语音对话系统

基于 Go 语言和腾讯云 API 实现的语音交互原型，支持通过 TCP 协议进行音频收发，完成“语音识别→AI 对话→语音合成”的闭环流程，适用于单客户端场景下的语音交互演示（如面向老年人的暖心语音服务）。

这个项目是为了演示与硬件连接效果而生的简单产物，并不成熟。还存在多客户端隔离、密钥安全管理、错误处理和资源释放等问题。

核心功能

1. TCP 通信：监听指定端口（默认 8005），接收客户端音频数据并返回合成的语音回复。
2. 语音识别：调用腾讯云 ASR API，将客户端发送的音频（WAV 格式）转换为文本。
3. AI 对话：基于腾讯云混元大模型（hunyuan-role），结合角色设定和对话历史生成回复。
4. 语音合成：调用腾讯云 TTS API，将 AI 回复文本转换为音频并返回给客户端。

快速开始

环境要求

• Go 1.24+
• 腾讯云账号（需开通 ASR、TTS、混元大模型服务）
• 腾讯云 API 密钥（SecretId、SecretKey，需具备对应服务权限）

安装步骤

1. 克隆仓库

   git clone https://github.com/STAR0903/chat
   cd chat

2. 配置腾讯云密钥编辑 pkg/tencent.go，替换占位符为实际密钥：

   const (
       SecretId  = "你的腾讯云SecretId"
       SecretKey = "你的腾讯云SecretKey"
   )

3. 安装依赖

   go mod tidy

4. 启动服务

   go run main.go

   服务将在 0.0.0.0:8005 端口监听 TCP 连接。

代码结构

chat/
├── main.go           # 程序入口，TCP 连接管理与流程调度
├── data/
│   ├── set.txt       # AI 助手角色设定（身份、对话准则等）
│   ├── input.wav     # 临时存储客户端发送的音频
│   ├── output.wav    # 临时存储合成的回复音频
│   └── history.txt   # 对话历史记录（JSON 格式）
├── pkg/
│   ├── asr.go        # 腾讯云 ASR 语音识别实现
│   ├── llm.go        # 混元大模型对话逻辑（含历史记录管理）
│   ├── tencent.go    # 腾讯云 API 密钥配置
│   └── tts.go        # 腾讯云 TTS 语音合成实现
└── go.mod            # 项目依赖配置

使用说明

1. 客户端连接：通过 TCP 工具（如 nc 或自定义客户端）连接服务端：

   nc 127.0.0.1 8005

2. 发送音频：向连接发送 WAV 格式音频（16k 采样率、单声道，需与 ASR 引擎匹配）。

3. 接收回复：服务端处理完成后，会返回合成的 WAV 音频回复。

限制

• 单客户端支持：所有连接共享 data/ 目录下的临时文件（input.wav、history.txt 等），多客户端同时连接会导致数据冲突。
• 密钥管理：当前密钥硬编码在代码中，生产环境需改为环境变量或配置文件读取。
• 错误处理：部分场景下错误处理不完善（如 API 调用失败可能导致程序崩溃）。
• 音频格式限制：仅支持 16k 采样率中文音频，需客户端严格匹配格式。