1. 我的体验
今天我试了 ChatGPT 的高级语音功能，整体感觉非常自然顺畅。 
2. 开始搭建我自己的语音系统
受到这个体验的启发，我决定自己动手搭建一个本地版本的。在 ChatGPT 的帮助下写了一个 Python 脚本，可以从音频文件生成回复。 

语音转文字（STT）：用的 faster-whisper-server，它能在大约 3 秒内将 10 秒的音频文件转成文本。（largev3模型）
大模型部分：将文本输入 Ollama 后端，使用的是 Gemma:2B 模型。它给出的响应几乎是瞬时的，没有任何延迟（模型加载完成后）

以下是运行脚本的输出： 
(llm) ➜  voiceAssistant git:(master) ✗ time python pipeline.py
Transcription: Who are you
Response from gemma2:2b:...