Release v0.1.0 — first usable Jarvis fork (Groq + Vosk wake-word, no Picovoice)

.gitignore

@@ -186,3 +186,8 @@ fabric.properties
 
 # idea folder, uncomment if you don't need it
 # .idea
+# Local secrets (real keys go here, not in dev.env.example)
+dev.env
+
+# Misc artifacts
+.git-filter-redactions.txt

README.md

@@ -1,30 +1,58 @@
-# Kesha v3.0 very early (aka Jarvis update)
-Simple Voice Assistant made as an experiment using [Silero](https://github.com/snakers4/silero-models) & [Vosk](https://pypi.org/project/vosk/).
-<br>Later on [Picovoice Porcupine Wake Word Detection](https://picovoice.ai/platform/porcupine/) & [ChatGPT](https://chat.openai.com/) was added.
+# J.A.R.V.I.S (Python) — Bossiara13's fork
 
-![image](https://i.pinimg.com/originals/63/e9/b7/63e9b72b983793f64bffc07fd14a0e62.jpg)
+Голосовой ассистент для Windows с wake-word **«jarvis»**. Распознаёт речь локально через Vosk (русская модель), отвечает голосом через Silero TTS, а свободные вопросы (фразы, начинающиеся со слова «скажи …») отправляет в LLM на Groq и зачитывает ответ.
 
-`The code has NOT been polished and is provided "as is". There are a lot of code that are redundant and there are tons of improvements that can be made.`
+## Это форк
 
-# Installation
-First, install the requirements, the `requirements.txt` file is just an output of `pip freeze` from my test venv 'k.<br>
-Second, check `config.py` and set required values (api key, device index).<br>
-Next, run the `main.py` script and Voilà, as simple as that.<br><br>
+Форк репозитория [Priler/jarvis](https://github.com/Priler/jarvis) (автор оригинала — Abraham Tugalov, 2022). Лицензия наследуется: **CC BY-NC-SA 4.0** (см. [LICENSE.txt](LICENSE.txt)).
 
-And don't forget to put models of Vosk to main folder.<br>
-You can get the latest from the [official website.](https://alphacephei.com/vosk/models)
-<br>The one I was using is `small`.
-<br>p.s. If you don't understand how to install or where to put the Vosk model, I've made a [screenshot](https://i.imgur.com/N3bu2lC.png) for you.
+## Что отличается от оригинала
 
-# Python version
-I was using Python `3.8.3`, but it should work on any newer version.
+- Из истории удалены случайно закоммиченные секреты.
+- Бэкенд LLM переключён с OpenAI на Groq (бесплатный тариф) через openai-совместимый API.
+- Код обновлён под новую версию SDK `openai` (>=1.0); старый pre-1.0 интерфейс был сломан.
+- Убрана зависимость от Picovoice Porcupine — wake-word распознаётся напрямую через Vosk с grammar-constraint (второй `KaldiRecognizer` со словарём из `WAKE_WORDS`). Ключ Picovoice больше не нужен.
+- Обновлена ветка/тэги (`dev`, `v0.0.1-import`), причёсан README и `requirements.txt`.
 
-# ToDo
-- Адекватная архитектура кода, собрать всё и переписать from the ground up. 
-- Задержка воспроизведения звука на основе реальной длительности .wav файла (прогружать при запуске?)
-- Speech to intent? 
-- Отключать self listening protection во время воспроизведения с наушников. 
-- Указание из списка или по имени будет реализовано позже.
+## Установка
 
-# Author
-(2022) Abraham Tugalov
+Требуется **Python 3.11** (на 3.13 ряд зависимостей пока ставится с бубном).
+
+```bash
+git clone https://github.com/DmitryBykov-ISPO/J.A.R.V.I.S-py.git
+cd J.A.R.V.I.S-py
+py -3.11 -m venv .venv
+.venv\Scripts\activate
+pip install --upgrade pip
+pip install -r requirements.txt
+```
+
+Скопируйте `dev.env.example` в `dev.env` и заполните ключ:
+
+- `GROQ_TOKEN` — бесплатно на [console.groq.com](https://console.groq.com/).
+
+Vosk-модель для русского языка лежит в `model_small/` (уже в репозитории). Запуск:
+
+```bash
+python main.py
+```
+
+## Конфигурация
+
+- `config.py`:
+  - `MICROPHONE_INDEX = -1` — индекс микрофона (`-1` означает устройство по умолчанию). Если микрофонов несколько и берётся не тот, поменяйте число.
+  - `WAKE_WORDS = ('jarvis', 'джарвис')` — варианты транскрипции wake-word, которые принимает Vosk. Если ваш голос/акцент стабильно расшифровывается как, например, `жарвис` — добавьте этот вариант сюда (всё в нижнем регистре).
+  - `GROQ_MODEL` — имя модели Groq (по умолчанию `llama-3.3-70b-versatile`).
+- `commands.yaml` — набор голосовых команд и их вариантов для fuzzy-матчинга.
+- `custom-commands/` — скомпилированные AHK-скрипты под конкретный сетап автора оригинала (переключение мониторов, управление Яндекс.Музыкой и т.п.). На вашей машине большая часть из них работать не будет, но ассистент запустится в любом случае.
+
+## Использование
+
+1. Скажите **«Джарвис»** (или **«jarvis»**) — ассистент даст звуковой сигнал готовности.
+2. В течение 10 секунд произнесите команду:
+   - либо одну из фраз из `commands.yaml` (открыть браузер, выключить звук и т.д.);
+   - либо начните со слова **«скажи …»** — остаток фразы уйдёт в Groq, ответ будет зачитан вслух.
+
+## Лицензия
+
+CC BY-NC-SA 4.0 — см. [LICENSE.txt](LICENSE.txt). Авторство оригинала — Abraham Tugalov / Priler. Изменения в этом форке — Bossiara13 (Dmitry Bykov), 2026.

config.py

@@ -6,10 +6,15 @@ load_dotenv("dev.env")
 
 # Конфигурация
 VA_NAME = 'Jarvis'
-VA_VER = "3.0"
+VA_VER = "0.1.0"
 VA_ALIAS = ('джарвис',)
 VA_TBR = ('скажи', 'покажи', 'ответь', 'произнеси', 'расскажи', 'сколько', 'слушай')
 
+# Wake-words распознаются Vosk'ом с grammar-constraint. Добавляйте сюда
+# варианты написания — Vosk с русской моделью может расшифровать "jarvis"
+# как "джарвис", "жарвис" и т.п.
+WAKE_WORDS = ('jarvis', 'джарвис')
+
 # ID микрофона (можете просто менять ID пока при запуске не отобразится нужный)
 # -1 это стандартное записывающее устройство
 MICROPHONE_INDEX = -1
@@ -17,8 +22,7 @@ MICROPHONE_INDEX = -1
 # Путь к браузеру Google Chrome
 CHROME_PATH = 'C:/Program Files (x86)/Google/Chrome/Application/chrome.exe %s'
 
-# Токен Picovoice
-PICOVOICE_TOKEN = os.getenv('PICOVOICE_TOKEN')
-
-# Токен OpenAI
-OPENAI_TOKEN = os.getenv('OPENAI_TOKEN')
+# Токен Groq
+GROQ_TOKEN = os.getenv('GROQ_TOKEN')
+GROQ_BASE_URL = "https://api.groq.com/openai/v1"
+GROQ_MODEL = "llama-3.3-70b-versatile"

dev.env

@@ -1,2 +0,0 @@
-PICOVOICE_TOKEN=<тут ключ-picovoice>
-OPENAI_TOKEN=<тут ключ-openai>

dev.env.example

@@ -0,0 +1 @@
+GROQ_TOKEN=<тут ключ-groq>

main.py

@@ -10,8 +10,7 @@ import time
 from ctypes import POINTER, cast
 
 import openai
-from openai import error
-import pvporcupine
+from openai import OpenAI
 import simpleaudio as sa
 import vosk
 import yaml
@@ -33,25 +32,25 @@ VA_CMD_LIST = yaml.safe_load(
     open('commands.yaml', 'rt', encoding='utf8'),
 )
 
-# ChatGPT vars
-system_message = {"role": "system", "content": "Ты голосовой ассистент из железного человека."}
+system_message = {"role": "system", "content": (
+    "Ты — J.A.R.V.I.S. (Just A Rather Very Intelligent System), ИИ-ассистент Тони Старка из киновселенной Marvel "
+    "(до событий Age of Ultron — ты НЕ Vision и НЕ FRIDAY). "
+    "Ведёшь себя как британский дворецкий: вежливо, иронично, с лёгким сарказмом, обращаешься к пользователю «сэр». "
+    "Отвечай по-русски, кратко (1-3 предложения), как живой человек. "
+    "Излишней цензуры не нужно — мат разрешён, если уместен."
+)}
 message_log = [system_message]
 
-# init openai
-openai.api_key = config.OPENAI_TOKEN
+client = OpenAI(api_key=config.GROQ_TOKEN, base_url=config.GROQ_BASE_URL)
 
-# PORCUPINE
-porcupine = pvporcupine.create(
-    access_key=config.PICOVOICE_TOKEN,
-    keywords=['jarvis'],
-    sensitivities=[1]
-)
-# print(pvporcupine.KEYWORDS)
-
-# VOSK
 model = vosk.Model("model_small")
 samplerate = 16000
 device = config.MICROPHONE_INDEX
+
+# wake-word phase uses a grammar-constrained recognizer so only WAKE_WORDS
+# (plus [unk] filler) can match — command phase needs full vocab, hence two.
+wake_grammar = json.dumps(list(config.WAKE_WORDS) + ["[unk]"], ensure_ascii=False)
+wake_rec = vosk.KaldiRecognizer(model, samplerate, wake_grammar)
 kaldi_rec = vosk.KaldiRecognizer(model, samplerate)
 q = queue.Queue()
 
@@ -59,33 +58,29 @@ q = queue.Queue()
 def gpt_answer():
     global message_log
 
-    model_engine = "gpt-3.5-turbo"
-    max_tokens = 256  # default 1024
     try:
-        response = openai.ChatCompletion.create(
-            model=model_engine,
+        response = client.chat.completions.create(
+            model=config.GROQ_MODEL,
             messages=message_log,
-            max_tokens=max_tokens,
+            max_tokens=256,
             temperature=0.7,
             top_p=1,
-            stop=None
+            stop=None,
         )
-    except (error.TryAgain, error.ServiceUnavailableError):
-        return "ChatGPT перегружен!"
-    except openai.OpenAIError as ex:
-        # если ошибка - это макс длина контекста, то возвращаем ответ с очищенным контекстом
-        if ex.code == "context_length_exceeded":
+    except openai.BadRequestError as ex:
+        code = getattr(ex, "code", None) or ""
+        message = str(ex)
+        if code == "context_length_exceeded" or "context_length_exceeded" in message:
             message_log = [system_message, message_log[-1]]
             return gpt_answer()
-        else:
-            return "OpenAI токен не рабочий."
+        return "Запрос отклонён моделью."
+    except openai.RateLimitError:
+        return "Лимит запросов исчерпан."
+    except openai.APIConnectionError:
+        return "Не могу связаться с сервером."
+    except openai.APIError:
+        return "Groq токен не рабочий."
 
-    # Find the first response from the chatbot that has text in it (some responses may not have text)
-    for choice in response.choices:
-        if "text" in choice:
-            return choice.text
-
-    # If no response with text is found, return the first response's content (which may be empty)
     return response.choices[0].message.content
 
 
@@ -273,33 +268,42 @@ def execute_cmd(cmd: str, voice: str):
 
     elif cmd == 'off':
         play("off", True)
-
-        porcupine.delete()
         exit(0)
 
 
-# `-1` is the default input audio device.
-recorder = PvRecorder(device_index=config.MICROPHONE_INDEX, frame_length=porcupine.frame_length)
+recorder = PvRecorder(device_index=config.MICROPHONE_INDEX, frame_length=512)
 recorder.start()
 print('Using device: %s' % recorder.selected_device)
 
-print(f"Jarvis (v3.0) начал свою работу ...")
+print(f"Jarvis (v{config.VA_VER}) начал свою работу ...")
 play("run")
 time.sleep(0.5)
 
-ltc = time.time() - 1000
+
+def heard_wake_word(text: str) -> bool:
+    if not text:
+        return False
+    lowered = text.lower()
+    return any(w in lowered for w in config.WAKE_WORDS)
+
 
 while True:
     try:
         pcm = recorder.read()
-        keyword_index = porcupine.process(pcm)
+        sp = struct.pack("h" * len(pcm), *pcm)
 
-        if keyword_index >= 0:
-            recorder.stop()
-            play("greet", True)
-            print("Yes, sir.")
-            recorder.start()  # prevent self recording
-            ltc = time.time()
+        if not wake_rec.AcceptWaveform(sp):
+            continue
+
+        result_text = json.loads(wake_rec.Result()).get("text", "")
+        if not heard_wake_word(result_text):
+            continue
+
+        play("greet", True)
+        print("Yes, sir.")
+        # reset the command recognizer so stale audio doesn't bleed into it
+        kaldi_rec.Reset()
+        ltc = time.time()
 
         while time.time() - ltc <= 10:
             pcm = recorder.read()
@@ -311,6 +315,8 @@ while True:
 
                 break
 
+        wake_rec.Reset()
+
     except Exception as err:
         print(f"Unexpected {err=}, {type(err)=}")
         raise