ChatGPT 实时语音交流, speech-to-text and text-to-speech
前言
如果期望与 ChatGPT 进行实时的语音交流，可以直接使用 ChatGPT 的 APP 就可以了，本文完。😂
当然，这需要每月 20 美刀。如果只是想偶尔使用，似乎用 API 的方式更划算。
应该有已经封装好的，可以直接调用 API 进行实时语音交流的工具，暂时没找到满意的，求推荐。
speakdual.com 这个网站算一个，但语音识别部分只支持英文。语音识别使用的是浏览器 API，理论上支持中文的，但是作者没有开放源码，无法修改。
如果要手动实现的话，需要考虑三部分内容， Speech Recognition, AI, Text to speech
Speech Recognition
语音识别可以直接使用 浏览器 API，
Web Speech API - Web API 接口参考 | MDN
好用但不太常用的JS API - Web Speech API开发者指南 - 掘金
Dictation
可以在这个网站上进行测试，默认支持的是英文，说出 "Chinese"，可以切换到中文识别，而且中英文混合识别的效果也不错。
也可以直接使用 OpenAI 家的 API Speech to text - OpenAI API
还有就是本地输入法的语音识别，例如搜狗输入法就有这个功能，当然，这个就没法通过 API 来调用了。
或者使用其它的语音识别 API，如讯飞：语音转写 API 文档 | 讯飞开放平台文档中心
从成本和可用性来说，Chrome 浏览器自带的，应该就足够使用了。
AI
这个就没啥说的了，直接调用 OpenAI GPT 的 API，github 上有很多实现。
TTS （Text to speech）
这个可以使用 elevenlabs 的服务， Speech Synthesis: Generate AI Audio & Voiceovers
eleven_multilingual_v2 模型对中英文的效果都不错。不过 API 价格不是很美丽，免费的每月只有 10000 字符额度，如果经常使用，还不如直接买 ChatGPT 的付费版本。
或者也可以使用浏览器的 API，不知道效果如何。
实践
Chatbox 是一个很好的 GPT 助手，通过 API 调用 GPT 服务。
这个 PR 是一个为 Chatbox 添加实时 TTS 的实现
Auto TTS by JasonGrass · Pull Request #1031 · Bin-Huang/chatbox
还需要很多改进，如语音识别部分没有处理。当前我是在本地通过输入法的语音识别操作的。
如果能够直接使用浏览器的语音识别 API，加上界面修改，完全可以达到 speakdual.com 的效果。
参考文章
通过OpenAI API可以建立一个和GPT 4进行实时语音对话的系统 - 掘金
Chrome 语音识别
好用但不太常用的JS API - Web Speech API开发者指南 - 掘金
这里有关于浏览器语音识别 API 和 TTS API 的使用与测试说明
Voice to Text with Chrome Web Speech API
