sito 8e4bc8ad94 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.

2026-08-16 15:34:37 +02:00

1.9 KiB

Raw Permalink Blame History

JARVIS — mapa del repositorio

Asistente de voz 100 % local para Linux. Núcleo propio. Este fichero orienta a quien (persona o agente) trabaje en el código.

Las rutas relativas van desde la raíz del repositorio. El núcleo usa rutas relativas a su propia ubicación (AQUI = dirname(__file__)); algunos scripts de config/ y voz/ todavía asumen rutas absolutas del entorno del autor y habría que hacerlas configurables.

El flujo

oír → pensar → hacer → hablar

nucleo/jarvis.py es el bucle. Oye con whisper (oido/), decide con el modelo (cerebro/), ejecuta con las manos (manos/) o contesta, y habla (boca/). El panel (cara/) muestra todo en vivo.

Carpetas

nucleo/
  jarvis.py       la entrada; arranca.sh lo lanza
  oido/           whisper.cpp: captura, palabra de activación, transcripción
  cerebro/        ollama, tool-calling, y el RAG (pasivo + agéntico)
  boca/           Piper. voz.py fija la voz por defecto
  manos/          las acciones, el diario, el sudo, la fonética
  cara/           el panel web y su servidor
  saber/          el RAG: indexa, busca, glosario; enriquece/ lo mejora
  datos/          acciones.json (el catálogo). El resto es privado (.gitignore)
  pruebas/        la suite del núcleo

config/           configuración: modelo (Modelfile), voz, whisper CUDA
voz/              clonado de voz con XTTS y caché de frases
entrena/          fine-tuning con QLoRA

Dos cosas que ahorran errores

La gráfica es pequeña (4 GB) y el cerebro y whisper compiten por ella. Antes de tocar el dimensionado, mirar el presupuesto de VRAM del README.
Los datos del usuario no se versionan. saber.jsonl, diario.jsonl y las cachés de voz son privados: el .gitignore los bloquea. Ver PRIVACIDAD.md.

Estilo

Registro técnico y conciso. Los commits describen el porqué, no solo el qué.