其他功能

Muice 还支持一些其他功能，如 Faiss 长期记忆、OFA 图像识别、语音回复、启动实时语音聊天 。

Faiss 长期记忆（实验性内容）

本项目支持 Faiss 向量记忆，即将聊天记录保存至 Faiss 中，以便长期记忆。

若您希望使用 Faiss 向量记忆，请在配置文件中设置 enable_faiss 为 true，并设置 sentence_transformer_model_name_or_path 为 sentence-transformers 模型的路径。

Faiss 记忆用到的 sentence-transformers 模型需要额外下载（理论上所有 sentence-transformers 模型都可以）：

推荐 sentence-transformers 模型
distiluse-base-multilingual-cased-v1

Faiss 向量库位于 memory 文件夹中，一共三个文件：faiss_index.faiss、faiss_index.faiss.docstore、faiss_index.faiss.mapping，三者一一对应，改动前请注意备份。

导入 CSV 记忆

下载 CSV 记忆文件，确保其内部格式（UTF-8）为：

topic1\tcontent1
topic2\tontent2
...

将文件放入根目录，运行导入程序：

python import_csv_memory.py

输入文件名（包括 .csv 后缀），程序将自动导入 Faiss 向量库中。

OFA 图像识别（识别 / 发送表情包）

本项目支持 OFA 图像识别，即对聊天图片进行特征提取，并通过 OFA 模型进行描述生成。发送信息时，会检索本地图片库，若存在匹配的图片，则会发送图片。

若您希望使用OFA图像识别，请在配置文件中设置 enable_ofa_image 为 true，并设置 ofa_image_model_name_or_path 为 OFA 图像识别模型的路径。

OFA 使用到的依赖需要额外安装：

conda activate Muice
pip install -r ofa_requirements.txt

目前支持的 OFA 模型如下表：

OFA 模型
OFA-Image-Caption-Meme-Large-ZH （建议）
ofa_image-caption_muge_base_zh

本地图片数据库位于 image_data 文件夹中，程序会每五分钟备份一次数据库，默认保留5个备份槽位。

若您想要回退数据库到某个时间点，请将 image_data 文件夹中的 image_data.db 删除，并将备份槽位文件 image_data.db.backup_xxx_xxx 修改为 image_data.db。

语音回复

若您希望使用语音回复，请在配置文件中设置 Voice_Reply_Rate 为大于 0 的整数，机器人将会以设置的概率回复语音消息。

语音回复使用到的项目：fishaudio/fish-speech

在 fish-speech 的 WebUI 启动（使用 --infer 参数）后，更改 fish_speech_api.py 中的 Client、reference_audio、reference_text 即可。

• Client 为 fish-speech 的 WebUI 地址

• reference_audio 为参考音频文件路径，此音频用于变声效果。

• reference_text 为参考音频文件的参考文本。

启动实时语音聊天

1.安装依赖：

conda activate Muice
pip install -r audio_requirements.txt

2.安装配置语音回复（详见上文）

3.获取语音识别模型

目前支持的模型如下表：

语音识别模型
SenseVoice 多语言语音理解模型 Small

你可以通过以下命令下载并解压模型：

modelscope download --model iic/SenseVoiceSmall --local_path ./SenseVoice

下载完成后，在配置文件中设置 audio_name_or_path 为模型文件夹的路径。

4.配置信息和设备

你可以通过以下命令查看输入输出设备信息：

python realtime_refence.py --get_device

在 realtime_refence.py 中配置输入输出设备信息：

CHUNK = 1024  # 每次读取的音频块大小
FORMAT = pyaudio.paFloat32  # 音频格式
CHANNELS = 1  # 输入设备声道
RATE = 22050  # 采样率（16000/22050/44100）
THRESHOLD = 75  # 声音响度阈值（60-150左右，请根据实际情况调节）
SILENCE_THRESHOLD_MS = 1500  # 静音持续时间阈值（毫秒）
SILENCE_COUNT = int(SILENCE_THRESHOLD_MS / (1000 * CHUNK / RATE))  # 静音计数器阈值
use_virtual_device = False  # 是否使用虚拟设备（当你需要通过语音通话时，请设置为True）
if use_virtual_device:
    speaker_device_index = 3  # 虚拟输入设备索引
    mic_device_index = 10  # 虚拟输出设备索引
    device_index = speaker_device_index
else:
    device_index = 1  # 录音设备索引

4.启动实时语音聊天

python realtime_refence.py