ChatGPT-OpenAI-Smart-Speaker

用GPT-4和语音视觉，把普通音箱变成能看会聊的AI助手

这是一个基于Python的开源AI智能音箱项目，旨在将普通音箱升级为支持语音和视觉交互的智能助手。它利用OpenAI的GPT-4模型，结合语音识别（STT）、文本转语音（TTS）和Langchain代理，实现自然语言对话、视觉问答和网络搜索功能。项目解决了传统智能音箱交互单一、无法理解复杂指令的问题，核心能力包括语音唤醒与对话、图像识别与描述、实时信息检索（通过Langchain agents调用搜索工具），以及通过Langsmith进行对话追踪和优化。用户可通过麦克风或摄像头输入，获得语音或文本回复，适合DIY智能家居、教育演示和快速原型开发。项目代码结构清晰，依赖主流AI库，便于二次开发和功能扩展。