当前位置：首页 > news >正文

用Python打造专属本地贾维斯：声纹识别+离线交互，隐私安全不依赖云端

news 2025/10/2 10:11:42

每个看过《钢铁侠》的人，大概都曾幻想拥有一个“私人定制”的贾维斯——它能听懂你的指令，不泄露任何隐私，更不会被陌生人误触发。但市面上的智能助手要么依赖云端（数据不安全），要么缺乏“专属感”（谁喊都回应）。

今天，我们就用Python从零打造一个**完全本地运行**的贾维斯：支持声纹识别（只认你的声音）、语音交互（听+说全离线）、自定义指令（控制电脑/家电），甚至能加个可视化界面。全程开源免费，新手也能跟着做。

一、为什么要做“本地声纹贾维斯”？

在ChatGPT、小爱同学遍地的时代，手动造一个本地贾维斯，核心价值有三个：

隐私绝对安全：所有数据（语音、指令、声纹）都存在本地，不连网、不上云，避免“语音被监听”的风险。
专属唤醒不误触：通过声纹识别锁定你的声音，别人喊“贾维斯”也没用，彻底解决“误唤醒”尴尬。
功能自定义自由：想让它打开浏览器、控制台灯，甚至帮你跑Python脚本？一行代码就能扩展，不用等官方更新。

我们的目标很明确：先实现“能听、会说、认人、干活”的基础版，再留足扩展空间，让你后续能按需升级。

二、准备工作：软硬件清单（门槛极低）

1. 硬件（你大概率已经有了）

一台电脑（Windows/macOS/Linux均可，最低4GB内存）；
一个麦克风（笔记本自带的就行，要求不高）；
（可选）智能家居设备（如小米台灯、博联插座，后续可加控制功能）。

2. 软件（全开源免费）

语音识别：OpenAI Whisper（离线识别，支持中文，精度高）；
语音合成：pyttsx3（离线TTS，支持调整语速/音量）；
声纹识别：SpeechBrain（轻量开源库，预训练模型仅100MB）；
界面（可选）：PyQt5（简单可视化，不用记命令行）；
其他辅助：pyaudio（录音）、psutil（控制电脑进程）。

3. 环境搭建（ step by step 避坑）

先按系统安装依赖，命令行复制粘贴即可，遇到问题看注释里的解决方案。

（1）安装Python基础依赖

# 1. 安装核心库（Whisper、声纹、TTS等）
pip install openai-whisper pyttsx3 pyaudio speechbrain torch torchaudio librosa# 2. 解决PyAudio安装失败问题（Windows用户专属）
# 若上面pip install pyaudio报错，先装pipwin再装
pip install pipwin
pipwin install pyaudio# 3. 安装FFmpeg（Whisper录音识别必需，处理音频用）
# Windows：先装Chocolatey（包管理器），再装FFmpeg
# 第一步：以管理员身份打开命令行，装Chocolatey
Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))
# 第二步：装FFmpeg
choco install ffmpeg# macOS：用brew装
brew install ffmpeg# Linux：用apt装
sudo apt install ffmpeg

（2）提前下载Whisper模型（可选，加速首次运行）

Whisper第一次运行会自动下载模型，推荐手动下载**base模型**（1GB，兼顾速度和精度，适合本地）：

下载地址：Whisper模型库（下载base.pt文件）；
保存路径：
- Windows：C:\Users\你的用户名\.cache\whisper\；
- macOS/Linux：~/.cache/whisper/。

三、核心实现：四步打造带声纹的贾维斯

我们分四步递进，每一步都能独立运行测试，避免一步错全错。

Step 1：基础语音交互——让贾维斯“听”和“说”

先实现最核心的“语音输入→文字识别→语音输出”闭环，确保贾维斯能听懂你说的话，还能回应。

创建文件 jarvis_basic.py，代码带详细注释，复制就能跑：

import whisper
import pyttsx3
import pyaudio
import wave
import time# -------------------------- 初始化模块 --------------------------
def init_whisper(model_name="base"):"""初始化Whisper语音识别（离线）"""print("正在加载语音识别模型...")model = whisper.load_model(model_name)  # 加载base模型，1GBreturn modeldef init_tts():"""初始化pyttsx3语音合成（离线）"""tts = pyttsx3.init()# 调整语速（100-200，默认200，160更自然）tts.setProperty('rate', 160)# 调整音量（0.0-1.0，0.9足够响）tts.setProperty('volume', 0.9)# 选择中文语音（Windows需先装中文语音包，见下文）voices = tts.getProperty('voices')try:tts.setProperty('voice', voices[1].id)  # 1通常是中文，0是英文except IndexError:print("未找到中文语音包，使用默认英文语音")tts.setProperty('voice', voices[0].id)return ttsdef record_audio(duration=5, save_path="temp_audio.wav"):"""录音：从麦克风录duration秒，保存为WAV文件"""# 音频参数（Whisper要求16kHz、单声道）FORMAT = pyaudio.paInt16CHANNELS = 1RATE = 16000CHUNK = 1024p = pyaudio.PyAudio()stream = p.open(format=FORMAT,channels=CHANNELS,rate=RATE,input=True,frames_per_buffer=CHUNK)print(f"正在倾听...（{duration}秒内说话，按Ctrl+C停止）")frames = []try:for _ in range(0, int(RATE / CHUNK * duration)):data = stream.read(CHUNK)frames.append(data)except KeyboardInterrupt:print("已停止倾听")# 保存录音wf = wave.open(save_path, 'wb')wf.setnchannels(CHANNELS)wf.setsampwidth(p.get_sample_size(FORMAT))wf.setframerate(RATE)wf.writeframes(b''.join(frames))wf.close()stream.stop_stream()stream.close()p.terminate()return save_path# -------------------------- 核心交互逻辑 --------------------------
def voice_interaction(whisper_model, tts):"""语音交互循环：录音→识别→回应"""print("\n贾维斯已启动！说“退出”可结束程序")tts.say("贾维斯已启动，你可以说话了")tts.runAndWait()while True:# 1. 录音5秒audio_path = record_audio(duration=5)# 2. 语音识别（中文）result = whisper_model.transcribe(audio_path, language="zh")user_text = result["text"].strip()if not user_text:tts.say("我没听清，请再说一遍")tts.runAndWait()continueprint(f"\n你说：{user_text}")# 3. 简单指令回应response = ""if "你好" in user_text or "唤醒" in user_text:response = "你好，我是你的专属贾维斯，随时为你服务"elif "时间" in user_text:current_time = time.strftime("%H:%M:%S", time.localtime())response = f"现在时间是 {current_time}"elif "退出" in user_text or "再见" in user_text:response = "再见，期待下次为你服务"print(f"贾维斯：{response}")tts.say(response)tts.runAndWait()breakelse:response = "我已记录你的指令：" + user_text# 4. 语音回应print(f"贾维斯：{response}")tts.say(response)tts.runAndWait()# -------------------------- 启动程序 --------------------------
if __name__ == "__main__":# 解决Windows中文语音问题：控制面板→时钟和区域→语音识别→文本到语音→添加“Microsoft 慧涛”whisper_model = init_whisper()tts = init_tts()voice_interaction(whisper_model, tts)

测试Step 1：

运行 python jarvis_basic.py，等待模型加载完成；
听到“贾维斯已启动”后，说“现在几点了”，贾维斯会识别并播报时间；
说“退出”，程序结束。

注意：若贾维斯用英文回应，需在Windows控制面板安装中文语音包（见代码注释），macOS/Linux默认支持多语言。

Step 2：声纹识别整合——让贾维斯只认你的声音

这一步是核心，用SpeechBrain实现“声纹注册→验证”闭环：只有你（或已注册用户）的声音能通过验证，后续才能下达指令。

创建文件 jarvis_voiceprint.py，整合声纹功能：

import whisper
import pyttsx3
import pyaudio
import wave
import time
import pickle
import os
from pathlib import Path
from speechbrain.inference.speaker import SpeakerRecognition  # 声纹识别核心# -------------------------- 配置参数 --------------------------
# 声纹模板保存路径（注册后生成，删除需重新注册）
VOICEPRINT_TEMPLATE = Path("my_voiceprint.pkl")
# 声纹验证阈值（0.0-1.0，越高越严格，0.8适合日常）
VERIFY_THRESHOLD = 0.8
# 录音参数（声纹模型要求16kHz、单声道）
AUDIO_PARAMS = {"format": pyaudio.paInt16,"channels": 1,"rate": 16000,"chunk": 1024,"register_duration": 3,  # 注册时每段录音3秒"verify_duration": 1     # 验证时录音1秒（快速）
}# -------------------------- 基础模块初始化 --------------------------
def init_whisper(model_name="base"):print("加载语音识别模型...")return whisper.load_model(model_name)def init_tts():tts = pyttsx3.init()tts.setProperty('rate', 160)tts.setProperty('volume', 0.9)voices = tts.getProperty('voices')try:tts.setProperty('voice', voices[1].id)  # 中文语音except IndexError:tts.setProperty('voice', voices[0].id)return ttsdef init_voiceprint_model():"""初始化声纹识别模型（SpeechBrain）"""print("加载声纹识别模型...")return SpeakerRecognition.from_hparams(source="speechbrain/spkrec-ecapa-tdnn",savedir="voiceprint_model",  # 模型保存路径run_opts={"device": "cpu"}   # 不用GPU，CPU足够)def record_audio(duration, save_path="temp.wav"):"""通用录音函数，适配声纹模型"""p = pyaudio.PyAudio()stream = p.open(format=AUDIO_PARAMS["format"],channels=AUDIO_PARAMS["channels"],rate=AUDIO_PARAMS["rate"],input=True,frames_per_buffer=AUDIO_PARAMS["chunk"])print(f"录音中（{duration}秒）...")frames = []for _ in range(0, int(AUDIO_PARAMS["rate"] / AUDIO_PARAMS["chunk"] * duration)):data = stream.read(AUDIO_PARAMS["chunk"])frames.append(data)wf = wave.open(save_path, 'wb')wf.setnchannels(AUDIO_PARAMS["channels"])wf.setsampwidth(p.get_sample_size(AUDIO_PARAMS["format"]))wf.setframerate(AUDIO_PARAMS["rate"])wf.writeframes(b''.join(frames))wf.close()stream.stop_stream()stream.close()p.terminate()return save_path# -------------------------- 声纹核心功能 --------------------------
def register_voiceprint(voiceprint_model, tts):"""声纹注册：采集5段语音，生成专属声纹模板"""if VOICEPRINT_TEMPLATE.exists():tts.say("已检测到声纹模板，是否覆盖？说“是”或“否”")tts.runAndWait()# 录1秒确认audio_path = record_audio(duration=1)result = whisper.load_model("base").transcribe(audio_path, language="zh")os.remove(audio_path)if "是" not in result["text"]:print("取消覆盖，使用现有声纹模板")return pickle.load(open(VOICEPRINT_TEMPLATE, "rb"))# 采集5段语音（确保环境安静，内容任意）tts.say("开始声纹注册，需要录制5段语音，每段3秒")tts.runAndWait()voice_features = []  # 存储多段语音的声纹特征for i in range(5):tts.say(f"正在录制第{i+1}段语音，请说话")tts.runAndWait()audio_path = record_audio(duration=AUDIO_PARAMS["register_duration"])# 提取声纹特征（嵌入向量）feature = voiceprint_model.encode_file(audio_path)voice_features.append(feature)os.remove(audio_path)  # 删除临时录音tts.say(f"第{i+1}段录制完成")tts.runAndWait()# 计算平均特征（提升稳定性）avg_feature = sum(voice_features) / len(voice_features)# 保存声纹模板pickle.dump(avg_feature, open(VOICEPRINT_TEMPLATE, "wb"))tts.say("声纹注册成功，以后只有你的声音能唤醒我")tts.runAndWait()print(f"声纹模板已保存至：{VOICEPRINT_TEMPLATE}")return avg_featuredef verify_voiceprint(voiceprint_model, voiceprint_template, tts):"""声纹验证：对比实时语音与模板，返回是否通过"""tts.say("请说话进行身份验证")tts.runAndWait()# 录1秒验证语音audio_path = record_audio(duration=AUDIO_PARAMS["verify_duration"])try:# 提取实时声纹特征realtime_feature = voiceprint_model.encode_file(audio_path)# 计算相似度（余弦相似度，0-1之间）similarity = voiceprint_model.similarity(voiceprint_template, realtime_feature)[0][0].item()os.remove(audio_path)print(f"声纹相似度：{similarity:.2f}（阈值：{VERIFY_THRESHOLD}）")if similarity >= VERIFY_THRESHOLD:tts.say("身份验证通过")return Trueelse:tts.say(f"身份验证失败，相似度不足{VERIFY_THRESHOLD}")return Falseexcept Exception as e:os.remove(audio_path)tts.say("验证出错，请重试")print(f"验证错误：{str(e)}")return False# -------------------------- 带声纹的交互逻辑 --------------------------
def voiceprint_interaction(whisper_model, tts, voiceprint_model, voiceprint_template):"""声纹验证→指令交互"""print("\n贾维斯已启动，等待身份验证...")tts.say("贾维斯已启动，等待身份验证")tts.runAndWait()while True:# 第一步：先过声纹验证if not verify_voiceprint(voiceprint_model, voiceprint_template, tts):time.sleep(2)continue# 第二步：验证通过，监听指令tts.say("请下达指令")tts.runAndWait()audio_path = record_audio(duration=5)# 第三步：语音识别result = whisper_model.transcribe(audio_path, language="zh")user_text = result["text"].strip()os.remove(audio_path)if not user_text:tts.say("我没听清，请再说一遍")tts.runAndWait()continueprint(f"\n你说：{user_text}")# 第四步：指令回应response = ""if "你好" in user_text:response = "你好，随时为你服务"elif "时间" in user_text:response = f"现在时间是{time.strftime('%H:%M:%S', time.localtime())}"elif "退出" in user_text:response = "再见，期待下次见"print(f"贾维斯：{response}")tts.say(response)tts.runAndWait()breakelse:response = "已记录指令：" + user_textprint(f"贾维斯：{response}")tts.say(response)tts.runAndWait()# -------------------------- 启动程序 --------------------------
if __name__ == "__main__":# 初始化所有模块whisper_model = init_whisper()tts = init_tts()voiceprint_model = init_voiceprint_model()# 加载/注册声纹模板if VOICEPRINT_TEMPLATE.exists():print("加载现有声纹模板...")voiceprint_template = pickle.load(open(VOICEPRINT_TEMPLATE, "rb"))else:print("未检测到声纹模板，开始注册...")voiceprint_template = register_voiceprint(voiceprint_model, tts)# 启动带声纹的交互voiceprint_interaction(whisper_model, tts, voiceprint_model, voiceprint_template)

测试Step 2：

运行 python jarvis_voiceprint.py，首次启动会提示“开始声纹注册”；
按提示录制5段语音（比如每段说“贾维斯你好”），环境尽量安静；
注册完成后，贾维斯会提示“请说话进行身份验证”，你说任意1秒内容，会显示“身份验证通过”；
让别人说同样的话，会提示“验证失败”（声纹不匹配）。

优化建议：若自己的声音偶尔验证失败，可降低 VERIFY_THRESHOLD 到0.7；若想更严格，可提到0.9。

Step 3：指令控制升级——让贾维斯帮你干活

现在贾维斯能认人了，接下来让它“有用”：控制电脑（打开浏览器/记事本）、查看系统状态（内存使用率），甚至控制智能家居。

在 jarvis_voiceprint.py 中添加 **指令执行函数**，并修改交互逻辑：

# -------------------------- 新增：指令执行功能 --------------------------
import subprocess
import psutildef execute_command(command_type):"""执行系统指令/控制设备"""try:if command_type == "open_browser":# Windows打开Chrome（路径替换成你的浏览器路径）chrome_path = r"C:\Program Files\Google\Chrome\Application\chrome.exe"if os.path.exists(chrome_path):subprocess.Popen([chrome_path])else:subprocess.Popen(["start", "chrome"], shell=True)  # 找不到路径时用系统默认return "已打开浏览器"elif command_type == "check_memory":# 查看电脑内存使用率memory = psutil.virtual_memory()used_percent = memory.percentavailable_mb = memory.available // 1024 // 1024return f"当前内存使用率{used_percent}%，可用内存{available_mb}MB"elif command_type == "open_notepad":# 打开记事本subprocess.Popen(["notepad.exe"])return "已打开记事本"elif command_type == "close_notepad":# 关闭所有记事本for proc in psutil.process_iter():if proc.name() == "notepad.exe":proc.terminate()return "已关闭所有记事本"# （可选）添加智能家居控制，以小米台灯为例# 需要先装：pip install python-miio# elif command_type == "turn_on_light":#     from miio import Light#     light = Light("你的台灯IP", "你的设备Token")#     light.on()#     return "小米台灯已打开"else:return "暂不支持该指令"except Exception as e:return f"执行失败：{str(e)[:20]}"# -------------------------- 修改：交互逻辑中的指令响应 --------------------------
def voiceprint_interaction(whisper_model, tts, voiceprint_model, voiceprint_template):# （前面代码不变，跳过...）# 第四步：指令回应（修改这部分）response = ""if "你好" in user_text:response = "你好，随时为你服务"elif "时间" in user_text:response = f"现在时间是{time.strftime('%H:%M:%S', time.localtime())}"# 新增指令elif "打开浏览器" in user_text:response = execute_command("open_browser")elif "内存" in user_text:response = execute_command("check_memory")elif "打开记事本" in user_text:response = execute_command("open_notepad")elif "关闭记事本" in user_text:response = execute_command("close_notepad")# elif "打开台灯" in user_text:  # 智能家居指令#     response = execute_command("turn_on_light")elif "退出" in user_text:response = "再见，期待下次见"print(f"贾维斯：{response}")tts.say(response)tts.runAndWait()breakelse:response = "已记录指令：" + user_text

测试Step 3：

运行程序，通过声纹验证后；
说“打开浏览器”，贾维斯会启动Chrome；
说“查看内存使用率”，贾维斯会播报当前内存状态；
说“打开记事本”“关闭记事本”，测试进程控制。

扩展提示：想控制智能家居？以小米设备为例，需要获取设备IP和Token（教程：小米设备Token获取方法），然后按代码注释中的示例添加指令。

Step 4：加个GUI界面——可视化操作更友好

命令行用着麻烦？用PyQt5做个简单界面，支持“声纹注册、手动控制、指令日志”，适合不喜欢敲命令的用户。

创建文件 jarvis_gui.py：

import sys
import pickle
import os
from PyQt5.QtWidgets import (QApplication, QMainWindow, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QPushButton, QTextEdit)
from PyQt5.QtCore import QThread, pyqtSignal, Qt
from PyQt5.QtGui import QFont
import jarvis_voiceprint  # 导入前面写的核心逻辑class JarvisWorker(QThread):"""后台线程：声纹验证+指令交互，不阻塞GUI"""log_signal = pyqtSignal(str, str)  # （类型：用户输入/状态，内容）def __init__(self, whisper_model, tts, voiceprint_model, voiceprint_template):super().__init__()self.whisper_model = whisper_modelself.tts = ttsself.voiceprint_model = voiceprint_modelself.voiceprint_template = voiceprint_templateself.running = Truedef run(self):while self.running:# 声纹验证self.log_signal.emit("状态", "等待身份验证，请说话...")verify_ok = jarvis_voiceprint.verify_voiceprint(self.voiceprint_model, self.voiceprint_template, self.tts)if not verify_ok:self.log_signal.emit("状态", "声纹验证失败，3秒后重试...")self.msleep(3000)continueself.log_signal.emit("状态", "声纹验证通过，请下达指令...")# 监听指令audio_path = jarvis_voiceprint.record_audio(duration=5)result = self.whisper_model.transcribe(audio_path, language="zh")user_text = result["text"].strip()os.remove(audio_path)if not user_text:self.log_signal.emit("贾维斯", "我没听清，请再说一遍")self.tts.say("我没听清，请再说一遍")self.tts.runAndWait()continue# 指令处理if "退出" in user_text:self.log_signal.emit("你", user_text)self.log_signal.emit("贾维斯", "再见，期待下次见")self.tts.say("再见，期待下次见")self.tts.runAndWait()self.running = Falsereturnelif "打开浏览器" in user_text:response = jarvis_voiceprint.execute_command("open_browser")elif "内存" in user_text:response = jarvis_voiceprint.execute_command("check_memory")else:response = "已记录指令：" + user_textself.log_signal.emit("你", user_text)self.log_signal.emit("贾维斯", response)self.tts.say(response)self.tts.runAndWait()class JarvisGUI(QMainWindow):def __init__(self, whisper_model, tts, voiceprint_model, voiceprint_template):super().__init__()self.setWindowTitle("专属贾维斯（声纹版）")self.setGeometry(100, 100, 800, 600)  # 窗口位置和大小self.whisper_model = whisper_modelself.tts = ttsself.voiceprint_model = voiceprint_modelself.voiceprint_template = voiceprint_template# 初始化界面self.init_ui()# 启动后台线程self.start_worker()def init_ui(self):# 中心部件central_widget = QWidget()self.setCentralWidget(central_widget)main_layout = QVBoxLayout(central_widget)main_layout.setContentsMargins(20, 20, 20, 20)main_layout.setSpacing(15)# 标题title_label = QLabel("专属贾维斯智能助手")title_label.setFont(QFont("微软雅黑", 24, QFont.Bold))title_label.setAlignment(Qt.AlignCenter)title_label.setStyleSheet("color: #1E90FF;")main_layout.addWidget(title_label)# 状态提示self.status_label = QLabel("状态：初始化完成，等待后台线程启动...")self.status_label.setFont(QFont("微软雅黑", 12))self.status_label.setStyleSheet("color: #2E8B57;")main_layout.addWidget(self.status_label)# 指令日志log_label = QLabel("交互日志：")log_label.setFont(QFont("微软雅黑", 14, QFont.Bold))main_layout.addWidget(log_label)self.log_edit = QTextEdit()self.log_edit.setFont(QFont("微软雅黑", 12))self.log_edit.setReadOnly(True)self.log_edit.setPlaceholderText("交互内容会显示在这里...")main_layout.addWidget(self.log_edit)# 功能按钮btn_layout = QHBoxLayout()btn_layout.setSpacing(10)# 声纹注册按钮self.register_btn = QPushButton("重新注册声纹")self.register_btn.setFont(QFont("微软雅黑", 12))self.register_btn.setStyleSheet("background-color: #FF6347; color: white;")self.register_btn.clicked.connect(self.re_register_voiceprint)# 手动控制按钮self.browser_btn = QPushButton("打开浏览器")self.browser_btn.setFont(QFont("微软雅黑", 12))self.browser_btn.clicked.connect(lambda: self.run_cmd("open_browser"))self.memory_btn = QPushButton("查看内存")self.memory_btn.setFont(QFont("微软雅黑", 12))self.memory_btn.clicked.connect(lambda: self.run_cmd("check_memory"))# 退出按钮self.exit_btn = QPushButton("退出")self.exit_btn.setFont(QFont("微软雅黑", 12))self.exit_btn.setStyleSheet("background-color: #4169E1; color: white;")self.exit_btn.clicked.connect(self.close_app)# 添加按钮到布局btn_layout.addWidget(self.register_btn)btn_layout.addWidget(self.browser_btn)btn_layout.addWidget(self.memory_btn)btn_layout.addWidget(self.exit_btn)main_layout.addLayout(btn_layout)def start_worker(self):"""启动后台交互线程"""self.worker = JarvisWorker(self.whisper_model, self.tts, self.voiceprint_model, self.voiceprint_template)self.worker.log_signal.connect(self.update_log)self.worker.start()def update_log(self, log_type, content):"""更新日志和状态"""if log_type == "状态":self.status_label.setText(f"状态：{content}")self.log_edit.append(f"【状态】{content}\n")else:self.log_edit.append(f"{log_type}：{content}")# 滚动到底部self.log_edit.verticalScrollBar().setValue(self.log_edit.verticalScrollBar().maximum())def run_cmd(self, cmd_type):"""手动点击执行指令"""response = jarvis_voiceprint.execute_command(cmd_type)self.log_edit.append(f"【手动操作】贾维斯：{response}\n")self.tts.say(response)self.tts.runAndWait()def re_register_voiceprint(self):"""重新注册声纹"""self.log_edit.append("【操作】开始重新注册声纹...\n")self.tts.say("开始重新注册声纹，请按提示录制")self.tts.runAndWait()# 调用注册函数new_template = jarvis_voiceprint.register_voiceprint(self.voiceprint_model, self.tts)self.voiceprint_template = new_template# 更新后台线程的模板self.worker.voiceprint_template = new_templateself.log_edit.append("【操作】声纹重新注册成功！\n")def close_app(self):"""关闭程序"""self.worker.running = Falseself.worker.wait()self.close()# -------------------------- 启动GUI --------------------------
if __name__ == "__main__":# 初始化核心模块whisper_model = jarvis_voiceprint.init_whisper()tts = jarvis_voiceprint.init_tts()voiceprint_model = jarvis_voiceprint.init_voiceprint_model()# 加载/注册声纹模板if jarvis_voiceprint.VOICEPRINT_TEMPLATE.exists():voiceprint_template = pickle.load(open(jarvis_voiceprint.VOICEPRINT_TEMPLATE, "rb"))else:voiceprint_template = jarvis_voiceprint.register_voiceprint(voiceprint_model, tts)# 启动GUI应用app = QApplication(sys.argv)window = JarvisGUI(whisper_model, tts, voiceprint_model, voiceprint_template)window.show()sys.exit(app.exec_())