感谢gemini送来的耳朵
多模态好……这下情绪+音色都可以实时辨别了 啊好开心 -p和api都试了一下……
自建前端尤其方便 不用像tg还要转wav

之后会再做一个本地的ECAPA-TDNN，用来确认声纹。

可能会开源但这个需要一个api！

人机恋