Antigravity/notes-qpid-pro
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs(ai): specify 100% offline Piper TTS for Stage 3 audio generation

Browse Source
This commit is contained in:
Antigravity
2026-10-06 12:22:39 +03:00
parent 84bbe2031d
commit 5c47bc6eca
1 changed files with 18 additions and 7 deletions
Download Patch File Download Diff File Expand all files Collapse all files
AI_TODO.md
+18 -7
View File
@@ -117,14 +117,25 @@ CREATE TABLE IF NOT EXISTS user_grammar_weaknesses (
---
### Этап 3: Режим «Аудирование на слух» (Listening & Dictation)
- [ ] **Скрытый режим тестирования**:
- Вопрос и варианты ответов озвучиваются нативно через браузерный `window.speechSynthesis` (0 сетевых запросов).
- Текст вопроса скрыт шторкой или кнопкой «Показать текст» (позволяет тренировать восприятие беглой английской речи на слух).
- [ ] **Аудио-диктант по ключевым предложениям**:
### Этап 3: 100% Оффлайн-озвучка и Аудирование (Piper TTS / Neural VITS)
- [ ] **Интеграция легковесного автономного движка Piper TTS**:
- Скомпилированный статический бинарник `piper` (< 15 МБ, чистый C++/ONNX, без зависимостей).
- Загрузка компактных оффлайн-моделей голосов в `models/voices/` (суммарно ~130 МБ):
- Английский (Natural US/UK): `en_US-lessac-medium.onnx` (~63 МБ).
- Русский (Естественный диктор): `ru_RU-dmitri-medium.onnx` (~65 МБ).
- Время генерации на CPU: ~0.5–1.0 сек на предложение (RTF ~0.2, в 5 раз быстрее реального времени).
- Потребление ОЗУ: ~150–200 МБ только во время синтеза с мгновенной выгрузкой.
- [ ] **Оффлайн-кэширование аудиофайлов (`data/audio_cache/`)**:
- Генерация имени по SHA-256 хешу текста и идентификатора голоса (`data/audio_cache/{hash}.wav`).
- Повторные запросы одного и того же предложения отдаются мгновенно за 0.05 мс из кэша.
- 0 байт сетевого трафика во внешнюю сеть — полная изоляция и автономность.
- [ ] **Скрытый режим тестирования (Listening Comprehension)**:
- Вопрос и варианты ответов озвучиваются нейросетью Piper.
- Текст вопроса скрыт шторкой или кнопкой «Показать текст» (тренировка восприятия беглой речи на слух).
- [ ] **Аудио-диктант по ключевым предложениям книги**:
- Модель выбирает 3 ярких и грамматически богатых предложения из главы.
- Браузер диктует предложение, пользователь вводит его на слух.
- Сравнение ввода со сгенерированным оригиналом (подсветка пропущенных предлогов и окончаний).
- Piper озвучивает предложение живым голосом носителя, пользователь вводит его на слух.
- Подсветка пропущенных предлогов, окончаний и артиклей при проверке.
---