Hôm nay, dự án OpenVoice-RAG đã chính thức phát hành phiên bản 1.0 trên GitHub, mang lại giải pháp đột phá cho việc tương tác bằng giọng nói với các cơ sở dữ liệu tri thức lớn. Dự án kết hợp công nghệ chuyển đổi giọng nói Whisper thế hệ mới cùng kiến trúc Retrieval-Augmented Generation (RAG) được tối ưu hóa độ trễ cực thấp.
Người dùng có thể tải lên các tài liệu PDF, trang web hoặc tệp văn bản, sau đó đặt câu hỏi trực tiếp bằng giọng nói qua micro. OpenVoice-RAG sẽ xử lý âm thanh, tìm kiếm thông tin liên quan trong cơ sở dữ liệu vector và phản hồi lại bằng giọng nói tự nhiên chỉ trong vòng chưa đầy 400 millisecond – tốc độ tương đương với phản xạ trò chuyện thực tế của con người.
Dự án hỗ trợ hơn 40 ngôn ngữ khác nhau, bao gồm khả năng tự động nhận diện và chuyển đổi ngôn ngữ linh hoạt trong cùng một cuộc trò chuyện. Điểm mạnh của OpenVoice-RAG là mã nguồn được thiết kế theo mô-đun, cho phép các nhà phát triển dễ dàng thay thế mô hình LLM nền tảng hoặc cơ sở dữ liệu vector tùy thuộc vào nhu cầu sử dụng.
Sự ra đời của OpenVoice-RAG mở ra triển vọng lớn cho việc phát triển các trợ lý ảo thông minh trong thiết bị nhà thông minh, hệ thống chăm sóc khách hàng tự động và các ứng dụng hỗ trợ người khiếm thị truy cập thông tin dễ dàng hơn.