Голосовой ассистент с нейросетевой обработкой и ускоренной озвучкой

Этот проект реализует голосового ассистента, который распознаёт голосовые команды на русском языке, отправляет запросы в модель Hugging Face (DeepSeek), получает ответы, обрабатывает их и озвучивает с возможностью ускорения воспроизведения и остановки голосом.

Основные возможности

• Ожидание ключевой фразы ("привет"), после чего запускается запись запроса.
• Отправка текста запроса в Hugging Face API (модель DeepSeek).
• Очистка текста ответа от лишнего markdown и ссылок.
• Озвучивание ответа с ускорением темпа произношения (пример выходного файла voice.mp3).
• Возможность голосовой команды "стоп" для остановки озвучки и возврата к ожиданию ключевой фразы.
• Поддержка многократного взаимодействия с ассистентом в цикле.

Требования

• Python 3.7+
• Библиотеки:
  • speech_recognition
  • gtts
  • requests
  • pygame
  • pydub
• Для работы pydub необходим установленный в системе ffmpeg.

Установка зависимостей

pip install speechrecognition gtts requests pygame pydub

Для установки ffmpeg в Ubuntu/Debian:

sudo apt install ffmpeg

Запуск

Запустите программу командой:

python3 speech.py 2>/dev/null

Это запустит ассистента и уберёт лишние звуковые логи ALSA из консоли.

Файл voice.mp3

voice.mp3 — это пример выходного аудиофайла ассистента после синтеза речи и применения ускорения темпа.

Настройка

• Замените "YOUR_HF_KEY" в переменной HF_API_TOKEN в файле speech.py на ваш Hugging Face API-токен.
• При необходимости поменяйте модель в функции query_huggingface_chat.

Лицензия

MIT License