JARVIS: asistente de voz local para Linux

Nucleo propio: oye con whisper.cpp, piensa con un modelo de Ollama, habla
con Piper, y hace RAG sobre los apuntes del usuario. 100% local, sin
cuentas ni claves.

Escrito bajo una restriccion dura, 4 GB de VRAM: el cerebro y whisper
comparten tarjeta y solo caben porque estan dimensionados para ello. El
RAG usa embeddings estaticos con busqueda hibrida; la voz clonada se sirve
de una cache de frases.

Incluye instalador (install.sh), requisitos, y documentacion del stack,
del manejo de root y de las acciones. Los apuntes indexados y el diario NO
se incluyen: son privados y el .gitignore los bloquea.

config/comparar_voces_es.py

@@ -0,0 +1,108 @@
+#!/usr/bin/env python3
+"""Genera la misma frase en castellano con las voces masculinas disponibles.
+
+    flatpak run --command=python3 io.github.qwersyk.Newelle//master \
+        ~/COFRE/CODERS/JARVIS/config/comparar_voces_es.py
+
+Kokoro solo trae DOS voces masculinas en español: em_alex y em_santa. De los
+motores que Newelle soporta, los unicos locales son kokoro y espeak; el resto
+—gtts, edge, elevenlabs, openai, groq— son de nube y quedan descartados.
+
+Como ninguna de las dos es especialmente grave, cada una se genera tambien en
+version grave: se baja el tono con ffmpeg sin cambiar la velocidad. El truco es
+reproducir a menos muestras por segundo (baja tono y alarga) y devolver la
+duracion con atempo. A 0.90 baja unos dos semitonos, que se nota sin sonar a
+disco rayado; por debajo de 0.85 empieza a sonar artificial.
+
+Se escuchan las cuatro y se fija la elegida con set_voz_es.py.
+"""
+import os
+import subprocess
+import sys
+
+sys.path.insert(0, "/app/share/newelle")
+sys.path.insert(0, os.path.expanduser(
+    "~/.var/app/io.github.qwersyk.Newelle/config/pip"))
+
+from gi.repository import Gio  # noqa: E402
+
+from newelle.handlers.tts.kokoro_handler import KokoroTTSHandler  # noqa: E402
+from newelle.handlers.tts.tts import jarvis_audio_filter  # noqa: E402
+
+VOCES = ["em_alex", "em_santa"]
+GRAVEDAD = 0.90                     # 1.0 = sin tocar; menos = mas grave
+MUESTREO = 24000                    # el que saca kokoro
+
+FRASE = ("Buenas tardes. Todos los sistemas funcionan en local. "
+         "La tarjeta grafica esta libre y quedan ochocientos cuarenta y seis "
+         "gigabytes en el disco. Quiere que ejecute el diagnostico?")
+
+SALIDA = os.path.expanduser("~/COFRE/CODERS/JARVIS/muestras/voces_es")
+CONFIG = os.path.expanduser("~/.var/app/io.github.qwersyk.Newelle/config")
+
+
+def cadena(grave: bool) -> str:
+    """El tratamiento JARVIS, con o sin bajada de tono delante."""
+    base = jarvis_audio_filter()
+    if not grave:
+        return base
+    tono = (f"asetrate={int(MUESTREO * GRAVEDAD)},"
+            f"aresample={MUESTREO},atempo={1 / GRAVEDAD:.4f}")
+    return f"{tono},{base}" if base else tono
+
+
+def nivel(path):
+    """mean/max en dB, para confirmar que ninguna sale floja o recortada."""
+    r = subprocess.run(
+        ["ffmpeg", "-hide_banner", "-i", path, "-af", "volumedetect",
+         "-f", "null", "/dev/null"],
+        capture_output=True, text=True,
+    )
+    vals = [l.split(":")[-1].strip() for l in r.stderr.splitlines()
+            if "mean_volume:" in l or "max_volume:" in l]
+    return " / ".join(vals) if vals else "?"
+
+
+def main():
+    os.makedirs(SALIDA, exist_ok=True)
+    settings = Gio.Settings.new("io.github.qwersyk.Newelle")
+    handler = KokoroTTSHandler(settings, os.path.join(CONFIG, "models"))
+
+    if not handler.is_installed():
+        print("instalando kokoro...")
+        handler.install()
+
+    previa = handler.get_current_voice() if hasattr(handler, "get_current_voice") else None
+    print(f"{'fichero':<28} nivel (mean / max)")
+
+    for voz in VOCES:
+        handler.set_voice(voz)
+        crudo = os.path.join(SALIDA, f"_{voz}.wav")
+        try:
+            handler.save_audio(FRASE, crudo)
+        except Exception as e:
+            print(f"{voz:<28} FALLO al generar: {e}")
+            continue
+
+        for etiqueta, grave in (("", False), ("_grave", True)):
+            final = os.path.join(SALIDA, f"{voz}{etiqueta}.wav")
+            try:
+                subprocess.run(
+                    ["ffmpeg", "-hide_banner", "-loglevel", "error",
+                     "-i", crudo, "-af", cadena(grave), "-y", final],
+                    check=True,
+                )
+                print(f"{os.path.basename(final):<28} {nivel(final)}")
+            except Exception as e:
+                print(f"{voz}{etiqueta:<20} FALLO: {e}")
+        os.remove(crudo)
+
+    if previa:
+        handler.set_voice(previa)
+    print(f"\nescuchalas en: {SALIDA}")
+    print("la elegida se fija con set_voz_es.py <voz> [--grave]")
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())