VAD fixes + some calibrations

crates/jarvis-core/src/audio_buffer.rs

@@ -0,0 +1,41 @@
+use std::collections::VecDeque;
+
+pub struct AudioRingBuffer {
+    buffer: VecDeque<Vec<i16>>,
+    max_frames: usize,
+}
+
+impl AudioRingBuffer {
+    // Create buffer that holds `seconds` worth of audio at given frame_size and sample_rate
+    pub fn new(seconds: f32, frame_size: usize, sample_rate: usize) -> Self {
+        let frames_per_second = sample_rate / frame_size;
+        let max_frames = (frames_per_second as f32 * seconds) as usize;
+        
+        Self {
+            buffer: VecDeque::with_capacity(max_frames),
+            max_frames,
+        }
+    }
+    
+    // Push a frame, dropping oldest if full
+    pub fn push(&mut self, frame: &[i16]) {
+        if self.buffer.len() >= self.max_frames {
+            self.buffer.pop_front();
+        }
+        self.buffer.push_back(frame.to_vec());
+    }
+    
+    // Drain all buffered frames into a single vec
+    pub fn drain_all(&mut self) -> Vec<Vec<i16>> {
+        self.buffer.drain(..).collect()
+    }
+    
+    // Get frame count
+    pub fn len(&self) -> usize {
+        self.buffer.len()
+    }
+    
+    pub fn clear(&mut self) {
+        self.buffer.clear();
+    }
+}

crates/jarvis-core/src/config.rs

@@ -163,8 +163,8 @@ pub const DEFAULT_VAD: VadBackend = VadBackend::Energy;
 pub const DEFAULT_GAIN_NORMALIZER: bool = false;
 
 // VAD settings
-pub const VAD_ENERGY_THRESHOLD: f32 = 500.0;  // RMS threshold for energy-based VAD
-pub const VAD_NNNOISELESS_THRESHOLD: f32 = 0.5;  // probability threshold for nnnoiseless
+pub const VAD_ENERGY_THRESHOLD: f32 = 100.0;  // RMS threshold for energy-based VAD
+pub const VAD_NNNOISELESS_THRESHOLD: f32 = 0.8;  // probability threshold for nnnoiseless
 pub const VAD_SILENCE_FRAMES: u32 = 15;  // frames of silence before speech end (~480ms)
 
 // gain normalizer settings

crates/jarvis-core/src/i18n/locales/en.ftl

@@ -63,7 +63,7 @@ settings-stt-engine = Speech recognition
 settings-intent-engine = Intent recognition
 settings-intent-engine-desc = Select neural network for command recognition.
 settings-noise-suppression = Noise suppression
-settings-noise-suppression-desc = Reduces background noise.
+settings-noise-suppression-desc = Reduces background noise. May negatively affect recognition.
 settings-vad = Voice detection (VAD)
 settings-vad-desc = Skips silence, saves CPU resources.
 settings-gain-normalizer = Gain normalizer

crates/jarvis-core/src/i18n/locales/ru.ftl

@@ -63,7 +63,7 @@ settings-stt-engine = Распознавание речи
 settings-intent-engine = Определение намерения
 settings-intent-engine-desc = Выберите нейросеть для распознавания команд.
 settings-noise-suppression = Шумоподавление
-settings-noise-suppression-desc = Уменьшает фоновый шум.
+settings-noise-suppression-desc = Уменьшает фоновый шум. Может негативно влиять на распознавание.
 settings-vad = Определение голоса (VAD)
 settings-vad-desc = Пропускает тишину, экономит ресурсы CPU.
 settings-gain-normalizer = Нормализация громкости

crates/jarvis-core/src/i18n/locales/ua.ftl

@@ -63,7 +63,7 @@ settings-stt-engine = Розпізнавання мовлення
 settings-intent-engine = Визначення наміру
 settings-intent-engine-desc = Виберіть нейромережу для розпізнавання команд.
 settings-noise-suppression = Шумозаглушення
-settings-noise-suppression-desc = Зменшує фоновий шум.
+settings-noise-suppression-desc = Зменшує фоновий шум. Може негативно впливати на розпізнавання.
 settings-vad = Визначення голосу (VAD)
 settings-vad-desc = Пропускає тишу, економить ресурси CPU.
 settings-gain-normalizer = Нормалізація гучності

crates/jarvis-core/src/lib.rs

@@ -36,6 +36,8 @@ pub mod ipc;
 
 pub mod voices;
 
+pub mod audio_buffer;
+
 // shared statics
 // pub static APP_DIR: Lazy<PathBuf> = Lazy::new(|| std::env::current_dir().unwrap());
 pub static APP_DIR: Lazy<PathBuf> = Lazy::new(|| {