From a4b919c11eea3316ef2e15d5a09649831b6156a6 Mon Sep 17 00:00:00 2001 From: Bossiara13 <236771060+DmitryBykov-ISPO@users.noreply.github.com> Date: Wed, 22 Apr 2026 17:46:44 +0300 Subject: [PATCH 1/5] refactor: replace porcupine wake-word with vosk grammar-constrained recognizer uses a second KaldiRecognizer with a JSON grammar of WAKE_WORDS + [unk] for the wake phase, then hands off to the full-vocab recognizer for the 10s command window. drops the pvporcupine dependency entirely. --- config.py | 10 ++++++---- main.py | 52 +++++++++++++++++++++++++++++----------------------- 2 files changed, 35 insertions(+), 27 deletions(-) diff --git a/config.py b/config.py index 28a9710..01f9f2c 100644 --- a/config.py +++ b/config.py @@ -6,10 +6,15 @@ load_dotenv("dev.env") # Конфигурация VA_NAME = 'Jarvis' -VA_VER = "0.1.0" +VA_VER = "0.2.0" 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 @@ -17,9 +22,6 @@ 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 Groq GROQ_TOKEN = os.getenv('GROQ_TOKEN') GROQ_BASE_URL = "https://api.groq.com/openai/v1" diff --git a/main.py b/main.py index dc7208c..52aa60a 100644 --- a/main.py +++ b/main.py @@ -11,7 +11,6 @@ from ctypes import POINTER, cast import openai from openai import OpenAI -import pvporcupine import simpleaudio as sa import vosk import yaml @@ -39,18 +38,14 @@ message_log = [system_message] 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() @@ -268,33 +263,42 @@ 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 (v0.1.0) 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() @@ -306,6 +310,8 @@ while True: break + wake_rec.Reset() + except Exception as err: print(f"Unexpected {err=}, {type(err)=}") raise From d8a2862ace45682534515ee577054b6db4c872c0 Mon Sep 17 00:00:00 2001 From: Bossiara13 <236771060+DmitryBykov-ISPO@users.noreply.github.com> Date: Wed, 22 Apr 2026 17:47:22 +0300 Subject: [PATCH 2/5] chore: drop pvporcupine dep and PICOVOICE_TOKEN from env template wake-word is now handled by vosk, so the picovoice access key is no longer needed. config.py already had PICOVOICE_TOKEN removed in the previous commit. --- dev.env.example | 1 - requirements.txt | 3 +-- 2 files changed, 1 insertion(+), 3 deletions(-) diff --git a/dev.env.example b/dev.env.example index 36d9b7b..a3a6fb6 100644 --- a/dev.env.example +++ b/dev.env.example @@ -1,2 +1 @@ -PICOVOICE_TOKEN=<тут ключ-picovoice> GROQ_TOKEN=<тут ключ-groq> diff --git a/requirements.txt b/requirements.txt index f98b726..90e8ca8 100644 --- a/requirements.txt +++ b/requirements.txt @@ -1,5 +1,4 @@ -# Picovoice stuff -pvporcupine +# mic capture pvrecorder # Vosk From 1078b2daa3389c9a49ca5886bb504aaaace0a6b0 Mon Sep 17 00:00:00 2001 From: Bossiara13 <236771060+DmitryBykov-ISPO@users.noreply.github.com> Date: Wed, 22 Apr 2026 17:48:15 +0300 Subject: [PATCH 3/5] docs: drop picovoice mentions, document WAKE_WORDS config README no longer lists PICOVOICE_TOKEN as a required key, and the configuration section explains the new WAKE_WORDS tuple. --- README.md | 5 +++-- 1 file changed, 3 insertions(+), 2 deletions(-) diff --git a/README.md b/README.md index 56be979..5be765f 100644 --- a/README.md +++ b/README.md @@ -11,6 +11,7 @@ - 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`. ## Установка @@ -26,9 +27,8 @@ pip install --upgrade pip pip install -r requirements.txt ``` -Скопируйте `dev.env` и заполните ключи: +Скопируйте `dev.env.example` в `dev.env` и заполните ключ: -- `PICOVOICE_TOKEN` — бесплатно на [console.picovoice.ai](https://console.picovoice.ai/). - `GROQ_TOKEN` — бесплатно на [console.groq.com](https://console.groq.com/). Vosk-модель для русского языка лежит в `model_small/` (уже в репозитории). Запуск: @@ -41,6 +41,7 @@ python main.py - `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. From d56a096267ac8c6877d286426f7349deb681a5c9 Mon Sep 17 00:00:00 2001 From: Bossiara13 <236771060+DmitryBykov-ISPO@users.noreply.github.com> Date: Wed, 22 Apr 2026 17:49:26 +0300 Subject: [PATCH 4/5] chore: align VA_VER with v0.1.0 release tag --- config.py | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/config.py b/config.py index 01f9f2c..e39687a 100644 --- a/config.py +++ b/config.py @@ -6,7 +6,7 @@ load_dotenv("dev.env") # Конфигурация VA_NAME = 'Jarvis' -VA_VER = "0.2.0" +VA_VER = "0.1.0" VA_ALIAS = ('джарвис',) VA_TBR = ('скажи', 'покажи', 'ответь', 'произнеси', 'расскажи', 'сколько', 'слушай') From dfdfd9418bf4b7e3c714b9e1427eb1db5aefcf51 Mon Sep 17 00:00:00 2001 From: Bossiara13 <236771060+DmitryBykov-ISPO@users.noreply.github.com> Date: Wed, 22 Apr 2026 17:50:32 +0300 Subject: [PATCH 5/5] =?UTF-8?q?feat:=20tighten=20system=20prompt=20?= =?UTF-8?q?=E2=80=94=20explicit=20Jarvis=20persona,=20not=20Friday/Vision?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - Names the assistant as J.A.R.V.I.S. (acronym + MCU pre-Age-of-Ultron) - British butler tone, addresses user as «сэр» - Brief replies (1-3 sentences) - No prudish censorship --- main.py | 9 +++++++-- 1 file changed, 7 insertions(+), 2 deletions(-) diff --git a/main.py b/main.py index 52aa60a..5d30d3b 100644 --- a/main.py +++ b/main.py @@ -32,8 +32,13 @@ 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] client = OpenAI(api_key=config.GROQ_TOKEN, base_url=config.GROQ_BASE_URL)