🩺 VetVoice — 兽医声动

🎙️ 让兽医 只需说话，AI 自动完成电子病历

实时语音识别 · 多人对话分离 · AI 辅助诊疗 · 自动生成病例

VetVoice 是一个面向宠物医院的 AI 语音病历助手，将 诊疗对话实时转换为结构化电子病历。

---

🤔 为什么需要 VetVoice？

传统宠物诊疗存在：

• ✍️ 手写病历耗时
• 🧠 医生边问边记录负担大
• 📄 病历结构不统一
• ⏱️ 接诊效率低

VetVoice 让医生：

✅ 只需专注沟通 ✅ AI 自动记录 ✅ 自动生成标准病历

---

🚀 核心能力

🎧 实时语音理解

• WebRTC 实时降噪
• 长语音连续识别
• 嘈杂诊室高准确率

👥 多说话人自动识别

• 自动区分医生 / 宠主
• 彩色对话显示
• 多人场景支持

🧠 AI 智能诊疗 Agent

自动完成：

1️⃣ 问诊整理 2️⃣ 检查建议 3️⃣ 结果分析 4️⃣ 诊断与治疗生成

📄 一键生成医疗文档

• PDF 病历导出
• WAV 原始录音保存

---

🧩 技术架构

麦克风
   ↓
WebRTC APM（降噪）
   ↓
FunASR Streaming ASR
   ↓
Speaker Diarization
   ↓
LLM Agent (MCP)
   ↓
结构化电子病历

---

⚡ Quick Start（3分钟运行）

git clone https://github.com/georgewangchn/VetVoice.git
cd VetVoice
python3.12 -v venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python main.py

---

📺 Demo 展示

实时语音识别	开始agent	对话填充电子病历

---

📖 详细使用说明

环境要求

• Python 3.12（推荐3.10～3.12）
• 支持系统：Windows / macOS / Linux
• 硬件要求：建议至少4GB内存用于模型加载

首次使用配置

1. 用户注册

• 启动程序后进入注册页面
• 填写用户名和密码完成注册

2. 登录设置

• 使用注册的账号登录
• 资源路径设置：指定模型文件保存目录（建议选择有足够空间的磁盘）
• 保存路径设置：指定录制的音频和导出病历的保存目录

3. 模型自动下载

• 系统首次启动时会自动检测所需模型
• 如发现模型不存在，会自动开始下载过程
• 支持的模型：
  • 语音识别模型（paraformer-zh-streaming）
  • 说话人识别模型（wespeaker-voxceleb-resnet34-LM）
• 下载过程支持断点续传，可随时暂停和恢复
• 下载完成后模型自动保存到指定的资源路径

4. 大模型参数设置

• 进入参数页面配置LLM接口
• 支持格式：OpenAI兼容API格式
• 必需参数：
  • API地址（如：https://api.openai.com/v1）
  • API密钥（填写相应的服务密钥）
• 可选参数：
  • 模型名称（如：gpt-4, gpt-3.5-turbo等）
  • 温度参数（控制生成随机性）

5. 重启程序

• 配置完成后需重启程序使设置生效
• 模型下载完成后重启即可开始使用

日常使用流程

开始诊疗

1. 登录系统
2. 点击"开始录音"按钮
3. 对话过程中系统实时：
   • 语音降噪处理
   • 语音转文字
   • 自动识别说话人（医生/宠主）
4. 点击"停止录音"结束

辅助诊断

1. 点击"开始agent"启动AI辅助
2. 系统智能整理电子病历，支持4个阶段：
   • 问诊阶段
   • 开检查阶段
   • 查看检查结果阶段
   • 确诊治疗阶段
3. AI根据对话内容自动填充病历结构化信息

导出保存

1. 查看/编辑生成的病历内容
2. 点击导出按钮保存为PDF格式
3. 原始录音文件自动保存为WAV格式

注意事项

• 首次启动模型下载需要稳定网络环境
• 建议使用全向会议麦克风以获得最佳降噪效果
• 大模型调用消耗API调用次数，请根据实际需求配置

---

🎉 新闻

• [2026.04.02]🎯📢 模型自动下载，升级Python3.12版本，升级Torch2.11.0。
• [2025.09.10]🎯📢 支持agent/mcp智能体，智能整理电子病历4个阶段：问诊阶段 / 开检查阶段 / 查看检查结果阶段 / 确诊治疗阶段。
• [2025.08.26]🎊🔥 基于Python3.10版发布🔥🎊

---

🗺️ Roadmap

• pyinstaller打包windows/ubuntu/macos平台安装包
• 开放http/mcp控制接口：当前病例号/开始录音/停止录音/辅诊/检查确诊/推荐用药/电子病历等
• 采用fastmcp开发对话mcp，电子病历流程从人控制转向agent控制（开发测试使用模型：gpt-5-nano）
• 推荐用户分享样本训练模型提升效果
• 性能优化

---

💡 技术亮点

AI Medical Agent + Realtime Speech + MCP

VetVoice 结合了实时语音识别与 AI Agent 技术，实现医疗场景下的智能辅助决策与自动化病历生成。

• Real-time Speech to Text: 基于 FunASR 的流式 ASR，支持长语音实时识别
• Speaker Diarization: 自动区分医生与宠主对话
• LLM Agent Workflow: MCP 协议驱动的多阶段医疗流程（问诊→检查→结果→治疗）
• Medical Structuring: 将非结构化诊疗对话转换为标准化电子病历

---

🙏 致谢

感谢以下优秀开源项目的支持：

• FunASR
• pyannote-audio
• py-xiaozhi

---

📄 License

Apache License 2.0

VetVoice 还包含多种第三方组件及从其他代码库修改而来的部分代码（这些内容遵循其他开源许可证）。 预训练模型的使用需遵守相应模型的许可证要求。

---

⭐ Star History

如果这个项目对你有帮助，请点一个 Star ⭐

Keywords: AI Medical Agent · Realtime Clinical Documentation · Veterinary AI Assistant