8e4bc8ad94
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.
81 lines
2.7 KiB
Python
81 lines
2.7 KiB
Python
#!/usr/bin/env python3
|
|
"""Genera la misma frase con las cuatro voces britanicas de Kokoro.
|
|
|
|
flatpak run --command=python3 io.github.qwersyk.Newelle//master \
|
|
~/COFRE/CODERS/JARVIS/config/comparar_voces.py
|
|
|
|
Todas salen ya con el tratamiento aplicado, que es como sonaran de verdad.
|
|
Elegir de oido y fijar la ganadora con set_voice.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 = ["bm_george", "bm_daniel", "bm_lewis", "bm_fable"]
|
|
|
|
FRASE = ("Good evening, sir. All systems are running locally. "
|
|
"The GPU is idle, and you have 846 gigabytes free. "
|
|
"Shall I run the diagnostics?")
|
|
|
|
SALIDA = os.path.expanduser("~/COFRE/CODERS/JARVIS/muestras/voces")
|
|
CONFIG = os.path.expanduser("~/.var/app/io.github.qwersyk.Newelle/config")
|
|
|
|
|
|
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()
|
|
|
|
filtro = jarvis_audio_filter()
|
|
print(f"{'voz':<12} {'fichero':<26} nivel (mean / max)")
|
|
|
|
for voz in VOCES:
|
|
handler.set_voice(voz)
|
|
crudo = os.path.join(SALIDA, f"_{voz}_seca.wav")
|
|
final = os.path.join(SALIDA, f"{voz}.wav")
|
|
try:
|
|
handler.save_audio(FRASE, crudo)
|
|
subprocess.run(
|
|
["ffmpeg", "-hide_banner", "-loglevel", "error",
|
|
"-i", crudo, "-af", filtro, "-y", final],
|
|
check=True,
|
|
)
|
|
os.remove(crudo)
|
|
print(f"{voz:<12} {os.path.basename(final):<26} {nivel(final)}")
|
|
except Exception as e:
|
|
print(f"{voz:<12} FALLO: {e}")
|
|
|
|
# dejar la voz como estaba, que este script solo compara
|
|
handler.set_voice(VOCES[0])
|
|
print(f"\nvoz restaurada a {VOCES[0]}")
|
|
print(f"escuchalas en: {SALIDA}")
|
|
return 0
|
|
|
|
|
|
if __name__ == "__main__":
|
|
sys.exit(main())
|