Hitonabi
6f7498a956
- voice_service /turn: smart-turn-v3.2 (8MB ONNX, ~110ms warm inkl. Features); Audio muss LINKS gepadded werden (rechts-Padding -> konstant 'complete', live diagnostiziert) und der Output ist empirisch P(unfertig) — Doku sagt es andersherum, Messung gewinnt - backend /api/voice/turn: Proxy mit fail-open (Turn-Check ist Optimierung, kein Blocker) - useVAD: Semantik-Hold — bei 'incomplete' bis 1,8s auf Fortsetzung warten und anhaengen, statt mitten im Gedanken zu antworten; Deckel 30s; fail-open bei Netzfehlern - Verifiziert: fertig=true(0.74), mitten-im-Wort=false(0.04), via :9001 ok Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
16 lines
648 B
Plaintext
16 lines
648 B
Plaintext
# Kern (immer nötig — STT + Server). Piper-TTS läuft über das offizielle Binary (install.sh lädt
|
|
# es), nicht über das PyPI-Paket (piper-phonemize hat auf neueren Linux keine Wheels). Chatterbox
|
|
# + torch zieht install.sh best-effort nach (CPU-Wheel), damit der Loop auch ohne Premium läuft.
|
|
fastapi
|
|
uvicorn
|
|
python-multipart
|
|
soundfile
|
|
numpy
|
|
faster-whisper
|
|
edge-tts
|
|
# STT-Default seit Review 2026-07-02: Parakeet-TDT 0.6B v3 (DE-WER besser + ~10x schneller
|
|
# als whisper-medium auf CPU, via onnx-asr). whisper bleibt als Fallback installiert.
|
|
onnx-asr[cpu,hub]
|
|
# Semantische Turn-Detection (Smart Turn v3, Whisper-Mel-Features)
|
|
transformers
|