AI-Research-System-NOVA/INSTRUCCIONES_VOZ.txt at main · instalaudi/AI-Research-System-NOVA · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
════════════════════════════════════════════════════════════════
 NOVA VOZ — Instrucciones de instalación y configuración
════════════════════════════════════════════════════════════════

PASO 1 — Instalar Piper TTS (una sola vez):
────────────────────────────────────────────
  cd backend
  venv\Scripts\activate
  pip install piper-tts --break-system-packages


PASO 2 — Copiar los archivos nuevos:
─────────────────────────────────────
  tts_engine.py    →  backend/core/tts_engine.py
  tts_additions.py →  leer instrucciones adentro, pegar en main.py
  nova-voice.js    →  frontend/src/lib/nova-voice.js


PASO 3 — La voz se descarga sola la primera vez:
──────────────────────────────────────────────────
  Cuando NOVA arranque por primera vez con el TTS,
  descargará automáticamente la voz es_MX-claude-high
  desde HuggingFace (~50MB).
  Solo necesitas internet la primera vez.


PASO 4 — Verificar que funciona:
──────────────────────────────────
  Con NOVA corriendo, prueba en tu terminal:

  curl -X POST http://localhost:8000/tts \
    -H "Authorization: Bearer TU_TOKEN" \
    -H "Content-Type: application/json" \
    -d '{"text": "Hola Juan Ramón, soy NOVA y ahora tengo voz propia."}' \
    --output nova_test.wav

  Luego abre nova_test.wav — deberías escuchar a NOVA hablar.


PASO 5 — Voces disponibles (opcional):
────────────────────────────────────────
  Puedes cambiar la voz de NOVA desde la API:

  POST /tts/voice
  { "voice": "es_MX-claude-high" }   ← Recomendada (mexicano)
  { "voice": "es_ES-davefx-medium" }  ← Española
  { "voice": "es_MX-ald-medium" }     ← Mexicano alternativo

  O con variable de entorno en .env:
  NOVA_VOICE=es_MX-claude-high
  NOVA_VOICE_SPEED=1.0


ENDPOINTS NUEVOS:
──────────────────
  POST /tts              → Texto a voz (devuelve WAV)
  POST /query/voice      → Pregunta + respuesta con audio
  GET  /tts/status       → Estado del motor de voz
  POST /tts/voice        → Cambiar voz de NOVA
  DELETE /tts/cache      → Limpiar caché de audio


CÓMO FUNCIONA LA VOZ BIDIRECCIONAL COMPLETA:
──────────────────────────────────────────────

  1. Tú hablas → micrófono → POST /stt → Whisper transcribe
  2. El texto va a NOVA → POST /query/voice
  3. NOVA procesa y responde con texto + audio WAV
  4. El frontend muestra el texto y reproduce el audio
  5. Escuchas la voz de NOVA responderte

  ¡Sin dependencias externas! Todo corre en tu PC.


NOTA SOBRE VELOCIDAD:
──────────────────────
  Primera síntesis: ~3-8 segundos (carga el modelo)
  Síntesis subsecuentes: ~0.5-2 segundos (modelo en memoria)
  Respuestas cacheadas: instantáneo

  El caché guarda los audios generados para no repetir
  síntesis de frases comunes. Se limpia con DELETE /tts/cache.

════════════════════════════════════════════════════════════════