Initial commit: Cosmo voice assistant

Полностью локальный голосовой ассистент на Python.

Стек:
- Wake word: openWakeWord (onnxruntime)
- STT: RealtimeSTT + faster-whisper + Silero VAD (CUDA)
- LLM-агент: smolagents ToolCallingAgent + Ollama qwen2.5:7b
- TTS: Silero V4 (torch.hub) + sounddevice
- Shell: Git Bash (Windows) / bash (macOS)

Поддерживает Windows и macOS. Агент с памятью и tool calling —
находит программы самостоятельно, запоминает пути, выполняет
произвольные shell-команды.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

cosmo/transcriber.py

@@ -0,0 +1,87 @@
+"""
+STT модуль на базе RealtimeSTT.
+Использует faster-whisper + Silero VAD под капотом.
+Поддерживает стриминг — partial transcriptions во время речи.
+"""
+
+import threading
+from RealtimeSTT import AudioToTextRecorder
+from loguru import logger
+
+
+class Transcriber:
+    def __init__(self, config: dict):
+        whisper_cfg = config["whisper"]
+        audio_cfg = config["audio"]
+
+        self._recorder: AudioToTextRecorder | None = None
+        self._config = {
+            "model": whisper_cfg["model_size"],
+            "language": whisper_cfg["language"],
+            "device": whisper_cfg["device"],
+            "compute_type": whisper_cfg["compute_type"],
+            # Silero VAD параметры
+            "silero_sensitivity": 0.4,
+            "webrtc_sensitivity": 3,
+            "post_speech_silence_duration": audio_cfg["silence_duration"],
+            "min_length_of_recording": 0.3,
+            "min_gap_between_recordings": 0.01,
+            # Отключаем wake word в RealtimeSTT — используем свой
+            "wakeword_backend": "none",
+            # Не запускать в режиме непрерывного прослушивания
+            "use_microphone": True,
+            "spinner": False,
+            "level": 0,  # минимальный лог уровень внутри RealtimeSTT
+        }
+
+        logger.info(
+            f"Инициализирую RealtimeSTT: модель={whisper_cfg['model_size']}, "
+            f"device={whisper_cfg['device']}, compute={whisper_cfg['compute_type']}"
+        )
+        self._init_recorder()
+
+    def _init_recorder(self):
+        try:
+            self._recorder = AudioToTextRecorder(**self._config)
+            logger.info("RealtimeSTT готов")
+        except Exception as e:
+            logger.error(f"Ошибка инициализации RealtimeSTT: {e}")
+            raise
+
+    def record_and_transcribe(self, on_partial: callable = None) -> str:
+        """
+        Записывает команду и транскрибирует.
+        on_partial(text) — опциональный колбэк для частичных результатов.
+        Возвращает финальный текст.
+        """
+        if self._recorder is None:
+            self._init_recorder()
+
+        result_holder = []
+        done_event = threading.Event()
+
+        def on_text(text: str):
+            result_holder.append(text)
+            done_event.set()
+
+        # Partial results — показываем что слышим в реальном времени
+        if on_partial:
+            self._recorder.on_realtime_transcription_update = on_partial
+
+        logger.info("Слушаю команду...")
+        self._recorder.text(on_text)
+        done_event.wait(timeout=12.0)
+
+        text = result_holder[0].strip() if result_holder else ""
+        if text:
+            logger.info(f"Транскрипция: '{text}'")
+        else:
+            logger.info("Команда не распознана (тишина или таймаут)")
+        return text
+
+    def shutdown(self):
+        if self._recorder:
+            try:
+                self._recorder.shutdown()
+            except Exception:
+                pass