diff options
Diffstat (limited to 'config')
| -rw-r--r-- | config/asistente.toml | 173 |
1 files changed, 88 insertions, 85 deletions
diff --git a/config/asistente.toml b/config/asistente.toml index a47f5b2..bab64c0 100644 --- a/config/asistente.toml +++ b/config/asistente.toml @@ -1,10 +1,12 @@ -# Configuración del asistente de voz. +# Voice assistant configuration. # -# Las rutas relativas se resuelven contra la carpeta de este fichero, no contra -# el directorio desde el que se lanza el binario. +# Relative paths are resolved against the directory of this file, not against +# the directory the binary is launched from. # -# Los valores que llevan un comentario con una medición vienen de -# docs/RENDIMIENTO.md: son los que se midieron en esta máquina, no adivinanzas. +# Values with a comment carrying a measurement come from docs/RENDIMIENTO.md: +# they were measured on this machine, not guessed. +# +# The prompts are in Spanish because the assistant speaks Spanish. [general] language = "es" @@ -18,22 +20,22 @@ URLs ni código salvo que te lo pidan explícitamente. Si no sabes algo, dilo \ en una frase. """ -# SUSTITUYE a system_prompt en la pasada en que el modelo decide si llamar a -# una herramienta. Va sola a propósito: medido con Qwen3.5-2B, añadirle -# cualquier indicación de estilo —dos palabras bastan— hace que deje de llamar -# a las herramientas y se invente el dato. La guía sola acierta 8 de 8; con -# «Responde breve.» detrás, 1 de 8; con la persona de asistente de voz, 0 de 8. -# Ver docs/RENDIMIENTO.md. Se desactiva con tools.dedicated_prompt = false. +# REPLACES system_prompt in the pass where the model decides whether to call +# a tool. It goes alone on purpose: measured with Qwen3.5-2B, adding any style +# instruction (two words are enough) makes it stop calling tools and make the +# data up. The guide alone gets 8 of 8; with «Responde breve.» after it, 1 of 8; +# with the voice-assistant persona, 0 of 8. See docs/RENDIMIENTO.md. Turn it +# off with tools.dedicated_prompt = false. tools_prompt = """ Antes de responder, comprueba si alguna de tus herramientas te da el dato. Si \ es así, llámala primero y espera su resultado; no contestes de memoria. Sólo \ cuando tengas el resultado, resúmelo en una frase. """ -# Se añade a system_prompt para redactar la respuesta cuando una herramienta ya -# devolvió su resultado. Aquí sí se puede añadir estilo —la llamada ya ocurrió— -# y hace falta: sin esto el modelo anuncia lo que acaba de hacer («he tomado una -# foto, ahora puedo responderte sobre el color») en vez de decir lo que averiguó. +# Appended to system_prompt to write the answer once a tool has returned its +# result. Style can be added here (the call already happened) and it is needed: +# without it the model announces what it just did («he tomado una foto, ahora +# puedo responderte sobre el color») instead of saying what it found out. tool_result_prompt = """ Acabas de recibir el resultado de una herramienta. Contesta a la pregunta \ usando ese resultado y nada más. No anuncies lo que has hecho ni lo que \ @@ -42,7 +44,7 @@ otro idioma, tradúcelo al español. """ [audio] -# Vacío = el dispositivo por defecto. `asistente devices` los lista. +# Empty = the default device. `asistente devices` lists them. input_device = "" output_device = "" playback_prebuffer = 0.20 @@ -51,15 +53,15 @@ output_gain = 1.0 [vad] frame_seconds = 0.1 preroll_seconds = 0.3 -silence_hold = 0.8 # silencio que cierra una intervención -min_utterance = 0.3 # se mide sobre la voz, sin contar el preroll +silence_hold = 0.8 # silence that ends an utterance +min_utterance = 0.3 # measured on speech, not counting the preroll max_utterance = 20.0 threshold_factor = 3.0 min_threshold = 0.0008 max_threshold = 0.02 -# Cortar al asistente hablando encima. Apagado por defecto: con altavoces -# abiertos el micrófono se oye a sí mismo y el asistente se interrumpe solo. -# Enciéndelo con auriculares, o con --barge-in. +# Interrupt the assistant by talking over it. Off by default: with open +# speakers the microphone hears itself and the assistant interrupts itself. +# Turn it on with headphones, or with --barge-in. barge_in = false barge_in_factor = 4.0 @@ -72,8 +74,8 @@ step = 0.4 stability = 2 partials = true dedicated_final_model = false -# CPU a propósito: la GPU de 4 GB la ocupa el hablante del TTS y disputársela -# sale más caro que decodificar aquí. Ver docs/RENDIMIENTO.md. +# CPU on purpose: the 4 GB GPU is taken by the TTS talker and fighting over +# it costs more than decoding here. See docs/RENDIMIENTO.md. execution_provider = "cpu" inter_threads = 2 intra_threads = 4 @@ -87,7 +89,7 @@ top_p = 0.9 top_k = 40 min_p = 0.1 repeat_penalty = 1.1 -max_tokens = 400 # una respuesta hablada larga cansa, y la síntesis es lo caro +max_tokens = 400 # a long spoken answer is tiring, and synthesis is the expensive part max_tool_rounds = 4 request_timeout_secs = 120 @@ -101,12 +103,12 @@ top_k = 50 top_p = 1.0 repetition_penalty = 1.05 max_new_tokens = 2048 -warmup = true # la primera síntesis cuesta ~3,5 s más que el resto +warmup = true # the first synthesis costs ~3.5 s more than the rest request_timeout_secs = 180 -# Voz clonada, registrada en el servidor al arrancar. Los tres ficheros salen -# de `qwen-codec --talker` sobre una grabación de referencia; hay un guion en -# scripts/clonar-voz.sh. +# Cloned voice, registered with the server at startup. The three files come +# from `qwen-codec --talker` on a reference recording; there is a script in +# scripts/clone-voice.sh. [tts.reference] name = "asistente" speaker = "../assets/voices/asistente.spk" @@ -115,97 +117,98 @@ transcript = "../assets/voices/asistente.txt" [tools] enabled = true -# Alterna entre tools_prompt (para decidir) y system_prompt (para redactar). -# Es lo único que hace que las herramientas funcionen con este modelo; a -# cambio, las respuestas que no usan herramienta pierden la guía de estilo. -# Ponlo a false para priorizar el estilo sobre las herramientas. +# Alternates between tools_prompt (to decide) and system_prompt (to write). +# It is the only thing that makes tools work with this model; in exchange, +# answers that use no tool lose the style guide. +# Set it to false to favour style over tools. dedicated_prompt = true -# Ejecución de órdenes del sistema. Apagada por defecto a conciencia: darle -# una shell a un modelo que obedece a lo que oye por el micrófono es un cambio -# de postura de seguridad, no una comodidad. Actívala aquí o con --shell. +# System command execution. Off by default on purpose: giving a shell to a +# model that obeys what it hears through the microphone is a change of +# security posture, not a convenience. Turn it on here or with --shell. shell = false shell_allowlist = ["date", "uptime", "free", "df", "ls", "mkdir", "cat"] shell_timeout_secs = 10 shell_dry_run = false shell_working_dir = "" -# Búsqueda en internet. La clave NO va aquí: se lee de la variable de entorno -# que indique api_key_env, porque este fichero se versiona y un secreto dentro -# acaba en el historial de git. +# Web search. The key does NOT go here: it is read from the environment +# variable named by api_key_env, because this file is versioned and a secret +# in it ends up in the git history. # -# Tres buscadores, medidos: -# tavily ~2,4 s. Devuelve una respuesta YA REDACTADA además de los enlaces, -# que es lo que se puede leer en voz alta sin gastar otra vuelta del -# modelo en resumir. Necesita clave. -# ddgs 1,5-5,8 s. Sin clave. Consulta DuckDuckGo, Brave, Mojeek, Startpage -# y compañía a través de scripts/buscar-ddgs.sh. Sólo devuelve -# fragmentos: la síntesis la tiene que hacer el modelo, y con 2B sale -# algo peor que con tavily. -# searxng Sin clave, pero hace falta una instancia propia. Como ddgs, sólo -# devuelve resultados. +# Three backends, measured: +# tavily ~2.4 s. Returns an ALREADY WRITTEN answer besides the links, +# which can be read aloud without spending another model round +# summarizing. Needs a key. +# ddgs 1.5-5.8 s. No key. Queries DuckDuckGo, Brave, Mojeek, Startpage +# and friends through scripts/search-ddgs.sh. Only returns +# snippets: the model has to summarize, and with 2B the result is +# somewhat worse than tavily. +# searxng No key, but needs your own instance. Like ddgs, it only returns +# results. [search] enabled = true backend = "tavily" # "tavily", "ddgs" o "searxng" api_key_env = "TAVILY_API_KEY" -base_url = "" # sólo para searxng, p. ej. "http://127.0.0.1:8888" -# Programa del backend "ddgs". {consulta} y {max} se sustituyen antes de -# ejecutar, y tiene que escribir JSON por la salida estándar. Vale cualquier -# otro programa que respete eso, incluido un puente a un servidor MCP. -command = ["../scripts/buscar-ddgs.sh", "{consulta}", "{max}"] +base_url = "" # searxng only, e.g. "http://127.0.0.1:8888" +# Program for the "ddgs" backend. {query} and {max} are substituted before +# running, and it must write JSON to standard output. Any other program that +# honours that works too, including a bridge to an MCP server. +command = ["../scripts/search-ddgs.sh", "{query}", "{max}"] max_results = 5 timeout_secs = 20 -# Mirar por la cámara. El servidor ya carga el proyector multimodal, así que el -# mismo modelo que conversa describe lo que capta. +# Looking through the camera. The server already loads the multimodal +# projector, so the same model that converses describes what it captures. [camera] enabled = true device = "/dev/video2" -# La resolución manda en la latencia. Medido en esta máquina: 1,3 s a 320x240, -# 2,9 s a 640x480 y 7,8 s a 1280x720. 640x480 es el equilibrio. +# Resolution rules latency. Measured on this machine: 1.3 s at 320x240, +# 2.9 s at 640x480 and 7.8 s at 1280x720. 640x480 is the balance. width = 640 height = 480 -# Fotogramas descartados para que se asiente la exposición automática; el -# primero suele salir quemado y descartar unos pocos es casi gratis. +# Frames discarded so auto-exposure settles; the first one is usually +# blown out and discarding a few is almost free. warmup_frames = 5 timeout_secs = 15 -# Vacío = no se guarda ningún fotograma en disco, que es lo que corresponde. -# Ponle una carpeta sólo para depurar qué está viendo el modelo. +# Empty = no frame is saved to disk, which is right. +# Set a directory only to debug what the model is seeing. save_dir = "" -# Mirar la pantalla. Es la misma visión que la cámara, pero con un ajuste -# distinto porque el problema es distinto: una pantalla es TEXTO. +# Looking at the screen. Same vision as the camera, but tuned differently +# because the problem is different: a screen is TEXT. # -# Medido con tipografía de interfaz de 13 px, preguntando por datos concretos: -# 1280 px 7,6 s acierta 3 de 3 -# 960 px 4,5 s acierta 2 de 3 -# 640 px 2,4 s acierta 1 de 3 +# Measured with 13 px UI type, asking for specific details: +# 1280 px 7.6 s 3 of 3 right +# 960 px 4.5 s 2 of 3 right +# 640 px 2.4 s 1 of 3 right # -# Y cuando falla no dice que no lo lee: se lo inventa. A 640 px contestó que el -# error era «no se pudo abrir el archivo involution» y que la reunión era «a -# las 10:00»; ninguna de las dos cosas estaba en la imagen. Por eso 1280 aunque -# cueste el triple que la cámara. +# And when it fails it does not say it cannot read it: it makes it up. At +# 640 px it answered that the error was «no se pudo abrir el archivo +# involution» and the meeting was «at 10:00»; neither was in the image. Hence +# 1280 even though it costs three times the camera. [screen] enabled = true -# Detecta el entorno gráfico (grim en Wayland, maim/imagemagick en X11), captura -# y reduce a {ancho}. Editar el guion es más fácil que recompilar. -command = ["../scripts/capturar-pantalla.sh", "{ancho}", "{salida}"] +# Detects the graphical environment (grim on Wayland, maim/imagemagick on +# X11), captures and scales down to {width}. Editing the script is easier than +# recompiling. +command = ["../scripts/capture-screen.sh", "{width}", "{output}"] width = 1280 -output = "" # monitor concreto; vacío = todo +output = "" # a specific monitor; empty = all timeout_secs = 20 -# Vacío = no se guarda ninguna captura. Aquí pesa más que en la cámara: en una -# captura de pantalla caben contraseñas, mensajes privados y correo abierto. +# Empty = no capture is saved. It weighs more here than for the camera: a +# screenshot can hold passwords, private messages and open email. save_dir = "" [supervisor] -manage = true # lanzar los servidores; --no-manage los supone arriba +manage = true # start the servers; --no-manage assumes they are up startup_timeout_secs = 180 [supervisor.llama] binary = "../vendor/llama.cpp/build/bin/llama-server" model = "../models/Qwen3.5-2B.Q8_0.gguf" mmproj = "../models/mmproj-BF16.gguf" -# Copia de la plantilla del modelo con el bloque <think> cerrado de entrada. -# Sin esto el modelo razona entre 7 y 9 s antes de la primera palabra audible. +# Copy of the model template with the <think> block closed from the start. +# Without it the model reasons for 7 to 9 s before the first audible word. chat_template = "qwen35-no-think.jinja" extra_args = [ "--threads", "10", "--threads-batch", "10", @@ -213,8 +216,8 @@ extra_args = [ "--gpu-layers", "10", "--split-mode", "layer", "--tensor-split", "1", "--main-gpu", "0", "--no-mmap", - # 8192 en vez del contexto completo del modelo (262144): la caché KV de ese - # tamaño no cabe en 4 GB junto al TTS. Ver docs/RENDIMIENTO.md. + # 8192 instead of the model's full context (262144): a KV cache that size + # does not fit in 4 GB next to the TTS. See docs/RENDIMIENTO.md. "--ctx-size", "8192", "--parallel", "2", "--cache-ram", "6144", "--rope-freq-base", "1000000", "--rope-freq-scale", "0.25", @@ -224,8 +227,8 @@ extra_args = [ binary = "../vendor/qwentts.cpp/build/tts-server" model = "../models/qwen-talker-1.7b-base-Q8_0.gguf" codec = "../models/qwen-tokenizer-12hz-Q8_0.gguf" -# El ajuste con más efecto de todo el sistema: de fábrica son 24 s, y con eso -# el servidor no devuelve nada hasta terminar la frase entera. Medido, baja el -# primer audio de 4948 ms a 585 ms. +# The single most effective setting in the system: the stock value is 24 s, +# and with it the server returns nothing until the whole sentence is done. +# Measured, it lowers the first audio from 4948 ms to 585 ms. codec_chunk_dur = 1.0 extra_args = [] |