1-先把语音采集下来
2 然后上传云端
3-得到文字结果
4-再把这个文字给AI
5-AI给它处理一下然后再返回给tts
6-本地的麦克风播放一下.结束了
真正的精髓在于能够把成本控制下来。
另外
不要只限于电脑端的编程桌面，还有能否实现高度的定制化，比如对话的数据来自于本地模型的训练。
能否突破网络的限制，不要只局限于局限局域网, 能否实现除了声音以外其他维度的支持比如动作表情。

本文只是实现了语音到openAI回复的这一步，后面会接tts

新闻

开始闲聊（搞）

讯飞api 实时用量查看

https://console.xfyun.cn/services/iat

然后在调用阿里的api

最后实现，如

或者直接使用

参考

参考前端大佬
http://www.muguilin.com/blog/home