ChatYandexGPT - Голосовой интерфейс для YandexGPT

Модуль позволяет записывать звуковые вопросы с микрофона или компьютера, преобразовывать их в текст с помощью модели распознавания речи Vosk и отправлять текстовые запросы в YandexGPT AI для получения ответов.

🆕 Две версии интерфейса

Проект поддерживает два интерфейса на выбор:

🎨 PyQt6 версия (рекомендуется)

• Файл запуска: interface_AI_qt.py
• Современный дизайн с темной темой
• Улучшенная производительность и отзывчивость
• Лучшая поддержка горячих клавиш
• Форматирование кода с подсветкой синтаксиса
• Более компактный и элегантный интерфейс

📱 Tkinter версия (классическая)

• Файл запуска: interface_AI.py
• Проверенная стабильность
• Меньше зависимостей
• Классический внешний вид

Основные возможности

• Запись звука с микрофона - запись аудио с подключенного микрофона
• Запись звука с компьютера - запись системного звука через Stereo Mix
• Распознавание речи - преобразование речи в текст с помощью модели Vosk
• Live-транскрипция - отображение распознанного текста в реальном времени по мере обработки
• Текстовый ввод - возможность отправки текстовых запросов напрямую
• Интеграция с YandexGPT - получение ответов от AI-модели
• Выбор модели YandexGPT - 3 различные модели для разных задач
• Выбор помощника - 6 различных типов AI-помощников для разных задач
• Сохранение истории - автоматическое сохранение всех диалогов в файл
• Графический интерфейс - удобный GUI на базе PyQt6 или tkinter
• Горячие клавиши - быстрый доступ к функциям
• Экспорт диалогов - сохранение истории в отдельные файлы
• 🚀 Оптимизированная загрузка модели Vosk - ускоренная инициализация приложения
• 🎨 Форматирование кода - подсветка синтаксиса в ответах AI (PyQt6 версия)

🆕 Live-транскрипция

Новая функция Live-транскрипция позволяет видеть распознанный текст в реальном времени:

Как это работает:

1. Запись аудио - записываете голос как обычно
2. Live-отображение - во время распознавания видите промежуточные результаты
3. Финальный результат - получаете окончательный текст с подсветкой

Визуальные индикаторы:

• 🎯 Распознавание... - процесс идет, текст голубой
• ✅ Финальный текст - процесс завершен, текст белый
• 🎯 Распознанный текст - готово к использованию

Преимущества:

• Мгновенная обратная связь - видите, что система вас понимает
• Контроль качества - можете повторить запись, если распознавание плохое
• Улучшенный UX - нет ощущения "зависшего" интерфейса
• Отладка - легче понять, где возникают проблемы с распознаванием

Доступные модели YandexGPT

Приложение поддерживает 3 различные модели YandexGPT:

🚀 YandexGPT Lite

• Описание: Быстрая и экономичная модель для простых задач
• Максимум токенов: 4000
• Применение: Простые вопросы, краткие ответы, быстрые задачи

🤖 YandexGPT

• Описание: Базовая модель для большинства задач
• Максимум токенов: 8000
• Применение: Стандартные задачи, развернутые ответы, анализ текста

⚡ YandexGPT Plus

• Описание: Продвинутая модель с улучшенными возможностями
• Максимум токенов: 8000
• Применение: Сложные задачи, творческие проекты, глубокий анализ

Доступные помощники

Приложение поддерживает 6 различных типов AI-помощников:

🤖 Программист-помощник

Специализируется на программировании и разработке:

• Знание множества языков программирования (Python, JavaScript, Java, C++, C#, Go, Rust)
• Опыт с фреймворками (Django, Flask, React, Vue, Spring, .NET)
• Понимание архитектур (микросервисы, монолиты, облачные решения)
• Знание баз данных (SQL, NoSQL, Redis, MongoDB)
• DevOps и CI/CD (Docker, Kubernetes, Git, Jenkins)
• Помощь с отладкой, рефакторингом и оптимизацией кода

📚 Учитель-наставник

Образовательный помощник для изучения различных предметов:

• Математика, физика, химия, биология
• История, литература, философия
• Иностранные языки
• Экономика, психология, социология
• Адаптация объяснений под уровень ученика
• Помощь с домашними заданиями и подготовкой к экзаменам

✍️ Писатель-редактор

Помощник в написании и редактировании текстов:

• Статьи, эссе, рефераты, дипломные работы
• Художественная литература и поэзия
• Техническая документация
• Маркетинговые материалы
• Проверка грамматики и стиля
• Помощь с сюжетами и персонажами

📊 Аналитик-исследователь

Помощник в анализе данных и проведении исследований:

• Статистический анализ и визуализация данных
• Машинное обучение и прогнозирование
• Качественные и количественные исследования
• Бизнес-анализ и стратегическое планирование
• Работа с Python, R, SQL, Excel, Tableau
• Критическое мышление и решение сложных проблем

🎨 Креативный помощник

Помощник в творческих проектах и генерации идей:

• Графический дизайн и веб-дизайн
• Иллюстрация, анимация, фотография
• Сценарии для фильмов и игр
• Музыкальные идеи и театральные постановки
• Инновации и изобретения
• Маркетинговые кампании и брендинг

🌟 Универсальный помощник

Универсальный AI-помощник для различных задач:

• Обширные знания в различных областях
• Адаптация под собеседника
• Решение повседневных задач
• Помощь в изучении новых тем
• Поддержка и мотивация

Установка и настройка

Предварительные требования

1. Python 3.7+ - убедитесь, что у вас установлен Python. Скачайте последнюю версию с официального сайта.

2. Настройка звука Windows - во вкладке "Запись" параметров звука включите "Стерео микшер" для записи системного звука.

Быстрая инициализация

Для новых пользователей создан автоматический скрипт инициализации:

python setup_project.py

Этот скрипт:

• Проверяет версию Python
• Создает файл .env из env.example
• Создает необходимые папки
• Проверяет наличие модели Vosk
• Показывает следующие шаги

Установка зависимостей

1. Создание виртуального окружения:

python -m venv venv

2. Активация виртуального окружения:

# Windows
.\venv\Scripts\activate

# Linux/Mac
source venv/bin/activate

3. Установка зависимостей:

pip install -r requirements.txt

Настройка переменных окружения

1. Создание файла .env:

# Скопируйте файл env.example в .env
cp env.example .env

2. Заполнение credentials в .env:

# ID папки в Yandex Cloud (обязательно)
YANDEX_FOLDER_ID=your_folder_id_here

# IAM токен для авторизации (один из способов)
YANDEX_IAM_TOKEN=your_iam_token_here

# API ключ для авторизации (альтернатива IAM токену)
YANDEX_API_KEY=your_api_key_here

# Путь к модели Vosk для распознавания речи
VOSK_MODEL_PATH=./vosk-model-ru-0.42

⚠️ Важно: Файл .env содержит секретные данные и НЕ должен попадать в репозиторий!

Настройка модели Vosk

1. Скачивание модели: Скачайте русскоязычную модель Vosk с официального сайта

2. Распаковка: Распакуйте архив в корень проекта

3. Проверка пути: Убедитесь, что путь к модели указан правильно в файле .env

Настройка YandexGPT

1. Регистрация: Зарегистрируйтесь на Yandex Cloud

2. Получение credentials: Получите iam_token или api_key и folder_id

3. Настройка: Замените значения в файле .env

Запуск приложения

🎨 PyQt6 версия (рекомендуется)

python interface_AI_qt.py

Особенности PyQt6 версии:

• Современный темный интерфейс
• Улучшенная производительность
• Форматирование кода с подсветкой синтаксиса
• Более компактный дизайн
• Лучшая поддержка горячих клавиш

📱 Tkinter версия (классическая)

python interface_AI.py

Особенности Tkinter версии:

• Классический интерфейс
• Меньше зависимостей
• Проверенная стабильность

Использование

После запуска появится окно с интерфейсом:

Выбор модели и помощника

• Нажмите кнопку "🤖 Сменить помощника" или используйте горячую клавишу Ctrl+P
• Выберите нужную модель YandexGPT из выпадающего списка
• Выберите нужный тип помощника из второго выпадающего списка
• Просмотрите описание возможностей выбранного помощника
• Нажмите "✅ Применить" для смены модели и помощника

Доступные модели:

• YandexGPT Lite - для быстрых и простых задач
• YandexGPT - базовая модель для большинства задач
• YandexGPT Plus - продвинутая модель для сложных задач

Запись голоса

• "🎤 Запись с микрофона" - запись с микрофона
• "💻 Запись с компьютера" - запись системного звука

Как использовать:

1. Нажмите кнопку для начала записи
2. Во время записи кнопка станет красной и изменит текст на "⏹️ Остановить запись"
3. Говорите или воспроизводите звук
4. Нажмите ту же кнопку повторно для остановки записи
5. Дождитесь обработки и получения ответа от AI

Дополнительно:

• Кнопка "❌ Отменить запись" позволяет отменить запись без обработки
• Статус записи отображается над кнопками: "🔴 ЗАПИСЬ..."

Текстовый ввод

• Введите текст в нижнее текстовое поле
• Нажмите "📤 Отправить текст" для отправки запроса

Горячие клавиши

PyQt6 версия:

• Ctrl+R - запись с микрофона
• Ctrl+C - запись с компьютера
• Ctrl+S - отправка текста
• Escape - отмена записи
• Ctrl+E - экспорт диалога
• Ctrl+P - смена помощника
• Ctrl+L - очистка чата

Tkinter версия:

• Ctrl+R - запись с микрофона
• Ctrl+C - запись с компьютера
• Ctrl+S - отправка текста
• Escape - отмена записи
• Ctrl+E - экспорт диалога
• Ctrl+P - смена помощника

Управление диалогом

• "🗑️ Очистить" - очистка истории диалога
• "💾 Экспорт диалога" - экспорт диалога в файл
• "Сбросить диалог" в окне выбора помощника - полный сброс истории

Результаты

• Все диалоги автоматически сохраняются в файл outputs/responses.txt
• Ответы отображаются в основном текстовом поле интерфейса
• Текущая модель и помощник отображаются в заголовке окна и в статусной строке
• В статусной строке показывается: "Помощник: [название]" и "Модель: [название]"

Структура проекта

ChatYandexGPT/
├── interface_AI.py              # Основной файл запуска Tkinter версии
├── interface_AI_qt.py           # 🆕 Основной файл запуска PyQt6 версии
├── yandexchat_bot.py            # Класс для работы с YandexGPT и коллекция промптов
├── env.example                  # Пример файла с переменными окружения
├── .env                         # Файл с credentials (не в репозитории)
├── setup_project.py             # Скрипт автоматической инициализации
├── yandexGPT_console_test.py    # Консольная версия для тестирования
├── requirements.txt             # Зависимости Python
├── README.md                    # Документация
├── src/                         # Исходный код приложения
│   ├── qt_gui/                  # 🆕 Исходный код для PyQt6 интерфейса
│   ├── __init__.py              # Инициализация пакета
│   ├── env_loader.py            # Загрузка переменных окружения
│   ├── config.py                # Конфигурация приложения
│   ├── settings.py              # Управление настройками
│   ├── audio_recorder.py        # Запись аудио
│   ├── audio_processor.py       # Обработка аудио
│   ├── speech_recognizer.py     # Распознавание речи (с оптимизацией)
│   ├── conversation_manager.py  # Управление диалогами
│   ├── gui.py                   # Графический интерфейс Tkinter
│   ├── prompt_manager.py        # Управление выбором промптов (Tkinter)
│   └── utils.py                 # Утилиты
├── yandexgptbot_lib/            # Библиотека и файлы сборки
│   ├── __init__.py              # Инициализация библиотеки
│   ├── bot.py                   # Основной класс бота
│   ├── audio.py                 # Аудио компоненты (с оптимизацией)
│   ├── prompts.py               # Коллекция промптов
│   ├── conversation.py          # Управление диалогами
│   ├── config.py                # Конфигурация
│   ├── settings.py              # Настройки
│   ├── cli.py                   # CLI интерфейс
│   ├── README.md                # Документация библиотеки
│   └── package/                 # 🆕 Файлы для сборки
│       ├── setup.py             # Конфигурация пакета
│       ├── package_builder.py   # Скрипт сборки
│       ├── MANIFEST.in          # Список файлов для дистрибутива
│       ├── README.md            # Документация по сборке
│       └── README_LIBRARY.md    # Документация библиотеки
├── examples/                    # Примеры использования библиотеки
├── outputs/                     # Папка для сохранения результатов
│   └── responses.txt            # История диалогов
└── vosk-model-ru-0.42/          # Модель распознавания речи

Архитектура приложения

Приложение построено по модульному принципу с четким разделением ответственности:

• Config - централизованная конфигурация
• Settings - управление настройками пользователя
• AudioRecorder - запись аудио с различных источников
• AudioProcessor - обработка и нормализация аудио
• SpeechRecognizer - распознавание речи с помощью Vosk (оптимизированное)
• ConversationManager - управление историей диалогов
• PromptManager - управление выбором и сменой промптов
• GUI - графический интерфейс пользователя (Tkinter)
• ModernGUI - 🆕 современный графический интерфейс (PyQt6)
• Utils - вспомогательные функции
• EnvLoader - загрузка переменных окружения

Сборка библиотеки

Для сборки библиотеки yandexgptbot-lib используйте файлы в папке yandexgptbot_lib/package/:

cd yandexgptbot_lib/package
python package_builder.py

Подробная документация по сборке находится в yandexgptbot_lib/package/README.md.

Возможные проблемы

Файл .env не найден

Если приложение не запускается из-за отсутствия credentials:

1. Скопируйте env.example в .env
2. Заполните необходимые переменные окружения
3. Убедитесь, что файл .env находится в корне проекта

Stereo Mix не найден

Если кнопка "Record from Computer" не работает:

1. Проверьте, что Stereo Mix включен в настройках звука Windows
2. Убедитесь, что устройство называется "Стерео микшер" или "Stereo Mix"

Ошибки с моделью Vosk

1. Проверьте, что модель скачана и распакована в правильную папку
2. Убедитесь, что путь в переменной VOSK_MODEL_PATH указан корректно
3. Попробуйте использовать оптимизированную загрузку (см. раздел выше)

Проблемы с YandexGPT

1. Проверьте правильность credentials в файле .env
2. Убедитесь, что у вас есть доступ к сервису YandexGPT

Медленная загрузка модели

Если модель Vosk загружается медленно:

1. Используйте SSD - скорость диска критически важна
2. Предварительная загрузка - используйте preload_vosk_model()
3. Кэширование - используйте get_global_recognizer()
4. Ленивая загрузка - создавайте распознаватель с preload_model=False

Проблемы с PyQt6 версией

Если PyQt6 версия не запускается:

1. Убедитесь, что PyQt6 установлен: pip install PyQt6
2. Проверьте совместимость с вашей версией Python
3. Попробуйте Tkinter версию как альтернативу

Технические детали

• Аудио формат: 16-bit PCM, 16kHz, моно
• Распознавание речи: Vosk с русскоязычной моделью (оптимизированная загрузка)
• AI модель: YandexGPT через LangChain
• Интерфейс: PyQt6 (рекомендуется) или tkinter
• Потоки: Многопоточная обработка для записи, UI и загрузки модели
• Логирование: Подробные логи в файл app.log
• Промпты: 6 предустановленных типов помощников с возможностью расширения
• Безопасность: Credentials хранятся в переменных окружения
• Производительность: Оптимизированная загрузка модели Vosk с кэшированием
• Форматирование: Подсветка синтаксиса кода в ответах AI (PyQt6 версия)