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.

voz/calienta_cache.py

@@ -0,0 +1,83 @@
+#!/usr/bin/env python3
+"""Calienta la cache de voz: coge las frases que cayeron a Piper (misses.log,
+que escribe jarvis-voz.sh) y las regenera con la voz CLONADA (XTTS) en
+cache_voz/. La proxima vez que JARVIS diga esa frase, sonara con tu voz al
+instante. Cuanto mas usas JARVIS, mas habla con tu voz.
+
+    python calienta_cache.py [cuda|cpu] [--min N]
+
+--min N: solo frases vistas al menos N veces (por defecto 1 = todas las nuevas).
+No reproduce nada. Pensado para correr de noche (timer de systemd).
+"""
+import os, sys, re, json, time, hashlib, collections
+os.environ.setdefault("COQUI_TOS_AGREED", "1")
+
+DISP = "cuda"
+MIN = 1
+for i, a in enumerate(sys.argv[1:]):
+    if a in ("cuda", "cpu"):
+        DISP = a
+    elif a == "--min" and i + 2 <= len(sys.argv) - 1:
+        MIN = int(sys.argv[i + 2])
+
+BASE = os.path.dirname(os.path.abspath(__file__))
+MISSES = os.path.join(BASE, "misses.log")
+CACHE = os.path.join(BASE, "cache_voz")
+sys.path.insert(0, BASE)
+from clonador import Clonador, clave   # la voz, definida en un solo sitio
+os.makedirs(CACHE, exist_ok=True)
+
+
+def cacheable(f):
+    # ni muy corta ni muy larga; nada con rutas (frases unicas que no repiten);
+    # ni mayoria de digitos (numeros sueltos de telemetria, casi unicos)
+    if not (3 <= len(f) <= 180):
+        return False
+    if "/" in f or "\\" in f:
+        return False
+    letras = sum(c.isalpha() for c in f)
+    return letras >= max(3, len(f) * 0.5)
+
+
+def main():
+    if not os.path.exists(MISSES):
+        print("no hay misses.log todavia; nada que calentar."); return 0
+    with open(MISSES, encoding="utf-8") as f:
+        frases = [ln.rstrip("\n") for ln in f if ln.strip()]
+    cuenta = collections.Counter(frases)
+
+    pendientes = []
+    for frase, n in cuenta.items():
+        if n < MIN or not cacheable(frase):
+            continue
+        dst = os.path.join(CACHE, clave(frase) + ".wav")
+        if not os.path.exists(dst):
+            pendientes.append((frase, n))
+    pendientes.sort(key=lambda x: -x[1])  # las mas repetidas primero
+    print(f"{len(cuenta)} frases distintas en el log · "
+          f"{len(pendientes)} nuevas a generar (min={MIN})", flush=True)
+    if not pendientes:
+        return 0
+
+    t0 = time.time()
+    voz = Clonador(DISP)
+    print(f"modelo cargado en {time.time()-t0:.1f}s", flush=True)
+
+    hechas = 0
+    for i, (frase, n) in enumerate(pendientes, 1):
+        dst = os.path.join(CACHE, clave(frase) + ".wav")
+        try:
+            t0 = time.time()
+            voz.genera(frase, dst)
+            hechas += 1
+            print(f"  [{i}/{len(pendientes)}] x{n} {time.time()-t0:.1f}s  "
+                  f"{frase[:50]}", flush=True)
+        except Exception as e:
+            print(f"  fallo '{frase[:40]}': {e}", flush=True)
+    print(f"\nlisto: {hechas} frases nuevas en la voz clonada. "
+          f"cache -> {CACHE}", flush=True)
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())