1.ROS开源项目：（一）中文语音交互系统ROSECHO （二）教学级别无人车Tianracer
2.vn.py发布v2.5.0 - Web应用后端服务
3.新一代 Kaldi: 有 TTS Runtime 啦！库s开
ROS开源项目：（一）中文语音交互系统ROSECHO （二）教学级别无人车Tianracer
开发之路永无止境，源码源往往在最后期限的库s开白板上写着的计划，往往只是源码源一份空想。年初时，库s开我定下了两个目标，源码源收费付费视频源码计划在年末完成，库s开然而时间在拖延中流逝，源码源直到如今，库s开我才发现，源码源真正的库s开开源精神并非一个人的单打独斗，而是源码源众人协作的火焰。
记得一年前，库s开我四处奔波，源码源从开源社区汲取养分，库s开同时也渴望贡献出自己的力量。然而，回顾过去，我却发现并没有做出任何贡献。这次，我希望能够集结各路伙伴，如果有志于参与开源项目，我们能共同打造一个GitHub上的百星、千星项目。几位资深程序员已经搭建好了基础，硬件改进较多，但程序完善程度未达预期。我们期望有更多的年轻朋友加入我们，与我们一起学习软件的版本控制、代码规范和团队协作，共同完成复杂的机器人项目，实现成长与蜕变。
（一）中文语音交互系统ROSECHO
ROSECHO的GitHub源码库已准备好，欢迎先star再深入阅读。此代码遵循BSD开源协议。绝地求生头像源码
详细中文介绍文档
面对智能音箱市场，许多人或许会质疑我们的团队为何要涉足这个领域。然而，故事并非如此简单。在年，我们计划为一个大型展厅打造讲解机器人，采用流行于Android系统的接待引导机器人，其语音交互功能本无问题，但当时的挑战在于，尚未有集成cartographer在数千平米展厅中进行建图导航的方案。因此，我们决定打造一款完全基于ROS的讲解机器人。市场上虽然有众多智能音箱，但缺乏适用于ROS二次开发的产品。在科大讯飞一位大佬的介绍下，我们选择了AIUI方案，虽然开发难度大，但高度定制化，非常适合我们这样的开发团队。于是，我们主要任务转变为开发一款能够在ROS下驱动的智能音箱，ROSECHO便由此诞生。
第一版智能音箱在年4月问世，包含W的大喇叭、6环麦克风，以及ROS主控制器，下方控制了一个云迹科技的水滴底盘。了解过ROS星火计划进阶课程的朋友大概知道，课程中的大作业之一是语音命令移动机器人端茶倒水，而我们的任务相当于完成了一个加强版的大作业。
整个机器人在年7月完成，音箱分散到身体各个部分，环麦位于头顶，喇叭置于身体两侧。idea源码生成uml其他传感器、执行机构、决策、定位导航均基于ROS，定制了条特定问答，调试的机器人在场馆中行走上下坡不抖动，定位准确，7*小时工作稳定。音箱在大机器人上使用效果出色，主要得益于讯飞的降噪和回声消除技术，使得远场对话和全双工对话得以实现。社区中许多小伙伴也尝试了软核解决方案，但由于环境限制较大。于是，我们决定将音箱从大家伙改为普通智能音箱大小，通电即为智能音箱，USB接入ROS后，只需启动launch，即可接收语音识别结果，发送TTS语料，配置网络、接收唤醒角度等。
这次体验深刻地让我认识到，做大容易做小难。过完春节后，年8月ROS暑期夏令营期间，我们做了N款外壳，测试了M种喇叭，贴了P版外围电路，程序则改动不大。主要是由于时间有限，无法进行更多改进。样品均为手工制作，音质上，bootstrap spring 项目源码7w的喇叭配有一个无源辐射板，对于从森海HD入门的人来说，音质虽有瑕疵，但足以满足日常使用。
之前在想法中发布了一个使用视频，大家可参考运行效果。
ROSECHO基本情况介绍完毕，如何开始呢？
从零开始：推荐给手中已有讯飞AIUI评估板的小伙伴，记住，评估板而非麦克风降噪板（外观相似，简单区分是评估板售价元，降噪板元）。手头的评估板可通过3.5mm接口连接普通电脑音箱，再准备一根USB转转换头连接评估板DB9接口。后面需要根据实际串口修改udev规则，理论上可配合ROSECHO软件使用。硬件工作量较大，还需包含移动机器人所需机械设计、电气改造等。好处是拥有AIUI后台，可以定制云端语料和技能，但这又是另一个领域的能力，也不是三下五除二能完成的。
从ROSECHO开始：直接购买ROSECHO，首发的十台会附赠ROS2GO，只需连接自带电源并用USB线连接电脑，配置无线SSID和密码即可。连接方便，我们维护云端语料，人设为智能机器人管家，大家只需关注如何利用识别后的词句控制机器人和进行应答。云端问答AIUI处理，一些自定义问答可在本地程序中处理，务必联网，array_search源码因为语音识别本身需要网络。具体软件启动和简单demo请查看GitHub软件库的说明。
然后做什么：要实现智能语音交互功能的移动机器人，需要对ROS中的actionlib非常熟悉。我们提供了简单的demo，可以控制机器人在turtlebot stage仿真环境中根据语音指令在两点之间移动，也可以根据唤醒方位进行旋转。之后还需增加音箱的TF变换。
大机器人中的状态机采用层次状态机（Hierarchical state machines），适用于移动机器人的编程，框架准备开源，方便大家开发自己的智能移动机器人策略。参考下面链接，希望深入了解也可以购买译本，肯定是比ROS By Example中的Smach状态机更适合商用级产品开发。
还计划做一套简单的语音遥控指令集，机器人问答库，在iflyos中构建适合机器人的技能库。何时能完成尚不确定，大家一起加油！
（二）教学级别无人车Tianracer
GitHub源码库已准备就绪，欢迎先star再深入阅读。遵循Hypha Racecar的GPLv3协议。
这是最近更新的详细使用手册。相比ROSECHO，Tianracer的基本功能均已完成，至少可以拿来学习建图导航，了解SLAM。
Tianracer是一个经过长时间准备的开源项目，年从林浩鋕手中接过Hypha Racecar后，希望将项目发扬光大。这两年改进了软件框架、周边硬件、机械结构，并增加了新的建图算法，但仍有大量工作待完成。这两个月在知乎想法和微信朋友圈分享了项目的进展，经历了多次迭代，现在大致分为入门、标准、高配三个版本。三个版本的软件统一，可通过环境变量更改设置。
最近整个项目从Tianbot Racecar更名为TianRacer，经过长时间探索，终于实现了合理的传感器与处理器配置。相比Hypha Racecar，处理器从Odroid XU4更改为NVIDIA在上半年推出的Jetson Nano，车前方增加了广角摄像头，利用Nano的深度学习加速，可以接近实时处理图像数据。相比之前的单线激光，广角摄像头大大扩展了后续可实现的功能。
TianRacer基本使用Python编写，从底层驱动到遥控等，目的是方便大家学习和二次开发。同时集成了cartographer和vins-fusion启动文件，可以尝试新的激光与视觉SLAM，基于Nano的深度学习物体识别等也是可以直接运行的。但目前功能尚未有机整合。
从零开始搭建：TianRacer搭建可能难度较大，不仅需要RC竞速车的老玩家进行机械电子改装，还需要对ROS熟悉并修改软件以进行适配，同时可能需要嵌入式程序员的帮助。对于主要关心搭建的朋友，可以参考小林的Hypha Racecar和JetRacer Tamiya版本的搭建指南。
从TianRacer开始：这批开发版本的无人竞速车附赠搭好环境的ROS2GO，TianRacer本身有开机自启功能，利用ROS2GO加上USB线对车体进行网络配置，就可以远程编程和调试。仔细参考提供的TianRacer看云文档（文档积极更新），大部分车体自带的功能都可以实现，包括但不限于建图、定位、导航、识别等。
然后做什么：利用TianRacer学习无人车的基础框架，还可以通过JupyterLab学习Jetson Nano的深度学习算法。未来计划将交通标识识别、行人和车辆检测、车道线检测等无人车基础功能融合，但不确定Jetson Nano的算力是否足够。目标是在校园内进行低成本的无人车竞速比赛，希望像CMU的Mobot室外巡线比赛一样持续发展，至今已举办届。
这个视频是搬运自YouTube。大家可深入了解非结构环境下的导航。对于不清楚结构化环境与非结构化环境的朋友，CMU和恩智浦的比赛完美诠释了两者之间的区别。
一起来玩耍吧！
在开源社区协作方面，我们也是第一次尝试，对于松散的协同开发经验不足，希望参与或组织过大型开源项目的朋友们加入我们，一起努力。有兴趣的朋友可以留言或私信。
前几日与朋友们闲聊时，想起几年前高翔博士赞助一锅粥（orb-ygz-slam）1万元时，我也只能提供支持。这次真心希望可以贡献出代码，实现实实在在的贡献。
年年底发布了开发者申请价格，但数量有限，早已连送带卖售罄。年又有几十位爱好者填写了问卷，忘记查阅。每年的双十一双十二我们都会有优惠活动，感谢大家的关注。
vn.py发布v2.5.0 - Web应用后端服务
vn.py的2.5.0版本已发布，此更新重点在于实现Web应用后端服务，以满足用户在浏览器中运行和管理vn.py量化策略交易的需求。此新版本对数据库结构进行了底层修改，因此之前版本的数据库需要手动迁移，具体步骤请参考“数据库升级迁移”章节。 对于使用VN Studio的用户，启动VN Station并点击界右下角的更新按钮即可自动完成升级。没有安装的用户，请下载VN Studio-2.5.0，享受一键安装的量化交易Python发行版。Web应用后端服务架构设计
WebTrader采用了FastAPI作为后端服务器，支持REST主动请求调用和Websocket被动数据推送。运行时架构图展示两个独立的后端服务进程。使用步骤
新增的Web应用服务源代码位于vnpy_webtrader项目中，用户只需在VN Station启动时加载WebTrader应用即可。 启动VN Trader后，登录交易接口，点击顶部菜单栏的功能->Web服务打开窗口。此时系统运行的仅包括策略交易进程，右上角的服务器配置选项包括启动按钮，用户根据输入信息启动Web服务进程，后台会输出FastAPI运行过程中的日志信息。 启动浏览器打开网址.0.0.1:/docs，即可看到FastAPI接口文档网页，包含了目前WebTrader支持的接口信息，用户可结合vnpy_webtrader项目下的Jupyter Notebook进行接口测试。后续计划
WebTrader目前仅提供Web应用的后端接口，前端页面由社区用户实现，欢迎贡献代码。后续计划将逐渐增加策略交易应用管理功能，如CtaStrategy的调用。TTS交易接口
CTP API已成为国内金融市场的交易API标准，近期知乎网友krenx推出的OpenCTP项目，提供兼容或高度接近CTP的API功能，并自主实现了整套CTP柜台的仿真交易功能，为用户提供更多选择。2.5.0版本中也增加了对OpenCTP交易系统的支持，接口名为TtsGateway。数据库升级迁移
2.5.0版本对数据库结构进行了扩展增强，增加了字段。所有数据库管理器（vnpy.database）都已相应修改，升级后可能导致系统无法启动。购买了RQData等数据服务的用户可直接删除数据库后重新下载。自行录制的数据用户需执行数据迁移操作。其他更新
新增了基于易盛启明星/北斗星兼容交易API的EsunnyGateway，支持内盘期货、黄金TD、外盘期货等市场的交易。接口已剥离，并增加了Ubuntu上的一键自动安装功能，支持pip install命令快速安装。 CHANGELONG新增调整修复剥离新一代 Kaldi: 有 TTS Runtime 啦！
安装方式包括快速安装和源码编译。快速安装命令支持多种平台，详细信息可参考文档。对于使用其他语言API，如C/C++/Go/Kotlin/C#/Swift等需求，文档提供相应指南。
模型下载从网上获取。有三个开源VITS预训练模型可选，文档中包含详细下载方法。下载模型后，需注意支持嵌入式Linux，包括树莓派等。
使用模型前，还需下载特定Python文件。此文件可从GitHub仓库获取。
中文与英文多说话人模型的使用方法相似，主要差异在于模型文件的替换。速度调整可通过参数实现，如使用2倍速或0.8倍速。
体验sherpa-onnx中的文字转语音功能有三种方式：下载预编译的Android APK、在线体验和Windows可执行程序。Android APK提供下载链接，运行截图显示其使用效果。在线体验路径在Huggingface空间中提供，运行截图展示在线体验界面。Windows可执行程序无需额外安装，下载地址已提供。
总结，通过本教程，读者可了解如何使用sherpa-onnx实现文字到语音的转换。未来，我们计划在icefall中支持模型训练功能，以提升模型的灵活性与自定义性。
