devs/bin/claude_voice.py
Mauro Rosero P. ccdfa68813
[FIXED] Corregir error de importación en claude_voice.py
Solución al error de importación de las clases Model y KaldiRecognizer:
- Movidas las importaciones de dependencias al inicio del script
- Implementado sistema de verificación global de dependencias
- Manejo más robusto de errores cuando faltan dependencias
- Eliminada duplicación en la verificación de dependencias

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
2025-03-30 16:10:31 -05:00

418 lines
No EOL
17 KiB
Python
Executable file

#!/usr/bin/env python3
# [Script] : claude_voice.py
# [Apps] : MRDEVS TOOLS
# [Description]: Convierte instrucciones de voz a texto para Claude Code
# [Author] : Cortana Rosero One <cortana@rosero.one>
# [Generated] : Created by Claude Code (claude-3-7-sonnet-20250219)
# [Created] : 2025/03/30 16:45:00
# [Modified] : 2025/03/30 17:45:00
# [Version] : 1.3.0
# [Use Notes] : Instalar dependencias en Ubuntu/Debian: sudo apt install python3-pyaudio python3-pip && pip install --user vosk pydub sounddevice wget
import os
import sys
import json
import subprocess
import argparse
import time
import queue
import threading
# Intentar importar las dependencias
try:
import sounddevice as sd
from vosk import Model, KaldiRecognizer
from pydub import AudioSegment
from pydub.playback import play
DEPS_LOADED = True
except ImportError:
DEPS_LOADED = False
# Colores para la salida
class Colors:
PURPLE = '\033[95m'
BLUE = '\033[94m'
CYAN = '\033[96m'
GREEN = '\033[92m'
YELLOW = '\033[93m'
RED = '\033[91m'
BOLD = '\033[1m'
UNDERLINE = '\033[4m'
END = '\033[0m'
def play_sound(sound_type):
"""Reproduce un sonido para indicar estados"""
sounds_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "sounds")
if not os.path.exists(sounds_dir):
os.makedirs(sounds_dir, exist_ok=True)
# Usar sonidos predeterminados si existen, o crearlos
sound_files = {
"start": os.path.join(sounds_dir, "start.mp3"),
"stop": os.path.join(sounds_dir, "stop.mp3"),
"error": os.path.join(sounds_dir, "error.mp3")
}
# Si no hay archivo de sonido, usar un beep básico
try:
if os.path.exists(sound_files[sound_type]):
sound = AudioSegment.from_file(sound_files[sound_type])
play(sound)
else:
# Frecuencias para diferentes tipos de sonidos
if sound_type == "start":
print("\a") # Beep básico del sistema
elif sound_type == "stop":
print("\a")
time.sleep(0.1)
print("\a")
elif sound_type == "error":
print("\a")
time.sleep(0.1)
print("\a")
time.sleep(0.1)
print("\a")
except Exception:
# Si hay algún error reproduciendo el sonido, simplemente continuamos
pass
def download_model(language="es"):
"""Descarga el modelo de Vosk si no existe"""
# Mapeo de códigos de idioma estándar a formato de Vosk
language_map = {
"es-ES": "es",
"es-AR": "es",
"es-MX": "es",
"es-CO": "es",
"es": "es",
"en-US": "en-us",
"en-GB": "en-us",
"en": "en-us",
"fr-FR": "fr",
"fr": "fr",
"de-DE": "de",
"de": "de",
"it-IT": "it",
"it": "it",
"pt-PT": "pt",
"pt-BR": "pt",
"pt": "pt",
"ru-RU": "ru",
"ru": "ru"
}
# Obtener código de idioma para Vosk
lang_code = language_map.get(language, language)
if "-" in lang_code and lang_code not in language_map.values():
lang_code = lang_code.split("-")[0]
# Establecer URLs de modelos verificados
model_urls = {
"es": "https://alphacephei.com/vosk/models/vosk-model-small-es-0.42.zip",
"en-us": "https://alphacephei.com/vosk/models/vosk-model-small-en-us-0.15.zip",
"fr": "https://alphacephei.com/vosk/models/vosk-model-small-fr-0.22.zip",
"de": "https://alphacephei.com/vosk/models/vosk-model-small-de-0.15.zip",
"it": "https://alphacephei.com/vosk/models/vosk-model-small-it-0.22.zip",
"pt": "https://alphacephei.com/vosk/models/vosk-model-small-pt-0.3.zip",
"ru": "https://alphacephei.com/vosk/models/vosk-model-small-ru-0.22.zip"
}
# Si no hay URL para este idioma, usar el inglés como fallback
if lang_code not in model_urls:
print(f"{Colors.YELLOW}No se encontró un modelo para el idioma '{lang_code}', usando el inglés como alternativa.{Colors.END}")
lang_code = "en-us"
# Usar el directorio de modelos con versión específica
model_name = os.path.basename(model_urls[lang_code]).replace(".zip", "")
model_path = os.path.expanduser(f"~/.vosk/models/{model_name}")
if os.path.exists(model_path):
return model_path
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Descargando modelo de voz para {lang_code}...{Colors.END}")
# Crear directorio para modelos si no existe
os.makedirs(os.path.expanduser("~/.vosk/models"), exist_ok=True)
# Descargar e instalar el modelo
try:
# Importar wget solo cuando se necesita
import wget
url = model_urls[lang_code]
zip_path = os.path.expanduser(f"~/.vosk/models/{os.path.basename(url)}")
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Descargando desde: {url}{Colors.END}")
# Descargar el modelo
wget.download(url, zip_path)
print() # Nueva línea después de la barra de progreso
# Extraer el modelo
import zipfile
with zipfile.ZipFile(zip_path, 'r') as zip_ref:
zip_ref.extractall(os.path.expanduser("~/.vosk/models/"))
# Eliminar el zip
os.remove(zip_path)
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}Modelo descargado y extraído correctamente en {model_path}{Colors.END}")
return model_path
except Exception as e:
print(f"{Colors.RED}Error al descargar el modelo: {e}{Colors.END}")
print(f"{Colors.YELLOW}Por favor, descargue manualmente el modelo desde: {Colors.UNDERLINE}https://alphacephei.com/vosk/models{Colors.END}")
print(f"{Colors.YELLOW}Y colóquelo en: {model_path}{Colors.END}")
sys.exit(1)
def recognize_speech(language="es-ES"):
"""Captura audio del micrófono y lo convierte a texto usando Vosk (local)"""
# Descargar o verificar modelo
model_path = download_model(language)
# Configurar el modelo
model = Model(model_path)
samplerate = 16000
# Configurar cola para recibir audio
q = queue.Queue()
# Función para callback de audio
def callback(indata, frames, time, status):
if status:
print(f"{Colors.YELLOW}[Claude Voice] Status: {status}{Colors.END}")
q.put(bytes(indata))
# Iniciar captura de audio
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Escuchando...{Colors.END} (Presiona Ctrl+C para detener)")
play_sound("start")
# Preparar reconocedor
rec = KaldiRecognizer(model, samplerate)
try:
with sd.RawInputStream(samplerate=samplerate, blocksize=8000,
dtype='int16', channels=1, callback=callback):
# Variables para controlar el reconocimiento
start_time = time.time()
timeout = 10 # segundos
last_text_time = time.time()
final_result = ""
partial_results = []
# Procesar audio
while True:
# Comprobar timeout
if (time.time() - start_time) > timeout:
break
# Comprobar si hay silencio prolongado después de hablar
if final_result and (time.time() - last_text_time) > 1.5:
break
# Obtener datos de audio
data = q.get()
# Reconocer voz
if rec.AcceptWaveform(data):
result = json.loads(rec.Result())
if result.get("text", ""):
text = result["text"]
final_result = text
last_text_time = time.time()
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}Procesando audio...{Colors.END}")
else:
# Resultados parciales
partial = json.loads(rec.PartialResult())
if partial.get("partial", ""):
partial_text = partial["partial"]
if partial_text:
partial_results.append(partial_text)
last_text_time = time.time()
except KeyboardInterrupt:
print(f"\n{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Reconocimiento interrumpido{Colors.END}")
except Exception as e:
play_sound("error")
print(f"{Colors.RED}Error en el reconocimiento de voz: {e}{Colors.END}")
return None
finally:
play_sound("stop")
# Si no hay resultado final pero hay parciales, usar el último parcial
if not final_result and partial_results:
final_result = partial_results[-1]
return final_result
def send_to_claude(text, silent=False):
"""Envía el texto reconocido a Claude Code"""
if not text:
return False
if not silent:
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} Enviando a Claude Code: {Colors.BOLD}{text}{Colors.END}")
try:
# Usar la ruta de instalación de Claude Code
claude_cmd = "claude" if os.system("which claude > /dev/null 2>&1") == 0 else "/usr/local/bin/claude"
# Enviar el texto como entrada a Claude
result = subprocess.run([claude_cmd, text],
stdout=subprocess.PIPE,
stderr=subprocess.PIPE,
text=True,
check=False)
if result.returncode != 0:
print(f"{Colors.RED}Error al ejecutar Claude Code: {result.stderr}{Colors.END}")
return False
return True
except Exception as e:
print(f"{Colors.RED}Error al ejecutar Claude Code: {e}{Colors.END}")
return False
def interactive_mode(language="es-ES", continuous=False):
"""Modo interactivo que escucha continuamente comandos de voz"""
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}Modo interactivo iniciado. Di tus instrucciones para Claude Code.{Colors.END}")
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Di 'salir' o 'terminar' para finalizar{Colors.END}")
try:
while True:
text = recognize_speech(language)
if text:
text = text.strip()
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}Reconocido: {Colors.BOLD}{text}{Colors.END}")
# Verificar comandos de salida
if text.lower() in ["salir", "terminar", "exit", "quit", "goodbye", "bye"]:
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Saliendo del modo de voz...{Colors.END}")
break
# Enviar a Claude Code
success = send_to_claude(text)
# Si no es modo continuo, salir después del primer comando exitoso
if not continuous and success:
break
# Pausa breve entre reconocimientos
if continuous:
time.sleep(1)
except KeyboardInterrupt:
print(f"\n{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Modo de voz interrumpido por el usuario{Colors.END}")
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}¡Hasta pronto!{Colors.END}")
def list_audio_devices():
"""Lista los dispositivos de audio disponibles"""
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}Dispositivos de audio disponibles:{Colors.END}")
devices = sd.query_devices()
print(f"{Colors.CYAN}{'ID':<4} {'Nombre':<30} {'Canales (E/S)':<15} {'Predeterminado':<12}{Colors.END}")
print("-" * 65)
for i, device in enumerate(devices):
default_mark = ""
try:
if device.get('name') == sd.query_devices(kind='input')['name']:
default_mark = "⭐ (entrada)"
elif device.get('name') == sd.query_devices(kind='output')['name']:
default_mark = "⭐ (salida)"
except:
pass
channels = f"{device.get('max_input_channels', 0)}/{device.get('max_output_channels', 0)}"
print(f"{i:<4} {device.get('name', 'Desconocido'):<30} {channels:<15} {default_mark}")
return True
def get_supported_languages():
"""Devuelve una lista de idiomas soportados"""
return {
"es": "Español",
"en-us": "Inglés (EEUU)",
"fr": "Francés",
"de": "Alemán",
"it": "Italiano",
"pt": "Portugués",
"ru": "Ruso"
}
def list_languages():
"""Muestra una lista de idiomas soportados"""
languages = get_supported_languages()
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.GREEN}Idiomas soportados:{Colors.END}")
print(f"{Colors.CYAN}{'Código':<8} {'Idioma':<20}{Colors.END}")
print("-" * 30)
for code, name in languages.items():
print(f"{code:<8} {name:<20}")
# Mostrar información sobre los alias
print(f"\n{Colors.YELLOW}Nota: Todos los códigos regionales (es-ES, es-AR, etc.) se mapean al idioma base (es).{Colors.END}")
return True
def main():
parser = argparse.ArgumentParser(description='Claude Code Voice - Convierte voz a texto para Claude Code usando reconocimiento local')
parser.add_argument('-l', '--language', default='es', help='Idioma para reconocimiento (ej. es, en-us)')
parser.add_argument('-c', '--continuous', action='store_true', help='Modo continuo - escucha constantemente hasta que digas "salir"')
parser.add_argument('-t', '--text', help='Texto a enviar directamente (sin reconocimiento de voz)')
parser.add_argument('-s', '--silent', action='store_true', help='Modo silencioso - no muestra mensajes extra')
parser.add_argument('-d', '--device', type=int, help='ID del dispositivo de audio a utilizar')
parser.add_argument('--list-devices', action='store_true', help='Listar dispositivos de audio disponibles')
parser.add_argument('--list-languages', action='store_true', help='Listar idiomas soportados')
parser.add_argument('--install-deps', action='store_true', help='Instalar dependencias')
args = parser.parse_args()
# Instalar dependencias si se solicita
if args.install_deps:
try:
print(f"{Colors.BLUE}[Claude Voice]{Colors.END} {Colors.YELLOW}Instrucciones para instalar dependencias...{Colors.END}")
print("\nPara sistemas Ubuntu/Debian, ejecuta los siguientes comandos:")
print(f"{Colors.GREEN}sudo apt install python3-pyaudio python3-pip{Colors.END}")
print(f"{Colors.GREEN}pip install --user vosk pydub sounddevice wget{Colors.END}")
print("\nPara otros sistemas, consulta la documentación de Vosk:")
print(f"{Colors.GREEN}https://alphacephei.com/vosk/install{Colors.END}")
print("\nSi prefieres usar un entorno virtual (recomendado):")
print(f"{Colors.GREEN}sudo apt install python3-venv python3-pyaudio{Colors.END}")
print(f"{Colors.GREEN}python3 -m venv ~/venv-claude-voice{Colors.END}")
print(f"{Colors.GREEN}source ~/venv-claude-voice/bin/activate{Colors.END}")
print(f"{Colors.GREEN}pip install vosk pydub sounddevice wget{Colors.END}")
print(f"{Colors.GREEN}# Luego ejecuta: ~/venv-claude-voice/bin/python3 /home/mrosero/devs/bin/claude_voice.py{Colors.END}")
return
except Exception as e:
print(f"{Colors.RED}Error al mostrar instrucciones: {e}{Colors.END}")
sys.exit(1)
# Verificar si las dependencias están instaladas
if not DEPS_LOADED:
print(f"{Colors.RED}Error: Faltan dependencias requeridas para el reconocimiento de voz.{Colors.END}")
print(f"{Colors.YELLOW}Ejecuta '{sys.argv[0]} --install-deps' para ver instrucciones de instalación.{Colors.END}")
sys.exit(1)
# Listar dispositivos si se solicita
if args.list_devices:
list_audio_devices()
return
# Listar idiomas si se solicita
if args.list_languages:
list_languages()
return
# Enviar texto directo si se proporciona
if args.text:
send_to_claude(args.text, args.silent)
return
# Modo interactivo con reconocimiento de voz
interactive_mode(args.language, args.continuous)
if __name__ == "__main__":
main()