AI发展越来越成熟，像chatgpt可以语音聊天，还可以带眼晴的功能，所以本博文是参照chatgpt功能实现的，已实现功能，（1）语音聊天，（2）打开摄像头（视频数据已传入后台，未实现视频数据识别，后面再加）

说明：本例子APP端是使用uniapp写的一个h5页面（可以打包成APP）,来模仿APP端，将APP端的语音数据、视频数据通过webrtc推流技术，推送到python后端，后端收到语音数据之后，进行语音识别转文字（使用阿里的sensevoice，本地布署），文字传给大模型(使用通信千问，本地布署)，大模型推理之后的结果数据再转为语音(文字转语音使用微软的edge-tts技术，也可以使用其它的)，然后将语音使用webrtc推流给APP端播放，整个流程结束

具体使用的技术如下：

uniapp：写APP端

webrtc：前后端音视频推流

fastapi：WEB框架

langchain: 集成大语言模型通义千问qwen

sensevoice：语音识别

ollama:布署qwen

qwen大模型

edge-tts:文字转语音

redis:保存用户上下文信息，用户信息记忆功能
一、先看演示效果

https://www.bilibili.com/video/BV1JUXyYYEp7

https://www.bilibili.com/video/BV1zUXyYYEim/

https://www.bilibili.com/video/BV1JUXyYYEA6/

二、环境准备

1、准备senseVoice语音识别（我是虚拟机centos7）
senseVoice对应的docker镜像在后面下载压缩包中

docker load -i sensevoice......