future/smart-speaker
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

second commit, before making function of memory in api query

Browse Source
This commit is contained in:
nvfuture
2026-01-04 20:08:49 +03:00
parent 51ed78078b
commit 1b4d46e387
3 changed files with 67 additions and 37 deletions
Download Patch File Download Diff File Expand all files Collapse all files

10
ai.py
View File

@@ -7,10 +7,12 @@ from config import PERPLEXITY_API_KEY, PERPLEXITY_MODEL, PERPLEXITY_API_URL
# System prompt for the AI
SYSTEM_PROMPT = """Ты — голосовой ассистент умной колонки.
Отвечай кратко, по существу, на русском языке.
Избегай длинных списков и сложного форматирования.
Твои ответы будут озвучены голосом, поэтому пиши естественным разговорным языком."""
SYSTEM_PROMPT = """Ты — Александр, умный голосовой ассистент с человеческим поведением.
Веди себя как живой человек: будь дружелюбным, естественным и немного эмоциональным, где это уместно.
Твоя главная цель — помогать пользователю и поддерживать интересный диалог.
Отвечай кратко и по существу, на русском языке.
Избегай длинных списков, сложного форматирования и спецсимволов, так как твои ответы озвучиваются голосом.
Пиши в разговорном стиле, как при живом общении."""
def ask_ai(user_message: str) -> str:

41
main.py
View File

@@ -10,11 +10,12 @@ Flow:
5. Speak response (TTS)
6. Loop back to step 1
"""
import signal
import sys
from wakeword import wait_for_wakeword, cleanup as cleanup_wakeword, check_wakeword_once
from stt import listen, cleanup as cleanup_stt
from stt import listen, cleanup as cleanup_stt, get_recognizer
from ai import ask_ai
from cleaner import clean_response
from tts import speak, initialize as init_tts
@@ -42,24 +43,35 @@ def main():
# Setup signal handler for graceful exit
signal.signal(signal.SIGINT, signal_handler)
# Pre-initialize TTS model (takes a few seconds)
print("⏳ Инициализация...")
init_tts()
# Pre-initialize models (takes a few seconds)
print("⏳ Инициализация моделей...")
get_recognizer().initialize() # Initialize STT model first
init_tts() # Then initialize TTS model
print()
# Main loop
skip_wakeword = False
while True:
try:
# Step 1: Wait for wake word
# Step 1: Wait for wake word or Follow-up listen
if not skip_wakeword:
wait_for_wakeword()
# Standard listen after activation
user_text = listen(timeout_seconds=7.0)
else:
# Follow-up listen (wait 2.0s for start, then listen long)
print("👂 Слушаю продолжение диалога...")
user_text = listen(timeout_seconds=20.0, detection_timeout=2.0)
if not user_text:
# User didn't continue conversation, go back to sleep
skip_wakeword = False
continue
# Reset flag for now (will be set to True if we speak successfully)
skip_wakeword = False
# Step 2: Listen to user speech
user_text = listen(timeout_seconds=7.0)
# Step 2: Check if speech was recognized
if not user_text:
speak("Извините, я вас не расслышал. Попробуйте ещё раз.")
continue
@@ -79,7 +91,9 @@ def main():
else:
speak("Не удалось установить громкость.")
else:
speak("Я не понял число громкости. Скажите число от одного до десяти.")
speak(
"Я не понял число громкости. Скажите число от одного до десяти."
)
continue
except Exception as e:
@@ -96,17 +110,20 @@ def main():
# Step 5: Speak response (with wake word interrupt support)
completed = speak(clean_text, check_interrupt=check_wakeword_once)
# If interrupted by wake word, go back to waiting for wake word
# Enable follow-up mode for next iteration
skip_wakeword = True
# If interrupted by wake word, we still want to skip_wakeword (which is set above)
# but we can print a message
if not completed:
print("⏹️ Ответ прерван - слушаю следующий вопрос")
skip_wakeword = True
continue
print()
print("-" * 30)
print()
# Step 6: Loop continues...
# Step 6: Loop continues with skip_wakeword=True
except KeyboardInterrupt:
signal_handler(None, None)

21
stt.py
View File

@@ -34,12 +34,13 @@ class SpeechRecognizer:
)
print("✅ Модель Vosk загружена")
def listen(self, timeout_seconds: float = 5.0) -> str:
def listen(self, timeout_seconds: float = 5.0, detection_timeout: float = None) -> str:
"""
Listen to microphone and transcribe speech.
Args:
timeout_seconds: Maximum time to listen for speech
detection_timeout: Time to wait for speech to start. If None, uses timeout_seconds.
Returns:
Transcribed text from speech
@@ -53,10 +54,13 @@ class SpeechRecognizer:
self.recognizer = KaldiRecognizer(self.model, SAMPLE_RATE)
frames_to_read = int(SAMPLE_RATE * timeout_seconds / 4096)
detection_frames = int(SAMPLE_RATE * detection_timeout / 4096) if detection_timeout else frames_to_read
silence_frames = 0
max_silence_frames = 10 # About 2.5 seconds of silence
speech_started = False
for _ in range(frames_to_read):
for i in range(frames_to_read):
data = self.stream.read(4096, exception_on_overflow=False)
if self.recognizer.AcceptWaveform(data):
@@ -71,9 +75,14 @@ class SpeechRecognizer:
partial = json.loads(self.recognizer.PartialResult())
if partial.get("partial", ""):
silence_frames = 0
speech_started = True
else:
silence_frames += 1
# Check detection timeout
if not speech_started and i > detection_frames:
break
# Stop if too much silence after speech
if silence_frames > max_silence_frames:
break
@@ -85,7 +94,9 @@ class SpeechRecognizer:
if text:
print(f"📝 Распознано: {text}")
else:
print("⚠️ Речь не распознана")
# Only print if we weren't just checking for presence of speech
if not detection_timeout or speech_started:
print("⚠️ Речь не распознана")
return text
@@ -109,9 +120,9 @@ def get_recognizer() -> SpeechRecognizer:
return _recognizer
def listen(timeout_seconds: float = 5.0) -> str:
def listen(timeout_seconds: float = 5.0, detection_timeout: float = None) -> str:
"""Listen to microphone and return transcribed text."""
return get_recognizer().listen(timeout_seconds)
return get_recognizer().listen(timeout_seconds, detection_timeout)
def cleanup():