上篇带大家在 Jetson Ori Nano 开发板上，成功利用 GPU 实现了大模型推理加速。
尽管有了 GPU 加持，推理速度依然很慢，怎么搞？
流式输出！
相比全部生成后再输出，流式输出生成一句就播报一句，大大减少了用户的等待时间。
主流大模型推理 API 包括：
- OpenAI 格式：沿袭 ChatGPT 的云端 API，多用于线上模型；
- Ollama 格式：用于本地部署的大模型推理。
本次分享，将带大家实战：OpenAI 和 Ollma 下的大模型流式输出。
1. OpenAI 流式输出
当前大部分大模型的推理 API 都兼容了 OpenAI 格式。
如果没有，强烈推荐你用 OneAPI 进行管理：一键封装成OpenAI协议，强推的一款神器！
和非流式输出相比，只需新增一个参数：stream=True。
不过，为了方便后续进行语音合成，我们需要对大模型的流式输出进行一番处理！
首先，定义一个标点符号列表：punct_list = [‘。’, ‘！’, ‘？’]，遇到这里的标点，则立即输出。
具体实现如下，供参考：
class LLM_API:
def __init__(self, api_key, base_url, model):
self.client = OpenAI(
api_key=api_key,
base_url=base_url,
)
self.model = model
def stream(self, messages):
completion = self.client.chat.completions.create(
model=self.model, messages=messages, stream=True
)
text2tts = ''
for chunk in completion:
text = chunk.choices[0].delta.content
text2tts += text
for punct in punct_list:
if punct in text:
front, back = text2tts.replace('\n', '').rsplit(punct, 1)
yield front + punct
text2tts = back
break
if text2tts:
yield text2tts
上述代码使用 yield 关键字定义一个生成器函数。
2. Ollama 流式输出
有关 Ollama 的使用，可参考：本地部署大模型？Ollama 部署和实战，看这篇就够了
Ollama 的 API 和 OpenAI 略有区别，但核心逻辑是一样的，直接上代码：
def stream(self, messages):
data = {
"model": self.model, "messages": messages, "stream": True
}
response = requests.post(self.base_url, json=data, stream=True)
text2tts = ''
for line in response.iter_lines():
data = json.loads(line.decode('utf-8'))
text = data['message']['content']
text2tts += text
for punct in punct_list:
if punct in text:
front, back = text2tts.replace('\n', '').rsplit(punct, 1)
yield front + punct
text2tts = back
break
if text2tts:
yield text2tts
调用时，可以用 for 循环来迭代生成器对象，每次迭代，生成器会执行到下一个 yield 语句，并返回当前值：
ollama_api = OLLAMA_API(ollama_url, 'qwen2.5:7b')
messages = [{ "role": "user", "content": "天空为什么是蓝色的"}]
for text in ollama_api.stream(messages):
print(text)
输出效果如下：
天空之所以呈现蓝色，主要是因为大气中的气体分子和其他细小颗粒对太阳光的散射作用。
这种现象被称为瑞利散射（Rayleigh scattering），由英国物理学家威廉·汉斯·瑞利爵士在19世纪末发现。
当阳光进入地球的大气层时，其中的各种颜色（不同波长）的光线都会受到气体分子、水蒸气和尘埃等微粒的影响。
然而，这些微粒对较短波长的光（如蓝色和紫色）散射得更为强烈。
由于人眼对蓝光比紫光敏感得多，所以我们看到的是天空呈蓝色。
实际上，太阳本身发出的白光包含了所有颜色的光。
当阳光进入大气层时，其中的蓝色光线因散射作用被分散到各个方向，在我们看来，天空就呈现出蓝色。
而太阳和天空在白天看起来呈现不同的颜色（例如：日出和日落时天边的橙红色或紫色），则是由于此时光线需要穿过更多的大气层，蓝光几乎都被散射掉了，只有红、橙等较长波长的光线能够直接到达我们的眼睛。
总之，正是这种自然现象造成了天空呈现出蓝色。
实测：在 Jetson Orin Nano 上使用本地部署的 qwen2.5:7b，流式输出 + 语音合成播报，体验基本无延迟！
写在最后
本文带大家实操了大模型流式输出，在 OpenAI 和 Ollama API 中的具体实现。
如果对你有帮助，欢迎点赞收藏备用。
本系列文章，会陆续更新 Jetson AI 应用开发的相关教程，欢迎感兴趣的朋友关注。
为方便大家交流，新建了一个 AI 交流群，欢迎对AIoT、AI工具、AI自媒体等感兴趣的小伙伴加入。
最近打造的微信机器人小爱(AI)也在群里，公众号后台「联系我」，拉你进群。