激活上方的对话图标，即可保留当前会话，进行连续对话（点击左侧的头像图标可以对单条对话进行删除、重试等操作）

五、支持上传图片到Vision

当选择的模型中含有vision时（如gpt-4-vision-preview），输入框左侧会出现图片按钮，点击后可以拍照或从相册中选择图片

从其他应用中分享图片时，也可以选择本程序，将图片添加到输入框

经测试，gpt-4-vision-preview模型识别效果较好，可以识别较复杂的图片，可用于拍照识物、翻译文字、拍照答题等场景

注：Vision模型一般无法免费使用（如Chatanywhere），有需要的用户可以考虑付费服务

六、支持GPT联网

本程序实现了OpenAI的Function接口，允许GPT发起联网请求，程序会向GPT自动返回所需的网页数据，使GPT具有联网能力（需先在设置中开启联网选项）

注1：上图均为使用gpt-3.5-turbo模型的测试结果，建议在提问前加入“百度搜索”、“在线获取”、“从xxx获取”等字样引导GPT，以获得更好的联网效果

注2：由于需要将网页内容发送给GPT，联网时会产生大量Token消耗，gpt-4模型请谨慎使用

注3：gpt-4-vision-preview模型暂不支持联网

使用方法

1. 下载安装

直接下载最新发行版中的apk文件，安装即可

2. 配置 OpenAI

程序使用的是OpenAI API，需要用户在设置中填入自己的API_KEY，可以选择使用官方服务或第三方转发服务

使用Chatanywhere转发服务（国内推荐）

Chatanywhere提供了免费和付费的OpenAI API转发服务，目前免费服务限制60请求/小时/IP&Key调用频率，付费服务则无限制，可以在国内直接访问，用户可以参照其项目主页获取地址和KEY填入设置中
使用官方服务

在OpenAI官网注册账号并获取API_KEY，在设置中填写网址https://api.openai.com/和API_KEY

3. 配置百度语音识别 (可选)

注：程序默认使用的是华为语音识别接口，如无特殊情况，不需要进行此步骤

用户可以参照百度语音识别官方文档注册并创建应用，然后获取AppID、API Key和Secret Key填入设置中

若设置项的“启用长语音”选项关闭，则使用的是百度短语音识别接口，若开启，则使用的是实时语音识别接口，需要用户根据需求在创建应用时勾选对应的服务

此外，在创建应用时，需要将“语音包名”设置为“Android”，并填入本软件包名com.skythinker.gptassistant

设置语音包名

4. 开始使用

根据软件提示开启无障碍服务，并允许软件在后台运行
查看设置中是否存在“后台弹出界面”权限，如有该权限则允许，如无则忽略

若发现长按音量下键后手机震动一下但没有弹出界面，大概率是因为缺少该权限
开始正常使用，可参照效果展示中的操作步骤

Q&A

软件唤起

Q: 长按音量下键只是在调节音量，并没有其他任何现象？

A: 请在设置中开启本软件的无障碍服务（重启手机后可能需要重新开启，建议设置为无障碍快捷方式）

Q: 长按音量下键后，手机震动了一下，但没有弹出界面？

A: 请在设置中允许程序“后台弹出界面”权限

Q: 隔一段时间不用就无法使用音量键唤起了？

A: 请在设置中允许程序在后台运行

语音播报

Q: 语音播报没声音 / 不好听？

A: 软件调用的是系统自带TTS(Text To Speech)服务，可以通过软件设置项“打开系统语音设置”进入系统设置界面，选择合适的语音引擎；若对系统自带引擎不满意也可以自行安装讯飞等第三方TTS引擎

Q: 华为和百度语音识别效果有什么差别？

A: 经测试，所使用的华为接口（实时语音识别）识别准确度较高，尤其是在中英混说的场景下，但其断句能力则不如百度，仅适合单句识别

联网相关

Q: 联网时GPT能访问什么网站？

A: 程序使用Android WebView加载网页，能用本机浏览器打开的网站都可以访问

Q: GPT能获取网站中的什么内容？

A: 对于一般网站，仅允许GPT获取纯文本内容，而对于下述特殊适配过的网站，GPT还可以获取到搜索结果链接：百度、必应、谷歌、谷歌学术、知乎、微博、京东、GitHub、B站、知网

如果你觉得有其他网站需要适配，可以提交Issue

Q: 为什么GPT在访问一些网站时说无法获取内容？

A: 网页加载超时(15s)、需要登录、需要验证等原因都可能导致这个问题，你可以尝试再次提问，或要求GPT更换访问的网站

其他使用问题

Q: 为什么列表中没有我需要的模型？

A: 软件仅内置了少数常用模型，你可以在设置中添加自定义模型（以英文分号分隔），添加后即会出现在列表中

Q: GPT返回的内容中表格无法正常显示？

A: 所使用的Markdown渲染器无法在测试中产生稳定的结果，因此暂不支持表格渲染

Q: 显示获取失败，提示请求超时，或产生错误码502/503？

A: 排除网络因素，该错误一般由OpenAI接口产生，可能由于其服务器负载过高导致，请重试或等待一段时间后再尝试查看OpenAI实时状态

开发相关

Q: 编译仓库代码后无法使用华为HMS语音识别？

A: 为防止滥用，仓库中的Key开启了包名和签名验证，因此如果希望自行编译使用，需要根据华为官方文档创建AppGallery应用并替换鉴权信息，包括app/agconnect-services.json文件和app/src/main/res/values/strings.xml中的hms_api_key字段

主要功能更新日志

2023.09.10 发布第一个版本，支持基础对话、百度语音输入、TTS输出、Markdown渲染等功能
2023.09.13 支持连续对话、GPT-4、百度长语音识别，上下文菜单唤起
2023.10.06 添加华为HMS语音识别
2023.11.06 添加联网功能
2023.12.04 添加Vision识图功能

TODO

支持渲染Markdown表格
高级模板功能
连续语音交流

测试环境

已测试的机型：

机型	系统版本	Android 版本	本程序版本
荣耀 7C	EMUI 8.0.0	Android 8	1.8.0
荣耀 20	HarmonyOS 3.0.0	Android 10	1.8.1
华为 Mate 30	HarmonyOS 3.0.0	Android 12	1.6.0
华为 Mate 30	HarmonyOS 4.0	Android 12	1.8.0
荣耀 Magic 4	MagicOS 7.0	Android 13	1.2.0
红米 K20 Pro	MIUI 12.5.6	Android 11	1.5.0
红米 K60 Pro	MIUI 14.0.23	Android 13	1.7.0
Pixel 2 (模拟器)	Android 12	Android 12	1.7.0