Voice CLI for OpenCode

Control por voz para OpenCode AI. Habla en lugar de escribir.

Demo rapido

# Di esto en tu microfono:
"oye open... muestra los archivos del directorio actual plan"

# Aparece escrito automaticamente en tu terminal.
# El agente lee la respuesta en voz alta.

Requisitos

• Python 3.10+
• ffmpeg (para reproduccion de audio en Windows)
• Groq API key (gratis: console.groq.com)

Instalacion

# 1. Clonar
git clone https://github.com/ThomasTixerina/opencode-voice-cli.git
cd opencode-voice-cli

# 2. Instalar dependencias
pip install -r requirements.txt

# 3. Configurar API key
echo GROQ_API_KEY=gsk_tu_key_aqui > .env
# O edita .env directamente

# 4. Verificar ffmpeg
ffmpeg -version
# Si no lo tienes: winget install ffmpeg

Uso

CLI manual

# Grabar y transcribir (copia al portapapeles)
python voice-cli.py --record

# Leer texto en voz alta
python voice-cli.py --speak "Hola mundo"

# Leer el portapapeles en voz alta
python voice-cli.py --hear

# Modo wake word + auto-type (escribe en terminal activa)
python voice-cli.py --listen --auto-type

# Vigilar archivo y leer cambios en voz alta
python voice-cli.py --watch archivo.txt

# Parametros opcionales
python voice-cli.py --duration 10        # Duracion max (default: 5s)
python voice-cli.py --voice es-MX-JorgeNeural  # Voz TTS

PowerShell wrapper

.\voice.ps1 --record
.\voice.ps1 --speak "Hola"
.\voice.ps1 --hear
.\voice.ps1 --listen --auto-type
.\voice.ps1 --status
.\voice.ps1 --install

Agente de fondo (recomendado)

# Instalar en Windows Startup (una vez)
.\install-agent.ps1 -Install
pythonw .\voice-agent.pyw

# Comandos rapidos
voice --agent       # Iniciar agente
voice --status      # Ver estado
voice --install     # Agregar a startup
voice --uninstall   # Quitar de startup

Arquitectura

voice-cli.py

CLI completa con modos: --record, --speak, --hear, --listen, --watch.

voice-agent.pyw

Agente de fondo que se ejecuta con pythonw.exe (sin ventana de consola). Tres componentes:

Componente	Funcion
Audio capture	Captura audio del microfono, detecta "oye open..." via Groq Whisper, extrae el comando, lo escribe en la terminal activa con SendKeys
File watcher	Vigila ~/.opencode/voice-output.txt, lee nuevos contenidos en voz alta con edge-tts
Indicador visual	Ventana tkinter en la esquina superior derecha con el estado actual

Indicador visual

Una ventana semitransparente aparece en la esquina superior derecha:

Color	Estado	Significado
● Verde	Activo	Esperando "oye open..."
● Amarillo	Te escucho	Detecto voz, grabando
● Azul	Pensando	Transcribiendo con Whisper
● Rojo	Hablando	Reproduciendo respuesta TTS

Como funciona la entrada por voz

1. El agente captura audio en chunks de 0.5s
2. Cuando detecta voz (energia > umbral), el indicador cambia a amarillo
3. Cuando hay silencio por 1.5s, envia el audio a Groq Whisper, indicador cambia a azul
4. Si la transcripcion contiene "oye open..." (con o sin puntuacion), extrae el comando
5. El texto se escribe en la terminal activa via PowerShell SendKeys
6. El agente confirma con un TTS breve

Como funciona la salida TTS

1. OpenCode escribe la respuesta en ~/.opencode/voice-output.txt
2. El file watcher detecta el cambio
3. edge-tts genera audio MP3, indicador cambia a rojo
4. ffmpeg convierte a WAV
5. winsound reproduce el audio, indicador vuelve a verde

Voces TTS disponibles

# Ver todas las voces en espanol
edge-tts --list-voices | findstr es-

# Recomendadas:
es-MX-JorgeNeural  # Masculino mexicano (default)
es-MX-DaliaNeural  # Femenino mexicano
es-ES-AlvaroNeural # Masculino espanol
es-ES-ElviraNeural # Femenino espanol

Configuracion

Edita las constantes al inicio de voice-agent.pyw:

ENERGY_THRESHOLD = 0.02   # Sensibilidad del microfono
SILENCE_SECONDS = 1.5     # Silencio para finalizar frase
MAX_RECORD_SECONDS = 15   # Duracion maxima de grabacion
WAKE_WORDS = ["oye open", "oye abre", "escucha open"]
CLOSE_WORDS = ["plan", "build", "terminamos", "fin", "listo", "adelante"]
TTS_VOICE = "es-MX-JorgeNeural"

Estructura del proyecto

opencode-voice-cli/
  voice-cli.py          # CLI principal
  voice-agent.pyw       # Agente de fondo (pythonw)
  voice.ps1             # Wrapper PowerShell
  install-agent.ps1     # Instalador startup
  requirements.txt      # Dependencias Python
  .env                  # API keys (no se sube)
  .env.template         # Template para .env
  README.md             # Este archivo

Licencia

MIT