ylhan
35e107c290
从 Obsidian 笔记库剥离为独立仓库。规划文档与 P0 报告留在笔记库， 代码（助手本体、TTS 服务、P0 基准脚本、ESP32 固件）在此。 架构：服务器是助手，本地是客户端 - 助手本体跑在 cadadmin-server，N5095 只做 USB 外设桥与网络桥接 - 起因：实测 N5095 无 AVX2，跑不动可用的语音模型 当前技术栈 - LLM：DeepSeek deepseek-flash（云端，必须关思考） - TTS：Qwen3-TTS 1.7B（服务器 3090，独立 HTTP 服务） - STT：Zipformer 中英双语 int8（CPU，中文识别率未测） 实测：端到端 16/16 通过，首音延迟 1545ms （对比：本地 LLM + vits-zh-ll 是 179ms，但音色不满意——音质与延迟 在此硬件上此消彼长） 设计要点 - MemoryStore 接口按"可能远程"设计（全 async、可超时、可失败） - user_id / session_id / track_id 三者分开，人脸只作候选不自动切身份 - 记忆查询强制带 owner_user_id，无按 id 单独取的口子 - 自动抽取的记忆是"候选"，默认不参与检索 - 异步写记忆绑定创建时的身份，不读"当前用户" - 引擎与传输解耦，只用文件音频即可端到端测试 模型与音频产物不进版本管理（1.1GB），由 download_models.sh 恢复
13 lines
373 B
JSON
13 lines
373 B
JSON
{
|
|
"stt_threads": 2,
|
|
"tts_threads": 2,
|
|
"tts_model": "matcha",
|
|
"solo_stt_rtf": 0.27664071878154955,
|
|
"solo_tts_rtf": 0.44042636413212993,
|
|
"conc_stt_rtf": 0.5378692789555439,
|
|
"conc_tts_rtf": 0.935733770617253,
|
|
"stt_degrade": 1.944288177548709,
|
|
"tts_degrade": 2.1246088945223285,
|
|
"conc_chunk_p95": 2.0250199799920665,
|
|
"conc_chunk_max": 2.6675718699971185
|
|
} |