工作笔记,支付策略模式,小智ai项目搭建,pom文件加入配置,访问国内镜像2026年3月12日

sensevoice-small-轻量级多任务语音模型的 ONNX 量化版WebUI V1.0

sensevoice-small-轻量级多任务语音模型的 ONNX 量化版WebUI V1.0

文本生成
语音识别
SenseVoiceSmall

端侧应用:手机 / 平板 / 嵌入式设备的离线语音助手、实时字幕。 边缘计算:无 GPU 服务器的语音转写、客服质检、会议纪要。 隐私敏感场景:医疗 / 金融等需本地处理语音数据的业务。 低资源环境:带宽有限或算力不足的设备与场景。

1. pom文件中加入下面配置,访问国内镜像源
6. 企业知识库项目kmatrix
2. 小智开源ai项目:部署
3. 小智web端启动:xiaozhi-esp32-web
4. 小智配置一下可以忽略:参照官方配置即可
5. 小智MQTT 网关部署教程:部署文档
7. 支付策略:新增了汇付支付

8. 本机IP 192.168.3.173
9. 火山引擎的豆包 TTS:测试版本仅支持 2 个并发
10. asr模型 变tts模型 才能听到
       传入的声音,使用asr模型将声音转为文本。再将文本使用TTS模型转换为语音。


详细内容如下:
   
2. 小智开源ai项目:部署
      本地源码运行全模块:
      部署文档https://github.com/xinnan-tech/xiaozhi-esp32-server/blob/main/docs/Deployment_all.md#方式二本地源码运行全模块
    2.1 将下载的小智项目(xiaozhi-esp32-server-main),你需要把加压文件名改成 xiaozhi-esp32-server
    2.2 先安装windows版的 Anaconda。
      启动conda:搜索Anaconda prompt--》管理员运行
         创建xioazhi环境:conda create -n xiaozhi-esp32-server python=3.10 -y
         激活xioazhi环境:conda activate xiaozhi-esp32-server
    2.3 安装libopus
      下载libopus_v1.4_msvc17.zip: https://github.com/ShiftMediaProject/opus/releases
      解压后放到系统目录:\Lib\site-packages下面全部放
        最终是这个目录:D:\ProgramData\Anaconda3的安装目录\envs\your_env\Lib\site-packages\libopus_v1.4_msvc17\bin\x64\
    2.4 安装FFmpeg
      下载网页: https://github.com/GyanD/codexffmpeg/releases/tag/2026-02-26-git-6695528af6
          查找full的文件下载:ffmpeg-2026-02-26-git-6695528af6-full_build.zip
      win下载后解压出:bin/ffmpeg.exe
        将ffmpeg.exe放入win系统path环境变量即可。
3. 小智web端启动:xiaozhi-esp32-web
       npm install
       npm run serve
4. 小智配置:以下可以忽略,参照官方配置即可
    1. 登录web智控台
       顶部菜单找到参数管理--》编码:server.ota--》输入你的OTA接口
         http://192.168.3.173:8002/xiaozhi/ota/
       顶部菜单找到参数管理--》编码:server.websocket-->输入你的Websocket接口
         ws://192.168.3.173:8000/xiaozhi/v1/
5. 小智MQTT 网关部署教程:部署文档: https://github.com/xinnan-tech/xiaozhi-esp32-server/blob/main/docs/mqtt-gateway-integration.md
   如果你是源码部署,你的mqtt-websocket地址是:
   ws://192.168.3.173:8000/xiaozhi/v1/?from=mqtt_gateway
6. 企业知识库项目kmatrix:
   领导提供的版本: https://gitee.com/kyxxjs/kmatrix-service    https://gitee.com/kyxxjs/kmatrix-web
   官方开源的专业版: https://gitee.com/kyxxjs/km_community
  onnx Runtime(ort)windows深度学习模型部署:
下载地址:https://github.com/microsoft/onnxruntime/releases/tag/v1.24.3
    点击此文件下载:onnxruntime-win-x64-1.24.3.zip
    如果是conda环境:将解压包放到此目录下 D:\xxx\Anaconda\envs\xiaozhi-esp32-server\Lib\site-packages
    将目录(D:\xxx\onnxruntime-win-x64-1.24.3\) 配置到环境变量path目录
 ***onnx还是无法使用(安装后既可以使用),需要安装 Visual C++ 可再发行运行库:下载页面 https://learn.microsoft.com/zh-cn/cpp/windows/latest-supported-vc-redist             下载文件: vc_redist.x64.exe


创建项目环境:conda create -n base1 python=3.10 -y     // python必须3.7以上版本
   激活环境: conda activate base1
   安装ONNX :没有搭建成功
    下载模型(没下成功):https://rapidai.github.io/RapidOCRDocs/main/blog/2024/04/12/已有onnx模型下载/
   // 在conda中安装ONNX:pip install onnx
   powerShell下执行: pip install onnxruntime
   //手动下载ONNX:  https://github.com/microsoft/onnxruntime/releases
        项目配置:文件:pom.xml 里 <profiles.active>sample</profiles.active>将dev改为sample
        部署pg库:
docker pull postgres:16
docker run --name postgres -e POSTGRES_PASSWORD=password -d -p 5432:5432 postgres:16
链接pg库,创建database kmatrix
部署es:(不用装也能启动)
docker run -d --name elasticsearch -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:8.9.0
kmatrix web项目:
    pnpm i
    pnpm run build 
    pnpm dev:admin  在跟目录启动项目
    pnpm dev:chat


7. 支付策略:新增了汇付支付。策略对象使用ReflectUtil.newInstance出对应对象(不是从spring中获取)
    提交订单:PayOrderServiceImpl.submitOrder--》
       通过渠道id获取client:channelService.getPayClient(channel.getId())
    PayChannelServiceImpl.getPayClient():查询配置表pay_channel字段config,获取支付配置参数如:appid、secretKey、配置对象类class名字,所有的接口配置参数都放到这个表的config字段。
    -->PayClientFactoryImpl.createOrUpdatePayClient : 将client对象缓存到map里面。//***
    -->PayClientFactoryImpl.createPayClient:new client对象(client对象是调支付post接口) // ***
    
    AbstractPayClient.unifiedOrder //支付抽象类,提交订单抽象方法
    AbstractPayClient.parseOrderNotify //支付抽象类,支付回调抽象方法
    AbstractPayClient.unifiedRefund //支付抽象类,退款抽象方法
   AbstractHuifuPayClient 抽象client,主要是初始化方法:doInit、回调接口实现、退款接口实现
   HuifuPayClient继承了AbstractHuifuPayClient:主要是:构造方法、下单接口实现

   支付配置表pay_channel.config:字段config值如下
   {"@class":"cn.iocoder.yudao.framework.pay.core.client.impl.alipay.AlipayPayClientConfig","serverUrl":"https://openapi-sandbox.dl.alipaydev.com/gateway.do","appId":"2","signType":"RSA2","mode":1,"privateKey":"1","alipayPublicKey":"2","appCertContent":"","alipayPublicCertContent":"","rootCertContent":"","encryptType":"","encryptKey":""}
   {"@class":"cn.iocoder.yudao.framework.pay.core.client.impl.huifu.HuifuPayConfig","name":"huifu-conf","host":"https://uatacquire.cloudpnr.com","appId":"20000","accessCode":"998822e76540cff183b5d9e3172a311f","secretKey":"fr7zlr7enm8nbc68mgv4zcdbaw1ci4o8hjpd8w656d9opzj6tf7du01vb2l7cz0acp4gsrpuu39arw0vmzgqv9mctwllkjvder14orsl72czetc295ue3ix0oddzaajeap4gstpz3e9rjun18nsphr0a746zmxurw16fc4aqjrhuq4l2gk2adk8sj3shdv3mvt5ose0i8uq67kbo1jxgbdt9ynw5nncs3k881jl7oihs5dc1fput3tvp4djw5m4bac9velhis5xv4hbjd4hwm2o5927akerxpk5t8aj2gwv6hnysuv35slw5q7ekomr72xob3ry7h6hbcegn8sxz5ps6rebdo2o1n8d1cr2pk6xlfdoldkv5r4flc289smu04jxlqevf9iuqksscq7ut06yq4ztidfucx5p6r986ls5s12tcrhcwcz7rcexwl3rkwsto9vc69c2oeh8ca1fx0wtk9cos4f5gvlfmpjjyla93lv6an9tnj0v45m2mdx15"}
        汇付支付:参数HuifuPayConfig对象,存放公共参数:appId、accessCode、secretKey、host、name


1. pom文件中加入下面配置,访问国内镜像源
<!-- 使用 huawei / aliyun 的 Maven 源,提升下载速度 -->
    <repositories>
        <repository>
            <id>huaweicloud</id>
            <name>huawei</name>
            <url>https://mirrors.huaweicloud.com/repository/maven/</url>
        </repository>
        <repository>
            <id>aliyunmaven</id>
            <name>aliyun</name>
            <url>https://maven.aliyun.com/repository/public</url>
        </repository>

        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
        <repository>
            <id>spring-snapshots</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
    </repositories>

您可能感兴趣的与本文相关的镜像

sensevoice-small-轻量级多任务语音模型的 ONNX 量化版WebUI V1.0

sensevoice-small-轻量级多任务语音模型的 ONNX 量化版WebUI V1.0

文本生成
语音识别
SenseVoiceSmall

端侧应用:手机 / 平板 / 嵌入式设备的离线语音助手、实时字幕。 边缘计算:无 GPU 服务器的语音转写、客服质检、会议纪要。 隐私敏感场景:医疗 / 金融等需本地处理语音数据的业务。 低资源环境:带宽有限或算力不足的设备与场景。

内容概要:本文提出了一种针对大规模电动汽车接入电网的双层优化调度策略,并基于IEEE33节点系统进行了建模与仿真分析,配套提供了完整的Matlab代码实现。该策略构建了上层电网运行优化与下层电动汽车充电调度的双层协同模型,综合考虑电网负荷削峰填谷、电压稳定性维持以及电动汽车用户充电需求满足等多重目标,采用先进的优化算法实现对电动汽车集群的智能有序调度。研究详细阐述了双层模型的构建逻辑、目标函数设计、约束条件设定及迭代求解流程,有效降低了电网峰谷差,提升了配电系统对可再生能源的消纳能力,兼具扎实的理论深度与明确的工程应用前景。; 适合人群:电气工程、电力系统及其自动化、能源系统优化等相关专业的研究生、科研人员以及从事智能电网、电动汽车调度、分布式能源管理等领域工作的工程师和技术人员。; 使用场景及目标:①深入研究高比例电动汽车接入对配电网运行特性的影响机制;②掌握电力系统双层优化建模方法及其在实际系统中的求解技巧;③实现电动汽车集群的协同调度与车网互动(V2G)优化控制;④作为撰写学术论文、开展课题研究或复现高水平期刊成果的技术参考与代码基础。; 阅读建议:建议读者结合所提供的Matlab代码逐行理解双层优化模型的数学表达与程序实现细节,重点剖析上下层模型之间的信息交互机制与收敛判据,可通过调整电动汽车渗透率、充电行为参数或引入分布式电源等场景进行拓展性仿真,以深化对智能调度策略适应性的认识。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值