Voice Assistant using OpenAI GPT-4o and Eleven Labs TTS

Descrição

Este projeto implementa um assistente de voz pessoal usando Python. Ele utiliza a API da OpenAI para gerar respostas baseadas em comandos de voz e a API da Eleven Labs para converter texto em fala. O assistente captura comandos de voz, gera respostas utilizando o modelo GPT-4o e responde com uma voz sintetizada.

Funcionalidades

• Reconhecimento de Fala: Captura e transcreve comandos de voz usando speech_recognition.
• Geração de Respostas: Utiliza a API do OpenAI GPT-4o para gerar respostas a partir dos comandos de voz.
• Síntese de Voz: Converte texto em fala usando a API da Eleven Labs e reproduz o áudio gerado.
• Execução Contínua: Funciona em um loop contínuo para permitir interações contínuas.

Requisitos

• Python 3.6 ou superior
• Bibliotecas Python:
  • openai
  • speech_recognition
  • requests
  • pyaudio
  • mpg123 (para reprodução de áudio)

Instalação

1. Clone o repositório:

git clone https://github.com/raulbalestra/Voice-Assistant.git
cd Voice-Assistant

2. Crie e ative um ambiente virtual (opcional, mas recomendado):

python3 -m venv venv
source venv/bin/activate  # No Windows, use `venv\Scripts\activate`

3. Instale as dependências:

pip install -r requirements.txt

Configuração

Defina as chaves da API diretamente no script:

# Definir chaves da API diretamente no script
openai_api_key = 'YOUR_OPENAI_API_KEY'
eleven_labs_api_key = 'YOUR_ELEVEN_LABS_API_KEY'

Uso

Para iniciar o assistente de voz, execute o script:

python3 script.py

Estrutura do Código

Bibliotecas Utilizadas

• os: Para operações de sistema, como verificar e manipular arquivos.
• openai: Para integração com a API da OpenAI.
• speech_recognition: Para captura e transcrição de comandos de voz.
• requests: Para fazer requisições HTTP.
• time: Para manipulação de tempo e delays.

Funções Principais

record_audio()

Captura áudio do microfone e usa a API do Google para transcrever o áudio para texto.

get_gpt_response(prompt)

Envia o prompt do usuário para a API da OpenAI e retorna a resposta gerada pelo modelo GPT-4o.

speak_text(text)

Gera áudio a partir de texto utilizando a API da Eleven Labs e reproduz o áudio gerado.

Função Principal

A função main() gerencia o ciclo principal de interação do assistente, capturando comandos de voz, gerando respostas e falando as respostas.

Licença

Este projeto está licenciado sob a Licença MIT. Veja o arquivo LICENSE para mais detalhes.