第八章 · 语音与流式
本章主题：👂🗣 语音与流式
从本章开始，小莫可以"听见"并"说话"了。我们搭建一条语音流水线：麦克风采集音频 → SenseVoice 语音识别 → Matcha-TTS 语音合成 → 可打断对话。
本章内容
- 8.1 麦克风与音频流：用 sounddevice 从麦克风采集音频
- 8.2 语音识别：SenseVoiceSmall：sherpa-onnx 离线语音识别
- 8.3 语音合成：Matcha-TTS：sherpa-onnx 文字转语音
- 8.4 可打断对话：Streaming 模式实现语音打断
- 🎯 小项目⑤：和小莫语音互动：完整语音交互流水线
前置要求
模型体积说明
本章需要下载两个模型：SenseVoice（约 40MB）和 Matcha（声学模型 72MB + 声码器 51MB），共约 160MB。磁盘空间请预留足够。
尊重模型许可
SenseVoiceSmall 和 Matcha-icefall-zh-baker 均遵循各自的开源协议。Matcha 中文模型基于标贝数据训练，仅限非商业用途。