用python写一个gpt语音助手小程序

好的，我可以给你提供一个基本的框架，你可以在此基础上进行开发。

首先，你需要安装相关的库：

pip install torch transformers pyaudio

接下来，我们需要导入一些模块：

import torch
import transformers
import pyaudio
import wave
import os

然后，我们需要加载预训练模型：

model = transformers.GPT2LMHeadModel.from_pretrained('gpt2')
tokenizer = transformers.GPT2Tokenizer.from_pretrained('gpt2')

接下来，我们需要定义一个函数，用于获取用户的语音输入：

def get_audio():
    CHUNK = 1024
    FORMAT = pyaudio.paInt16
    CHANNELS = 1
    RATE = 16000
    RECORD_SECONDS = 5
    WAVE_OUTPUT_FILENAME = "audio.wav"

    p = pyaudio.PyAudio()

    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)

    print("* recording")

    frames = []

    for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
        data = stream.read(CHUNK)
        frames.append(data)

    print("* done recording")

    stream.stop_stream()
    stream.close()
    p.terminate()

    wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
    wf.setnchannels(CHANNELS)
    wf.setsampwidth(p.get_sample_size(FORMAT))
    wf.setframerate(RATE)
    wf.writeframes(b''.join(frames))
    wf.close()

该函数将录制用户的语音输入并将其保存为wav文件。

接下来，我们定义一个函数，用于将wav文件转换为文本：

def transcribe_audio():
    AUDIO_FILE = "audio.wav"

    r = sr.Recognizer()
    with sr.AudioFile(AUDIO_FILE) as source:
        audio = r.record(source)

    try:
        text = r.recognize_google(audio)
        return text
    except sr.UnknownValueError:
        print("Google Speech Recognition could not understand audio")
    except sr.RequestError as e:
        print("Could not request results from Google Speech Recognition service; {0}".format(e))

该函数将使用Google的语音识别API将wav文件转换为文本。

接下来，我们需要定义一个函数，用于生成回答：

def generate_answer(prompt):
    input_ids = tokenizer.encode(prompt, return_tensors='pt')
    output = model.generate(input_ids=input_ids,
                            max_length=50,
                            do_sample=True,
                            num_return_sequences=1)
    response = tokenizer.decode(output[0], skip_special_tokens=True)
    return response

该函数将接收用户的输入并使用预训练模型生成回答。

最后，我们需要定义一个主函数来运行整个程序：

def main():
    while True:
        get_audio()
        prompt = transcribe_audio()
        os.remove('audio.wav')
        response = generate_answer(prompt)
        print(response)

现在你可以运行这个程序，它将等待用户的语音输入并生成回答。

请注意，这只是一个基本的框架，你需要根据自己的需求进行修改和扩展。