简体中文 | English

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

• 支持预设提问模板，包括使用高级模板语法向界面添加下拉选框等控件
• 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/百度/Whisper/Google接口实现语音输入
• 调用系统TTS引擎输出语音

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

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

   • 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

2. 语音识别接口费用

   本软件目前支持华为、Google、百度、Whisper四种语音识别接口：

   • （默认接口）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，如无特殊情况该接口将在华为免费期间一直可用

   • Google也是免费接口，但在国内可能无法访问，仅推荐海外用户使用

   • 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

   • Whisper接口由OpenAI提供，与GPT聊天使用相同接口参数，调用费用可以参考官方说明

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

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

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

注：部分软件禁用了上下文菜单，无法使用该功能，此时可以选中文本后分享到本程序，效果和上述方法相同

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）

五、支持高级模板语法

高级模板语法通过在模板开头添加参数，可以实现向界面添加下拉选框等操作，具体说明可以在模板编写说明中查看

点击模板编辑页面右上角的按钮，可以加载在线模板列表，在讨论社区中可以获取更多模板或分享自己的模板，分享的模板可能会被动态更新到在线模板列表中哦~

六、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

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

七、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）

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”、“必应搜索”、“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：如果你使用图中的提问但没有获取到正确的回答，可能是由于GPT的随机性导致访问了错误的网址，或是网站内容变化导致抓取失败，你可以尝试修改提问方式

注3：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4：gpt-4-vision-preview模型暂不支持联网

直接下载最新发行版中的apk文件，安装即可

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

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

百度语音识别接口

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

Google语音识别接口

用户需要确保系统中已安装Google软件，然后跟随软件指引设定Google为系统语音识别引擎，且允许其使用麦克风权限，然后在软件设置中选择Google语音识别接口即可

Whisper语音识别接口

如果用户所使用的OpenAI接口支持Whisper模型，在软件设置中选择Whisper语音识别接口即可使用

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

   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

3. 开始正常使用，可参照效果展示中的操作步骤

Q: 长按音量下键只是在调节音量，并没有其他任何现象？

A: 请在设置中开启本软件的无障碍服务（重启手机后可能需要重新开启，建议设置为无障碍快捷方式）

Q: 长按音量下键后，手机震动了一下，但没有弹出界面？

A: 请在设置中允许程序“后台弹出界面”权限

Q: 隔一段时间不用就无法使用音量键唤起了？

A: 请在设置中允许程序在后台运行

Q: 语音播报没声音 / 不好听？

A: 软件调用的是系统自带TTS(Text To Speech)服务，可以通过软件设置项“打开系统语音设置”进入系统设置界面，选择合适的语音引擎；若对系统自带引擎不满意也可以自行安装第三方TTS引擎如讯飞、TTS Server 等

Q: 不同接口的语音识别效果有什么差别？

A: 在中文和中英混说的场景下测试：

• 华为接口（实时语音识别）识别准确度很高，单句识别表现最好
• 百度则在长句识别时表现很好，断句较为合理，但难以做到中英混合识别（选用的是中文普通话模型）
• Google支持的语言种类很多，中文识别效果一般，且不会加标点
• Whisper支持的语言也很多，中文识别效果还可以，但有时出现简繁体不受控的情况，且不支持边说话边输出

在纯英文场景下，华为、Google和Whisper的效果都不错

Q: 联网时GPT能访问什么网站？

A: 程序使用Android WebView加载网页，能用本机浏览器打开的网站都可以访问

Q: GPT能获取网站中的什么内容？

A: 对于一般网站，仅允许GPT获取纯文本内容，而对于下述特殊适配过的网站，GPT还可以获取到搜索结果链接：百度、必应、谷歌、谷歌学术、知乎、微博、京东、GitHub、B站、知网

如果你觉得有其他网站需要适配，可以提交Issue

Q: 为什么GPT在访问一些网站时说无法获取内容？

A: 网页加载超时(15s)、需要登录、需要验证等原因都可能导致这个问题，你可以尝试再次提问，或要求GPT更换访问的网站

Q: 为什么列表中没有我需要的模型？

A: 软件仅内置了少数常用模型，你可以在设置中添加自定义模型（以英文分号分隔），添加后即会出现在列表中

Q: GPT返回的内容中表格无法正常显示？

A: 所使用的Markdown渲染器无法在测试中产生稳定的结果，因此暂不支持表格渲染

Q: 显示获取失败，提示请求超时，或产生错误码502/503？

A: 排除网络因素，该错误一般由OpenAI接口产生，可能由于其服务器负载过高导致，请重试或等待一段时间后再尝试 查看OpenAI实时状态

Q: 编译仓库代码后无法使用华为HMS语音识别？

A: 为防止滥用，仓库中的Key开启了包名和签名验证，因此如果希望自行编译使用，需要根据华为官方文档创建AppGallery应用并替换鉴权信息，包括app/agconnect-services.json文件和app/src/main/res/values/strings.xml中的hms_api_key字段

• 2023.09.10 发布第一个版本，支持基础对话、百度语音输入、TTS输出、Markdown渲染等功能
• 2023.09.13 支持连续对话、GPT-4、百度长语音识别，上下文菜单唤起
• 2023.10.06 添加华为HMS语音识别
• 2023.11.06 添加联网功能
• 2023.12.04 添加Vision识图功能
• 2023.12.21 支持高级模板语法
• 2024.01.08 支持Google和Whisper语音识别、在线模板列表

• 支持渲染Markdown表格
• 连续语音交流

已测试的机型：

如果你有改进建议或希望参与贡献，欢迎提交Issue或Pull Request

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各语音接口，提问会直接发送给OpenAI API，不会经过其他中间服务器

• Markwon: Android上的Markdown渲染器
• chatgpt-java: OpenAI API的Java封装