登录注册

[开源]一个基于ChatGPT的安卓端语音助手，使用华为或百度语音API

开源系统知识库
2026-06-28 07:21 0 次浏览 • 0 次下载 0KB
[开源]一个基于ChatGPT的安卓端语音助手，使用华为或百度语音API

一、开源项目简介

图片

GPT Assistant

这是一个基于ChatGPT的安卓端语音助手，允许用户通过手机音量键从任意界面唤起并直接进行语音交流，用最快捷的方式询问并获取回复

免费聊天 · 语音交互 · 支持联网 · 支持识图

二、开源协议

使用GPL-3.0开源协议

三、界面展示

效果展示

一、基础使用：仅用音量键就可以操控

  1. 长按音量下键唤出界面

  2. 按住音量键不放，开始语音输入

  3. 松开后再次短按，发送问题

  4. 接收回复的同时可以自动通过语音进行播报

图片

二、用状态栏快捷键也可触发

下拉状态栏，点击“GPT”按钮，即可唤出界面，键盘会自动弹出，可以手动输入问题

图片

三、从全局上下文菜单唤起

在选中文本后弹出的系统菜单中，点击GPTAssistant选项，即可直接唤起应用并将选中文本添加到输入框

图片

四、支持连续对话

激活上方的对话图标，即可保留当前会话，进行连续对话（点击左侧的头像图标可以对单条对话进行删除、重试等操作）

图片

五、支持上传图片到Vision

当选择的模型中含有vision时（如gpt-4-vision-preview），输入框左侧会出现图片按钮，点击后可以拍照或从相册中选择图片

从其他应用中分享图片时，也可以选择本程序，将图片添加到输入框

图片

图片

图片

经测试，gpt-4-vision-preview模型识别效果较好，可以识别较复杂的图片，可用于拍照识物、翻译文字、拍照答题等场景

注：Vision模型一般无法免费使用（如Chatanywhere），有需要的用户可以考虑付费服务

六、支持GPT联网

本程序实现了OpenAI的Function接口，允许GPT发起联网请求，程序会向GPT自动返回所需的网页数据，使GPT具有联网能力（需先在设置中开启联网选项）

图片

图片

注1：上图均为使用gpt-3.5-turbo模型的测试结果，建议在提问前加入“百度搜索”、“在线获取”、“从xxx获取”等字样引导GPT，以获得更好的联网效果

注2：由于需要将网页内容发送给GPT，联网时会产生大量Token消耗，gpt-4模型请谨慎使用

注3：gpt-4-vision-preview 模型暂不支持联网

四、功能概述

【新增Vision识图】基于ChatGPT API的安卓端语音助手（国内可用），可通过音量键唤起并进行语音交流，支持网络访问、Vision拍照识图、连续对话、提问模板、3.5/4.0接口、Markdown渲染等功能

项目特性

  • 支持用户预设问题模板，支持连续对话，支持gpt-3.5-turbo、gpt-4等模型

  • 支持联网，允许GPT获取在线网页

  • 支持拍照或从相册中上传图片到GPT Vision模型

  • 通过无障碍功能捕获音量键事件，实现在任意界面唤起

  • 支持从全局上下文菜单（选中文本后弹出的系统菜单）中直接唤起

  • 支持通过状态栏快捷按钮唤起

  • 支持对Markdown进行渲染

  • 使用华为或百度语音API进行语音输入

  • 调用系统TTS引擎输出语音

国内使用说明

本软件通过OpenAI API获取回复，在国内使用时可以用第三方转发服务，如Chatanywhere，其目前提供免费和付费服务，具体使用方法见下述说明

注：Chatanywhere注册需要GitHub账号，因此注册时需要能够登录GitHub的网络环境

费用说明

本软件不会收取任何费用，用户能够免费使用各项功能，但如果有特殊需求，使用的下述第三方服务可能会产生费用:

  1. ChatGPT调用费用

  2. 以Chatanywhere为例，目前其免费服务限制对gpt-3.5-turbo模型的调用频率不超过60请求/小时/IP&Key，足够个人使用，若需要更高的调用频率或gpt-4模型，可以选择付费服务

  3. 百度语音识别接口费用

  4. 目前华为HMS提供免费的语音识别接口，因此程序内置了作者的API Key以供直接使用，如无特殊情况该API将在华为免费期间一直可用

  5. 程序也提供了对百度接口的调用以供有需要的情况下使用，目前百度短语音识别为新用户提供15万次 & 180天免费额度，额度外收取￥0.0034/次的调用费用

五、技术选型

使用方法

1. 下载安装

直接下载最新发行版中的apk文件，安装即可

2. 配置 OpenAI

程序使用的是OpenAI API，需要用户在设置中填入自己的API_KEY，可以选择使用官方服务或第三方转发服务

  • 使用Chatanywhere转发服务（国内推荐）

  • Chatanywhere提供了免费和付费的OpenAI API转发服务，目前免费服务限制60请求/小时/IP&Key调用频率，付费服务则无限制，可以在国内直接访问，用户可以参照其项目主页获取地址和KEY填入设置中

  • 使用官方服务

  • 在OpenAI官网注册账号并获取API_KEY，在设置中填写网址https://api.openai.com/和API_KEY

3. 配置百度语音识别 (可选)

注：程序默认使用的是华为语音识别接口，如无特殊情况，不需要进行此步骤

用户可以参照百度语音识别官方文档注册并创建应用，然后获取AppID、API Key和Secret Key填入设置中

若设置项的“启用长语音”选项关闭，则使用的是百度短语音识别接口，若开启，则使用的是实时语音识别接口，需要用户根据需求在创建应用时勾选对应的服务

此外，在创建应用时，需要将“语音包名”设置为“Android”，并填入本软件包名com.skythinker.gptassistant

图片

4. 开始使用

  1. 根据软件提示开启无障碍服务，并允许软件在后台运行

  2. 查看设置中是否存在“后台弹出界面”权限，如有该权限则允许，如无则忽略

  3. 若发现长按音量下键后手机震动一下但没有弹出界面，大概率是因为缺少该权限

  4. 开始正常使用，可参照效果展示中的操作步骤

隐私说明

本程序不会以任何方式收集用户的个人信息，语音输入会直接发送给华为或百度API，提问会直接发送给OpenAI API，不会经过其他中间服务器

引用的开源项目

  • Markwon: Android上的Markdown渲染器

  • chatgpt-java: OpenAI API的Java封装

评论