6010816f1d
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>
115 lines
3.7 KiB
Python
115 lines
3.7 KiB
Python
"""
|
||
Запись голосовых примеров для обучения wake word модели.
|
||
Запускай: python train_wakeword/record_samples.py
|
||
|
||
Скрипт записывает N примеров слова "Hey Cosmo" с паузами между ними.
|
||
Файлы сохраняются в train_wakeword/samples/positive/
|
||
"""
|
||
|
||
import os
|
||
import sys
|
||
import time
|
||
import wave
|
||
import struct
|
||
import threading
|
||
|
||
try:
|
||
import pyaudio
|
||
except ImportError:
|
||
print("Установи pyaudio: pip install pyaudio")
|
||
sys.exit(1)
|
||
|
||
# --- Настройки ---
|
||
WAKE_WORD = "Hey Cosmo"
|
||
N_SAMPLES = 30 # сколько примеров записать
|
||
RECORD_SECS = 2.0 # длина одной записи (сек)
|
||
PAUSE_SECS = 2.0 # пауза между записями (сек)
|
||
SAMPLE_RATE = 16000
|
||
CHANNELS = 1
|
||
CHUNK = 512
|
||
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "samples", "positive")
|
||
|
||
os.makedirs(OUTPUT_DIR, exist_ok=True)
|
||
|
||
def record_clip(pa: pyaudio.PyAudio, filename: str, duration: float):
|
||
stream = pa.open(
|
||
format=pyaudio.paInt16,
|
||
channels=CHANNELS,
|
||
rate=SAMPLE_RATE,
|
||
input=True,
|
||
frames_per_buffer=CHUNK,
|
||
)
|
||
frames = []
|
||
n_chunks = int(SAMPLE_RATE / CHUNK * duration)
|
||
for _ in range(n_chunks):
|
||
frames.append(stream.read(CHUNK, exception_on_overflow=False))
|
||
stream.stop_stream()
|
||
stream.close()
|
||
|
||
with wave.open(filename, "wb") as wf:
|
||
wf.setnchannels(CHANNELS)
|
||
wf.setsampwidth(pa.get_sample_size(pyaudio.paInt16))
|
||
wf.setframerate(SAMPLE_RATE)
|
||
wf.writeframes(b"".join(frames))
|
||
|
||
def countdown(seconds: int):
|
||
for i in range(seconds, 0, -1):
|
||
print(f"\r {i}...", end="", flush=True)
|
||
time.sleep(1)
|
||
print("\r Говори! ", end="", flush=True)
|
||
|
||
def main():
|
||
# Считаем уже записанные файлы
|
||
existing = [f for f in os.listdir(OUTPUT_DIR) if f.endswith(".wav")]
|
||
start_idx = len(existing)
|
||
|
||
if start_idx >= N_SAMPLES:
|
||
print(f"Уже записано {start_idx} примеров. Для перезаписи удали папку {OUTPUT_DIR}")
|
||
return
|
||
|
||
pa = pyaudio.PyAudio()
|
||
|
||
print("=" * 50)
|
||
print(f" Запись примеров wake word: \"{WAKE_WORD}\"")
|
||
print(f" Нужно записать: {N_SAMPLES} примеров")
|
||
print(f" Уже есть: {start_idx}")
|
||
print(f" Длина каждой записи: {RECORD_SECS} сек")
|
||
print("=" * 50)
|
||
print()
|
||
print("Инструкция:")
|
||
print(" - Говори чётко и естественно")
|
||
|
||
print(" - Меняй интонацию, темп, громкость")
|
||
print(" - Можно говорить чуть тише / громче / быстрее")
|
||
print(" - Представь что реально обращаешься к ассистенту")
|
||
print()
|
||
input(" Нажми Enter когда готов начать...")
|
||
print()
|
||
|
||
for i in range(start_idx, N_SAMPLES):
|
||
num = i + 1
|
||
filename = os.path.join(OUTPUT_DIR, f"hey_cosmo_{num:03d}.wav")
|
||
|
||
print(f"[{num:2d}/{N_SAMPLES}] Приготовься... ", end="", flush=True)
|
||
countdown(2)
|
||
|
||
record_clip(pa, filename, RECORD_SECS)
|
||
print(f" ✓ записано")
|
||
|
||
if num < N_SAMPLES:
|
||
time.sleep(PAUSE_SECS)
|
||
|
||
pa.terminate()
|
||
|
||
print()
|
||
print("=" * 50)
|
||
print(f" Готово! Записано {N_SAMPLES} примеров.")
|
||
print(f" Папка: {OUTPUT_DIR}")
|
||
print()
|
||
print(" Следующий шаг:")
|
||
print(" bash train_wakeword/train.sh")
|
||
print("=" * 50)
|
||
|
||
if __name__ == "__main__":
|
||
main()
|