fix(Git): 提交 README.md

README.md

@@ -1,28 +1,89 @@
-# ollama-voice-mac
+# x-Ollama-Voice-Mac  
-A completely offline voice assistant using Mistral 7b via Ollama and Whisper speech recognition models. This builds on the [excellent work of maudoin](https://github.com/maudoin/ollama-voice) by adding Mac compatibility with various improvements.
+一款完全离线运行的语音助手，集成了 Whisper、Ollama 和 pyttsx3 模型，支持离线语音识别、自然语言处理及文本转语音（TTS）功能。
+结合 **Mistral 7b**（通过 Ollama 实现）和 **Whisper** 语音识别模型构建而成。此项目基于 [maudoin 的优秀工作](https://github.com/apeatling/ollama-voice-mac)，添加了对 Mac 的兼容性并进行了一系列改进。
 
-https://github.com/apeatling/ollama-voice-mac/assets/1464705/996abeb7-7e99-451b-8d3b-feb3fecbb82e
+https://github.com/apeatling/ollama-voice-mac/assets/1464705/996abeb7-7e99-451b-8d3b-feb3fecbb82e  
 
-## Installing and running
+---
 
-1. Install [Ollama](https://ollama.ai) on your Mac.
+## 安装与运行  
-2. Download the Mistral 7b model using the `ollama pull mistral` command.
+### 0. 在mac上安装python的虚拟环境
-3. Download an [OpenAI Whisper Model](https://github.com/openai/whisper/discussions/63#discussioncomment-3798552) (base.en works fine).
+python3.11 -m venv myenv_311
-4. Clone this repo somewhere.
+source myenv_311/bin/activate
-5. Place the Whisper model in a /whisper directory in the repo root folder.
+deactivate
-6. Make sure you have [Python](https://www.python.org/downloads/macos/) and [Pip](https://pip.pypa.io/en/stable/installation/) installed.
-7. For Apple silicon support of the PyAudio library you'll need to install [Homebrew](https://brew.sh) and run `brew install portaudio`.
-8. Run `pip install -r requirements.txt` to install.
-9. Run `python assistant.py` to start the assistant.
 
-## Improving the voice
+### 1. 安装 Ollama  
+在 Mac 上安装 [Ollama](https://ollama.ai)。  
 
-You can improve the quality of the voice by downloading a higher quality version. These instructions work on MacOS 14 Sonoma:
+### 2. 下载 Mistral 7b 模型  
+运行以下命令下载模型：  
+```bash
+ollama pull mistral
+```  
 
-1. In System Settings select Accessibility > Spoken Content
+### 3. 下载 Whisper 模型  
-2. Select System Voice and Manage Voices...
+访问 [Whisper 模型库](https://github.com/openai/whisper/discussions/63#discussioncomment-3798552)，选择适合的模型（`base` 即可）。  
-3. For English find "Zoe (Premium)" and download it.
-4. Select Zoe (Premium) as your System voice.
 
-## Other languages
+### 4. 克隆本项目  
-You can set up support for other languages by editing `assistant.yaml`. Be sure to download a different Whisper model in your language and change the default `modelPath`.
+将项目代码克隆到本地计算机：  
+```bash
+git clone <仓库地址>
+```  
+
+### 5. 配置 Whisper 模型路径  
+将 Whisper 模型放入项目根目录的 `/whisper` 文件夹中。  
+
+### 6. 安装 Python 和 Pip  
+确保已安装 [Python](https://www.python.org/downloads/macos/) 和 [Pip](https://pip.pypa.io/en/stable/installation/)。  
+
+### 7. 配置 PyAudio 库（Apple Silicon 特别步骤）  
+对于 Apple Silicon 用户，需安装 **Homebrew** 并运行以下命令：  
+```bash
+brew install portaudio
+```  
+
+### 8. 安装依赖  
+运行以下命令安装所需依赖：  
+```bash
+pip install -r requirements.txt
+```  
+
+### 9. 启动助手  
+运行以下命令启动语音助手：  
+```bash
+python assistant.py
+```  
+
+
+### 10. 中间使用的要点：
+语音识别：使用 Whisper 模型进行本地语音识别，完全离线运行。
+自然语言处理：使用 Ollama 平台运行 Mistral 7b 模型，实现高效的本地大语言模型推理，无需联网。
+文本转语音（TTS）：基于 pyttsx3 实现的离线文本语音合成功能，支持多种语言和语音优化。但是 pyttsx3 太机械了 增加了edge-tts
+
+
+---
+
+## 提升语音质量  
+
+在 MacOS 14 Sonoma 中，可以通过以下步骤提升语音质量：  
+
+1. 打开 **系统设置** > **辅助功能** > **语音内容**。  
+2. 选择 **系统语音** 并点击 **管理语音**。  
+3. 在英文语音中找到 **"Zoe (Premium)"** 并下载。  
+4. 下载完成后，将系统语音更改为 **Zoe (Premium)**。  
+
+---
+
+## 支持其他语言  
+
+要支持其他语言，可以通过以下方式配置：  
+
+1. 编辑 `assistant.yaml` 文件。  
+2. 下载目标语言的 Whisper 模型并将其路径更新到 `modelPath` 配置项。  
+
+**示例（中文配置）**：  
+- 下载适合中文的 Whisper 模型，例如 `medium.zh`。  
+- 在 `assistant.yaml` 中将 `modelPath` 修改为下载的模型路径，例如：  
+  ```yaml
+  modelPath: /path/to/medium.zh.pt
+  ```  

assistant.py

@@ -45,7 +45,10 @@ class Assistant:
     def __init__(self):
         logging.info("Initializing Assistant")
         self.config = self.init_config()
-
+        
+        # 预初始化 pygame mixer，避免每次语音播放时的初始化开销
+        pygame.mixer.init()
+        
         programIcon = pygame.image.load('assistant.png')
 
         self.clock = pygame.time.Clock()
@@ -271,30 +274,32 @@ class Assistant:
             logging.info(f"Using edge-tts with voice: {self.edge_voice}")
             communicate = edge_tts.Communicate(text, self.edge_voice)
             
-            # 添加调试信息
+            # 使用异步方式并行处理音频生成
-            logging.info("Starting audio generation...")
+            audio_task = asyncio.create_task(communicate.save("temp_speech.mp3"))
-            await communicate.save("temp_speech.mp3")
+            
-            logging.info("Audio file generated successfully")
+            # 在音频生成的同时执行其他初始化
+            if not pygame.mixer.get_init():
+                pygame.mixer.init()
+            
+            # 等待音频生成完成
+            await audio_task
             
             if not os.path.exists("temp_speech.mp3") or os.path.getsize("temp_speech.mp3") == 0:
                 raise Exception("Generated audio file is empty or does not exist")
             
-            pygame.mixer.init()
             pygame.mixer.music.load("temp_speech.mp3")
             pygame.mixer.music.play()
             
             while pygame.mixer.music.get_busy():
-                pygame.time.wait(100)
+                await asyncio.sleep(0.1)  # 使用异步等待替代 pygame.time.wait
-            
-            pygame.mixer.quit()
             
+            # 不要每次都退出 mixer，只清理文件
             if os.path.exists("temp_speech.mp3"):
                 os.remove("temp_speech.mp3")
             
         except Exception as e:
             logging.error(f"An error occurred during edge-tts speech playback: {str(e)}")
             logging.error(f"Voice being used: {self.edge_voice}")
-            # 如果 edge-tts 失败，回退到 pyttsx3
             logging.info("Falling back to pyttsx3...")
             self.tts_engine.say(text)
             self.tts_engine.runAndWait()
@@ -305,9 +310,7 @@ class Assistant:
 
         def play_speech():
             try:
-                logging.info("Starting speech playback")
+                # 移除不必要的延迟
-                time.sleep(0.5)  # Short delay before speaking
-                
                 if self.config.tts.engine == "edge-tts":
                     asyncio.run(self.edge_tts_speak(text))
                 else:  # pyttsx3
@@ -318,7 +321,8 @@ class Assistant:
             except Exception as e:
                 logging.error(f"An error occurred during speech playback: {str(e)}")
 
-        speech_thread = threading.Thread(target=play_speech)
+        # 使用守护线程，这样主程序退出时不会被阻塞
+        speech_thread = threading.Thread(target=play_speech, daemon=True)
         speech_thread.start()