Снова хочется странного

[dzz]

Вокруг 2025 год, парад нейросетей с LLM и распознаванием речи, но я до сих пор не вижу:

1. Опенсорсного голосового помощника для Linux, способного работать локально, т.е. без подключения к интернету, но с качественным распознаванием речи и приятным уху TTS, пусть и на хорошей видеокарте.

2. Персонализируемого голосового помощника под Android (чтобы можно было менять обращение и голос) c локальным распознаванием и генерацией речи. Или без локального, но, хотя бы, с минимальной кастомизацией из скобок.

3. Какого-либо вменяемого протокола для обмена голосовыми командами в виде RFC.

Всё, что нашёл - либо насмерть сетевые Окей-Гугл/Алиса/Маруся, либо "вот тебе, батенька, ведро с гайками и баллон кислорода, можешь собрать из них космический корабль". На сборку космического корабля с нуля нет ни времени, ни сил, но есть идеи, как это привязать к управлению разными штуками на верхнем уровне.

Соответственно, вопрос - что я проглядел в текущем технологическом стеке? Может, зря ною, и такое уже есть?

Comments

[vitus_wagner]

По-моему явление это не технологическое, а социальное. В OpenSource всегда почему-то получалось так, что чем на более конечного юзера ориентирован продукт, тем менее интересен он сообществу. Вот голосовые помощники это предельный случай — софт для неграмотных.

[dzz.livejournal.com]

> софт для неграмотных.

Или для тех, у кого руки заняты.

[vitus_wagner]

Софт для себя. любимого, когда у меня руки заняты, отлаживать тяжело. Это надо, если что пошло не так. руки освободить, что-то там поправить, а потом все сначала.

[dzz.livejournal.com]

LOL

Вообще, интерес к этой теме появился у меня из общения с сетевой Алисой в яндексовом каршеринге и просмотра обзоров мотогарнитур. С мото понятно, в шлем не встроишь полноценный комп, и максимум, на что можно расчитывать — связь с голосовым ассистентом в смартфоне. Так вот, при постоянном росте производительности смартфонов, бума приложений с TTS/STT я не вижу, хотя лет пять назад всё, вроде бы, обещало. Потом подумалось, что уж для настольных-то систем должно быть. Типа, ollama и fooocus не дадут соврать. Но — нет. Все опенсорсные проекты, которые я нашёл, не коммитились года два-три минимум.

[vitus_wagner]

В шлеме по-моему гораздо больше места, чем в смартфоне. Уж Raspberry PI туда воткнуть можно и не одну. И есть (может быть) прозрачное забрало, на котором можно что-то изображать. Но wearable computing это еще одна тема на которую возлагали большие-большие надежды, которые не оправдались.

Навеяло посещением ресторана Il Patio :)

[dzz.livejournal.com]

> гораздо больше места, чем в смартфоне

Место в шлеме в большей степени предназначено для демпфирования удара по голове, там не должно быть жёстких конструкций с углами. Ну, т.е. в природе существуют шлемы со встроенными с завода гарнитурами и AR-дисплеями, но стоят они как самолёт и продаются в количестве N штук в год.

> которые не оправдались

Это, кстати, тоже удивляет. После того, как гугл свернул Google Glass, всё, что осталось на рынке AR, ушло в область профессионального применения и профессиональных же цен. В т.ч. и по компонентам: микродисплей с призмой и SPI-контроллером стоит на алике порядка 30 т.р., готовое устройство на один глаз будет стоить на полке минимум вдвое дороже.

Думается, это основной сдерживающий фактор. Были бы массовые AR-очки за $100, надежды бы оправдались. Но имеем что имеем.

Re: Навеяло посещением ресторана Il Patio :)

[vitus_wagner]

> Там не должно быть жёстких конструкций с углами.
Надо собирать микрокомпьютер на овальной плате. Но многослойные печатные платы, которые сейчас для этого используются — не для домашнего хоббиистского изготовления.

[dzz.livejournal.com]

Там, по-хорошему, должна быть гибкая плата максимум с 2 слоями и SOC, поддерживающий "это всё".

Хоббиты заказывают прототипные платы в каком-нибудь Резоните, сделать партию из 10 штук — исключительно вопрос цены, и это не запредельно. AR-дисплей всё равно дороже.

P.S. Грёбаный "новый редактор комментариев", сорри за многочисленные правки.