chat voz human ll memory-MCP

🗣️ SpeakerMan - Manual de Usuario

📋 Descripción

SpeakerMan es un sistema completo de chat por voz que utiliza inteligencia artificial para mantener conversaciones naturales. Combina reconocimiento de voz (Whisper), procesamiento de lenguaje natural (Gemini) y síntesis de voz (gTTS) para crear una experiencia de conversación fluida.

✨ Características Principales

• 🎙️ Grabación de voz con micrófono
• 🤖 Transcripción automática con Whisper AI
• 💬 Chat inteligente con Gemini AI
• 🔊 Respuestas por voz con velocidad ajustable (1.25x)
• 🧠 Memoria conversacional (últimos 10 intercambios)
• 📁 Organización automática de archivos
• 🧹 Limpieza de formato Markdown en audio

📦 Instalación

1. Requisitos del Sistema

# Ubuntu/Debian
sudo apt update
sudo apt install -y portaudio19-dev ffmpeg mpg123

# Verificar Python 3.8+
python3 --version

2. Configuración del Proyecto

# Clonar o descargar el proyecto
cd speakerman

# Crear entorno virtual
python3 -m venv env

# Activar entorno virtual
source env/bin/activate

# Instalar dependencias
pip install -r requirements.txt

3. Configuración de API

Crear archivo .env en la raíz del proyecto:

API_KEY_GEMINI=tu_api_key_de_gemini_aqui

Obtener API Key de Gemini:

1. Ir a Google AI Studio
2. Crear cuenta y generar API key
3. Copiar la clave al archivo .env

🚀 Scripts Disponibles

⭐ SCRIPT PRINCIPAL: full_voice_human_llm_advanced.py

🎯 ESTE ES EL QUE DEBES USAR

source env/bin/activate
python full_voice_human_llm_advanced.py

¿Por qué es el principal?

• ✅ Chat completo por voz (hablas y responde con voz)
• ✅ Memoria inteligente que recuerda entre sesiones
• ✅ Aprende sobre ti automáticamente (nombre, edad, profesión)
• ✅ Busca conversaciones anteriores relevantes
• ✅ Comandos especiales: "mostrar perfil", "borrar memoria"

2. full_voice_human_llm.py - Chat Básico

Versión más simple sin memoria avanzada

source env/bin/activate
python full_voice_human_llm.py

Funcionalidades:

• Chat bidireccional por voz
• Memoria básica (solo durante sesión)
• Respuestas con velocidad 1.25x

2. grabador.py - Grabador con Transcripción

python grabador.py

Funcionalidades:

• Graba audio del micrófono
• Transcribe con Whisper
• Guarda audio y transcripción

3. chat_simple.py - Chat de Texto

python chat_simple.py

Funcionalidades:

• Chat simple por texto con Gemini
• Sin grabación de voz

4. Scripts de Prueba

• grabador_test.py - Prueba grabación con duración fija
• grabador_simple.py - Grabación básica sin transcripción
• chat_human_to_llm.py - Chat por voz sin respuesta vocal

🎮 Uso del Chat Principal (Recomendado)

Flujo de Conversación

1. Iniciar: python full_voice_human_llm_advanced.py
2. Grabar: Presiona Enter para empezar a grabar
3. Hablar: Habla normalmente al micrófono
4. Enviar: Presiona Enter nuevamente para procesar
5. Escuchar: Gemini responde con voz
6. Repetir: Continúa la conversación

Comandos Especiales por Voz

Características Avanzadas (Solo en script principal)

🧠 Memoria Inteligente

• Aprende automáticamente: Extrae tu nombre, edad, profesión
• Recuerda entre sesiones: La información se guarda permanentemente
• Búsqueda semántica: Encuentra conversaciones anteriores relevantes
• Perfil dinámico: Se actualiza mientras conversas

👤 Ejemplo de Extracción Automática

👤 Tú dices: "Hola, soy Ana y tengo 25 años"
🧠 Sistema: Automáticamente guarda → name: Ana, age: 25

👤 Más tarde dices: "Trabajo como doctora"
🧠 Sistema: Actualiza → profession: doctora

👤 Después preguntas: "¿Cuál es mi profesión?"
🤖 Gemini: "Eres doctora, Ana, como me dijiste antes"

Indicadores Visuales

👤 Tú dijiste: "Hola, ¿cómo estás?"
🧠 Contexto inteligente cargado
💾 Conversación almacenada en memoria avanzada
🤖 Gemini: ¡Hola! Estoy muy bien...
🔊 Generando voz...
🚀 Ajustando velocidad a 1.25x...
🔊 Reproduciendo respuesta...

📁 Estructura de Archivos

speakerman/
├── full_voice_human_llm_advanced.py  # ⭐ SCRIPT PRINCIPAL
├── full_voice_human_llm.py           # Chat básico
├── memory_system.py                  # Sistema de memoria inteligente
├── grabador.py                       # Grabador con transcripción
├── chat_simple.py                    # Chat de texto
├── requirements.txt                  # Dependencias
├── .env                              # API keys (no incluir en git)
├── .gitignore                        # Archivos excluidos
├── manual.md                         # Este manual
└── data/                             # Datos generados
    ├── audio/                        # Archivos de audio (.wav)
    ├── transcripciones/              # Transcripciones (.json)
    ├── chats/                        # Historiales de chat (.json)
    └── memory/                       # 🧠 Base de datos de memoria
        └── conversation.db           # SQLite con memoria inteligente

⚙️ Configuración Avanzada

Ajustar Velocidad de Voz

En full_voice_human_llm.py, línea 147:

def text_to_speech(self, text, speed=1.25):  # Cambiar velocidad aquí

Cambiar Memoria Conversacional

En full_voice_human_llm.py, línea 46:

self.max_history_length = 10  # Cambiar cantidad de intercambios

Cambiar Modelo de Whisper

En cualquier script, cambiar:

self.whisper_model = whisper.load_model("base")  # tiny, small, medium, large

🔧 Solución de Problemas

Error: "PortAudio library not found"

sudo apt install portaudio19-dev

Error: "FFmpeg not found"

sudo apt install ffmpeg

Error: "API_KEY_GEMINI no encontrada"

1. Verificar que existe el archivo .env
2. Verificar que la API key está correcta
3. Verificar que no hay espacios extra

Audio no se reproduce

# Instalar reproductor de audio
sudo apt install mpg123

Whisper muy lento

Cambiar a modelo más pequeño:

whisper.load_model("tiny")  # Más rápido, menos preciso

📊 Comandos Útiles

Verificar Dependencias

source env/bin/activate
python -c "
import whisper, sounddevice, gtts, google.generativeai
print('✅ Todas las dependencias instaladas')
"

Limpiar Archivos Generados

rm -rf data/audio/*.wav
rm -rf data/transcripciones/*.json
rm -rf data/chats/*.json

Actualizar Dependencias

source env/bin/activate
pip install --upgrade -r requirements.txt

🎯 Consejos de Uso

Para Mejor Reconocimiento de Voz

• Hablar claramente y a velocidad normal
• Usar micrófono de buena calidad
• Evitar ruido de fondo
• Esperar a que termine de grabar antes de hablar

Para Conversaciones Efectivas

• Usar preguntas específicas
• Aprovechar la memoria conversacional
• Usar "borrar memoria" para cambiar de tema
• Hablar naturalmente, no como robot

Optimización de Rendimiento

• Usar modelo Whisper "base" para balance calidad/velocidad
• Mantener sesiones de chat moderadas (< 50 intercambios)
• Cerrar otros programas que usen micrófono

📝 Notas Técnicas

• Whisper: Procesamiento local, no requiere internet
• Gemini: Requiere conexión a internet
• gTTS: Requiere conexión a internet para síntesis
• Memoria: Se mantiene solo durante la sesión
• Archivos: Se guardan localmente en formato JSON/WAV

🆘 Soporte

Si encuentras problemas:

1. Verificar que todas las dependencias están instaladas
2. Comprobar permisos de micrófono
3. Verificar conexión a internet
4. Revisar logs de error en la consola
5. Intentar con modelo Whisper más pequeño

¡Disfruta conversando con tu asistente de voz inteligente! 🎙️🤖✨