mirror of
https://github.com/R0m1k3/Loki.git
synced 2026-10-11 17:26:57 +02:00
Parakeet TDT 0.6B v3 (NVIDIA), servi par sherpa-onnx. La v3 et non la v2 : c'est la seule des deux qui parle français — la v2 est anglais seul. CE QUI DISPARAÎT DU DOCKERFILE Deux étapes de compilation, dont une CUDA de ~200 fichiers nvcc qui a été tuée par l'OOM du runner plus d'une fois, et avec elles tout l'appareillage de garde-fous qu'elles réclamaient (GGML_NATIVE=OFF contre le SIGILL en production, bornage des architectures CUDA, deux binaires CPU/CUDA à choisir à l'exécution). À la place : le téléchargement d'un binaire statique de 35 Mo, version épinglée et empreinte SHA-256 vérifiée — le binaire s'exécute sur la machine de l'utilisateur, une release remplacée en amont ne doit pas passer en silence. CE QUI CHANGE DANS LE CODE La forme est la même — un processus local supervisé, éteint après dix minutes d'inactivité. Le dialogue, lui, change : whisper-server exposait du HTTP multipart, sherpa-onnx n'expose qu'un WebSocket dont le protocole tient en deux entiers et des flottants. D'où un client WebSocket et une conversion WAV → float32 côté serveur. Le parcours des blocs du WAV n'est pas du zèle : l'offset 44 codé en dur transforme un bloc LIST intercalé en craquement au début de chaque phrase. DEUX RÉGLAGES DISPARAISSENT, ET C'EST LE MOTEUR QUI L'IMPOSE La LANGUE : Parakeet la détecte lui-même, il n'a aucun drapeau pour la forcer. Le réglage n'aurait servi qu'à mentir. À surveiller : whisper avait précisément écarté la détection automatique parce qu'elle se trompait sur des tranches courtes. Le GPU : le build livré est le statique CPU. Annoncer un sélecteur de carte sans pouvoir l'honorer serait pire que de ne rien annoncer — et un modèle de 0,6 B en int8 sur des tranches de quelques secondes n'en a pas besoin, la carte reste au moteur de chat. MIGRATION Un réglage enregistré du temps de whisper retombe sur le défaut au lieu de casser la dictée. Les modèles ggml de /data/whisper/ ne servent plus à rien mais ne sont PAS effacés : ce sont des données que personne n'a demandé de perdre. Ils sont à supprimer à la main. Le paquet UI regénéré ici couvre aussi les sources du commit précédent. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
75 lines
2.7 KiB
Go
75 lines
2.7 KiB
Go
// Réglages de la dictée vocale — modèle et réactivité.
|
|
//
|
|
// Ils vivent dans le magasin clé/valeur (bkState), comme le jeton Hugging
|
|
// Face : ce sont des réglages de SERVEUR, pas de navigateur. Le modèle chargé
|
|
// est une propriété de la machine, identique pour tous les onglets ouverts.
|
|
package loki
|
|
|
|
import (
|
|
"fmt"
|
|
"time"
|
|
)
|
|
|
|
const dictateCfgKey = "dictate_cfg"
|
|
|
|
// DictateCfg : ce qui reste réglable depuis le passage à Parakeet.
|
|
//
|
|
// Deux champs ont disparu, et c'est le moteur qui l'impose, pas un choix de
|
|
// simplification :
|
|
// - la LANGUE : Parakeet v3 détecte la langue lui-même et n'a aucun drapeau
|
|
// pour la forcer. Le réglage n'aurait servi qu'à mentir.
|
|
// - le GPU : le binaire sherpa-onnx livré dans l'image est le build statique
|
|
// CPU. Annoncer un sélecteur de carte sans pouvoir l'honorer serait pire que
|
|
// de ne rien annoncer. Un modèle 0,6 B en int8 sur des tranches de quelques
|
|
// secondes n'a pas besoin de la carte, qui reste au moteur de chat.
|
|
type DictateCfg struct {
|
|
Model string `json:"model"`
|
|
Reactivity string `json:"reactivity"`
|
|
}
|
|
|
|
// withDefauts comble les champs vides. Appliqué à la LECTURE plutôt qu'à
|
|
// l'écriture : une version future qui ajoute un champ trouvera les réglages
|
|
// déjà enregistrés sans champ correspondant, et doit pouvoir le combler. C'est
|
|
// aussi ce qui rattrape les réglages enregistrés du temps de whisper, dont le
|
|
// Model ne veut plus rien dire.
|
|
func (c DictateCfg) withDefauts() DictateCfg {
|
|
if _, connu := asrCatalogue[c.Model]; !connu {
|
|
// v3 : le seul des deux qui parle français.
|
|
c.Model = "parakeet-tdt-0.6b-v3"
|
|
}
|
|
if c.Reactivity == "" {
|
|
c.Reactivity = "moyen"
|
|
}
|
|
return c
|
|
}
|
|
|
|
func dictateCfgLoad() DictateCfg {
|
|
var c DictateCfg
|
|
getJSON(bkState, dictateCfgKey, &c)
|
|
return c.withDefauts()
|
|
}
|
|
|
|
func dictateCfgSave(c DictateCfg) error {
|
|
// Valider ICI plutôt qu'au démarrage du serveur : un modèle hors catalogue
|
|
// accepté en silence ne se manifesterait qu'au premier clic sur le micro,
|
|
// loin du geste qui l'a causé. On valide AVANT withDefauts, qui corrigerait
|
|
// justement la faute qu'on veut signaler.
|
|
if _, ok := asrCatalogue[c.Model]; !ok {
|
|
return fmt.Errorf("modèle de dictée inconnu : %s", c.Model)
|
|
}
|
|
return putJSON(bkState, dictateCfgKey, c.withDefauts())
|
|
}
|
|
|
|
// chunkBounds : réserve minimale avant de couper, et coupure forcée quand
|
|
// aucun silence n'arrive. Consommé par le découpeur du plan « temps réel ».
|
|
func (c DictateCfg) chunkBounds() (time.Duration, time.Duration) {
|
|
switch c.Reactivity {
|
|
case "court":
|
|
return 1000 * time.Millisecond, 5 * time.Second
|
|
case "long":
|
|
return 3 * time.Second, 15 * time.Second
|
|
default:
|
|
return 1500 * time.Millisecond, 8 * time.Second
|
|
}
|
|
}
|