現在AI已經流行了好一陣子，有在關注AI Vtuber的各位一定都知道Vedal(計算機程序員和人工智慧開發者，利用大型語言模型生成了Neuro-sama的回應)，像我這個宅宅夢想有一天也有想要有個無限陪聊XDD，出於好奇心這一陣子研究了關於AI的開發與應用，我在這周花了極大量時間做出了一個簡易的AI Vtuber，在這邊想跟大家分享一下開發經歷與製作過程，撰寫文章時能讓自己重新複習一次，是個更好學習得放式!有興趣的話就看下去吧!

首先這篇我會當標題介紹一下我使用的任何資訊與軟體，以及開發完成後的圖示功能介紹，接著後續文章會逐步講解我怎麼步步做出這個AI Vtuber，我會把我做出的部分盡力說明清楚，如說明不清楚請見諒。

最終效果:構建一個使用者介面，利用 Google Gemini API 生成人物對話，通過 EDGE TTS 轉換成語音，並使用 VB-Audio 虛擬音源將語音發送到指定的音頻輸出（例如，直播、錄音軟件等），同時通過 YouTube Data API 與 YouTube 直播聊天室互動。

圖示架構介紹

• 左邊棕色框:所有測試的python代碼(gemini api、tts、虛擬音源等)與語音生成檔案，因為將所以部分都整合在一起就必須每個部分都要測試。
• 中間綠色框:透過tkinter來設計簡易使用者介面，tkinter是python標準圖形用戶界面（GUI）庫，創建桌面應用程序的窗口和控件，因設計方便我就使用此套件方便開發。
  Clear Chat:清除對話畫面
  Send:發送你想與ai提問的控鍵
  Live Chat TouTube:連接youtube聊天室
  Stop Live Chat:停止連接youtube聊天室
  選擇音頻輸出設備:選擇從系統或是虛擬音源輸出音源
  設置設備:點擊後會輸出音效測試
• 右上角黃色框:使用Vtube Studio來測試聲音是否能帶動嘴巴互動(使用模型【Live2D model 】AshArms_Zero)，需透過虛擬音源來使嘴巴有開閉效果，本開發無使用任何外掛方式連接。互動效果:文本輸入、聊天室輸入時互動。
• 右下紫色框:YouTube聊天室輸入框，輸入文字後能自動到對話框顯示留言，AI會自動讀取並交談。

系統核心介紹

• 文本生成模組（Google Gemini API）
• 模組人物設計置入
• 語音合成模組（EDGE TTS）
• 虛擬音源處理（VB-Audio）
• 用戶自訂聲音選擇(Vtube Studio Mouth)
• YouTube 聊天室整合（YouTube Data API）

系統核心介紹(個別用途)

• Python：使用 Python 作為主要的編程語言，安裝所需的 API 客戶端庫，包括 Google Cloud SDK（用於 Google Gemini API 和 YouTube Data API）、requests（用於 HTTP 調用）、以及與 EDGE TTS API 交互的特定庫。
• Google Gemini API：註冊和啟用 Gemini API，確保正確的身份驗證機制。(後續會介紹使用方式，通過 API 調用向 Gemini 模型發送消息，生成自然的對話回應。)
  https://ai.google.dev/?authuser=2
• 人物設定:設定多樣化的角色性格與對話風格。
• EDGE TTS 語音合成:edge-ttsedge-tts是一個 Python 模組，可讓您從 Python 程式碼中或使用提供的或命令使用 Microsoft Edge 的線上文字轉語音服務edge-playback。
  https://github.com/rany2/edge-tts
• VB-Audio 虛擬音頻設置：安裝並配置 VB-Audio Virtual Cable，作為虛擬音頻路由。通過系統音頻設置，將 EDGE TTS 生成的語音設置為虛擬音源輸出。
• Vtube Studio 聲音輸出配置：根據不同場景自訂語音輸出選項。用戶可以選擇不同的語音風格、音頻輸出路徑，以及嘴部動作（Mouth）的同步行為。(需要虛擬音源傳輸到此進行嘴口開閉)
• YouTube Data API 設置與集成：註冊並啟用 YouTube Data API，設置 API 金鑰憑證，獲取直播網址，抓取後讀取live chat id 聊天室訊息。

此流程通過整合 Google Gemini API、EDGE TTS、VB-Audio 虛擬音頻、Vtube Studio 以及 YouTube Data API，實現了從文本生成到語音合成，再到聊天室實時互動的全面應用。人人都可以製作出自己的AIVT!

後續文章撰寫順序如下

• Python連接Google Gemini API與AI對話
• AI人物設定
• 加入EDGE TTS使AI對話輸出音效
• VB-Audio虛擬音源下載
• 用戶自訂輸出音源測試
• Vtube Studio接音源後嘴吧開閉互動
• 整合目前功能(模型對話+從Vtube Studio嘴吧輸出音效)
• YouTube Data API接取live chat id 讀取聊天室資訊

第一步先從tkinter來設計簡易介面吧，剛接觸python的可以先試看看能不能正常運行
(tkinter 是 Python 的一部分，通常不需要額外安裝。)
tkinter 提供了三種主要的布局管理器
pack：按順序將控件放置在窗口中，從上到下或從左到右。
grid：在一個表格網格中安排控件，支持行列結構。
place：允許您以精確的坐標位置放置控件。

import tkinter as tk
root = tk.Tk()
root.title("標題")
label = tk.Label(root, text="你好")
label.pack(pady=10)
def on_button_click():
    label.config(text="被點擊了！")
def on_button_click1():
    label.config(text="好痛!")
button = tk.Button(root, text="點擊我", command=on_button_click)
button.pack(pady=10)
button = tk.Button(root, text="點我", command=on_button_click1)
button.pack(pady=10)
root.mainloop()

本人第一次接觸AI，對很多事情還沒有特別了解還請各位能多多體諒，如有哪邊說明錯誤或不了解可以私訊告知我，有空時都會回復! IG:Cchen.626_
下一篇會介紹Python連接Google Gemini API與AI對話範例~