# Configuración del asistente de voz.
#
# Las rutas relativas se resuelven contra la carpeta de este fichero, no contra
# el directorio desde el que se lanza el binario.
#
# Los valores que llevan un comentario con una medición vienen de
# docs/RENDIMIENTO.md: son los que se midieron en esta máquina, no adivinanzas.

[general]
language = "es"
history_turns = 8
report_latency = true
system_prompt = """
Eres un asistente de voz en español. Tus respuestas se leen en voz alta, así \
que responde en una o dos frases cortas, en texto plano corrido. No uses \
markdown, ni listas, ni asteriscos, ni emojis, ni encabezados. No escribas \
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.
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.
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 \
podrías hacer: di directamente lo que has averiguado. Si el resultado viene en \
otro idioma, tradúcelo al español.
"""

[audio]
# Vacío = el dispositivo por defecto. `asistente devices` los lista.
input_device = ""
output_device = ""
playback_prebuffer = 0.20
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
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.
barge_in = false
barge_in_factor = 4.0

[asr]
model_dir = "../vendor/canary-rs/models/canary-180m-flash-onnx"
source_lang = "es"
target_lang = "es"
window = 6.0
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.
execution_provider = "cpu"
inter_threads = 2
intra_threads = 4

[llm]
host = "127.0.0.1"
port = 8012
model = ""
temperature = 0.7
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_tool_rounds = 4
request_timeout_secs = 120

[tts]
host = "127.0.0.1"
port = 8013
voice = "asistente"
language = "spanish"
temperature = 0.9
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
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.
[tts.reference]
name = "asistente"
speaker   = "../assets/voices/asistente.spk"
codes     = "../assets/voices/asistente.rvq"
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.
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.
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.
#
# 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.
[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}"]
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.
[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.
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.
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.
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.
#
# 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
#
# 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.
[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}"]
width = 1280
output = ""                     # monitor concreto; vacío = todo
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.
save_dir = ""

[supervisor]
manage = true            # lanzar los servidores; --no-manage los supone arriba
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.
chat_template = "qwen35-no-think.jinja"
extra_args = [
  "--threads", "10", "--threads-batch", "10",
  "--batch-size", "512", "--ubatch-size", "256",
  "--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.
  "--ctx-size", "8192", "--parallel", "2",
  "--cache-ram", "6144",
  "--rope-freq-base", "1000000", "--rope-freq-scale", "0.25",
]

[supervisor.tts]
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.
codec_chunk_dur = 1.0
extra_args = []