1분 안에 AI 음성 어시스턴트를 구축하는 방법 (터미널 기반)

카테고리

프로그래밍/소프트웨어 개발

서브카테고리

인공지능, 개발 툴

대상자

AI 및 CLI 도구에 관심 있는 개발자, 초보자에게 유용 (기초 스크립팅 및 API 사용 경험 필요)

핵심 요약

• OpenAI의 Whisper, GPT-3.5, TTS 모델을 활용하여 음성 인식 → 텍스트 처리 → 음성 합성 흐름 구현
• assist.sh 스크립트로 터미널에서 3초 음성 녹음 및 AI 처리 가능
• SoX, curl, jq 도구를 사용한 실시간 음성-텍스트-음성 변환 구현

섹션별 세부 요약

1. 음성 녹음 및 처리

• sox 명령어로 3초 동안 음성을 test.wav 파일로 녹음
• -d 옵션: 입력 장치 사용, -q: 출력 억제, trim 0 3: 3초 기록
• export OPENAI_API_KEY=sk-... 명령어로 OpenAI API 키 설정

2. 음성-텍스트 변환 (Whisper)

• curl 명령어로 OpenAI Whisper API 호출
• multipart/form-data 형식으로 test.wav 파일 전송
• jq -r .text으로 음성 인식 결과 추출 (변수 TRANSCRIPTION에 저장)

3. 텍스트 처리 (GPT-3.5)

• curl로 GPT-3.5 API 호출, 시스템 메시지로 "간결한 응답" 지시
• 사용자 입력 텍스트($TRANSCRIPTION)를 messages 배열에 전달
• 응답 결과($REPLY)를 jq -r .choices[0].message.content로 추출

4. 텍스트-음성 변환 (TTS)

• TTS API 호출 시 fable 음성, pcm 포맷, 24000Hz 샘플링 주파수 사용
• sox로 PCM 데이터를 터미널로 스트리밍 (-t raw 옵션 활용)

5. 스크립트 통합 및 실행

• assist.sh 스크립트로 모든 과정 자동화
• chmod +x ./assist.sh 명령어로 실행 권한 부여 후 ./assist.sh 실행
• echo 명령어로 각 단계의 진행 상태 출력

결론

• assist.sh 스크립트를 통해 터미널에서 즉시 사용 가능하며, Express 서버 통합으로 확장 가능
• OpenAI API 대신 Open-Whisper, Piper 등의 오픈소스 대체 도구 사용 가능
• 사용자 정의 음성, 무한 대화 모드, 핫키 감지 등 추가 기능 구현 가능