OHF-Voice/wyoming

解決的問題

Wyoming 是一種點對點 TCP 協定，旨在標準化語音助理元件之間的通訊。無論具體軟體實作為何，它都能讓不同的服務（如喚醒詞檢測、語音轉文字（ASR）、文字轉語音（TTS）和意圖處理）無縫通訊。

工作原理

該協定使用 JSONL（JSON Lines）作為標頭，原始 PCM 音訊作為負載。每則訊息由一個 JSON 物件標頭、可選的額外資料和二進位負載組成。這種結構允許透過 TCP 連接高效地串流傳輸音訊和控制事件。

適用對象

主要面向開發語音助理或智慧家庭整合的開發者，特別是使用 Home Assistant 的使用者，他們需要一種標準化的方式來連接音訊硬體、語音辨識模型和合成引擎。

主要亮點

• 完整的語音處理流程：支援完整的語音互動循環：喚醒詞檢測、語音活動檢測（VAD）、語音轉文字、意圖識別和文字轉語音。
• 標準化事件流程：為轉錄和合成等服務定義清晰的請求-回應模式，包含對串流傳輸的支援。
• 模組化架構：透過統一介面支援多種後端專案，如 Faster Whisper、Piper 和 openWakeWord。
• 衛星支援：包含專門用於管理遠端語音衛星和觸發伺服器端流程的事件。