feat(stt-client): voix Kokoro (TTS enfichable) + commande --install-kokoro (#55)

Ajoute un moteur TTS plus naturel (Kokoro, ONNX/CPU) au choix, Piper restant le défaut et le repli. - engine.py : synthèse enfichable (_synthesize → _synth_piper | _synth_kokoro). Kokoro chargé une fois (préchargé au boot si sélectionné), WAV via wave stdlib (numpy → PCM16), lecture/interruption inchangées. Repli SILENCIEUX si le modèle ou le paquet kokoro-onnx manque (jamais de crash). - config : [voice].tts_engine ("piper"|"kokoro") + kokoro_voice (ff_siwis, FR), kokoro_speed, kokoro_lang. - cli : `stt --install-kokoro` télécharge kokoro-v1.0.onnx + voices-v1.0.bin dans ~/.local/share/kokoro et imprime les étapes (pipx inject kokoro-onnx, espeak-ng). - pyproject : extra optionnel [kokoro] ; client 0.15.0. - doc : stt.example.toml + admin/ia/stt.md + journal. Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>
2026-07-08 04:44:43 +02:00 · 2026-06-22 23:57:27 +02:00 · 2026-06-22 23:57:27 +02:00 · 610d32f1e9
commit 610d32f1e9
parent 666abe765b
7 changed files with 161 additions and 19 deletions
--- a/admin/ia/stt.md
+++ b/admin/ia/stt.md
@ -247,7 +247,15 @@ Machine à états du moteur vocal (`stt/client/stt/voice/engine.py`) :
 Côté client, pilotable depuis `stt/client/config/` + l'écran de réglages du HUD :

 - **Avatar / image** (`config/avatars/`), **thème** (`config/themes/`),
-  **voix** Piper `.onnx` (`config/voices/`), **wake word**, **URL serveur**.
+  **voix**, **wake word**, **URL serveur**.
+
+**Moteur TTS — `[voice].tts_engine`** : `piper` (défaut, rapide, voix `.onnx` dans
+`~/.local/share/piper/`) **ou** `kokoro` (nettement plus naturel, ONNX/CPU). Pour Kokoro :
+`stt --install-kokoro` (télécharge `kokoro-v1.0.onnx` + `voices-v1.0.bin` dans
+`~/.local/share/kokoro/`), `pipx inject stt kokoro-onnx`, `espeak-ng` (phonémisation FR), puis
+`tts_engine = "kokoro"` (voix FR `kokoro_voice = "ff_siwis"`). Le client **précharge** Kokoro au
+démarrage et **retombe en silence** proprement si le modèle/paquet manque (`engine._synth_kokoro`).
+La synthèse est enfichable (`engine._synthesize`) — Piper reste le repli.

 ---

--- a/progress/2026-06-22.md
+++ b/progress/2026-06-22.md
@ -111,10 +111,21 @@ appeler, puis répond à partir des résultats.
  exposé seulement si `STT_ACTIONS_ENABLED` + jeton. 1 test unitaire de plus. (PR `feat/asa-admin-actions`,
  serveur 0.9.0.)

+## Voix d'Asa — TTS Kokoro enfichable (client 0.15.0)
+
+- **TTS enfichable** côté client (`engine._synthesize` → piper | kokoro), Piper conservé en **repli**.
+  Kokoro (ONNX/CPU) = voix bien plus naturelle. Config `[voice].tts_engine` + `kokoro_voice`
+  (`ff_siwis`, FR femme) / `kokoro_speed` / `kokoro_lang`.
+- Nouvelle commande **`stt --install-kokoro`** (télécharge `kokoro-v1.0.onnx` + `voices-v1.0.bin`).
+  Dépendance optionnelle `kokoro-onnx` (extra `[kokoro]`) ; phonémisation FR via `espeak-ng`.
+- Préchargement au boot si sélectionné ; **repli silencieux** si modèle/paquet absent (pas de crash).
+- (PR `feat/asa-kokoro-tts`.)
+
 ## Prochaines étapes

+- **Tester Kokoro sur le poste** : `stt --install-kokoro` + `pipx inject stt kokoro-onnx` +
+  `espeak-ng` + `tts_engine = "kokoro"` + `stt --restart`. Ajuster `kokoro_speed` au goût.
 - **Vérifier au déploiement** : SearXNG Ready + `web_search` réel ; puis un essai `admin_action`
  (« redémarre … » → confirme → exécution Hermes).
- Enrichir `host_health`/`cluster_status` (GPU via `rocm_scraper`, fs, températures) si utile.
 - Si le wake word « asa » génère des faux positifs/négatifs, ajuster `wake_aliases`.
 - **1er test d'action vocale** (#43, contexte 🤖 Agent → `hermes-exec`).
--- a/stt/client/config/stt.example.toml
+++ b/stt/client/config/stt.example.toml
@ -12,7 +12,10 @@ model = "hermes-default"            # modèle demandé au serveur
 [voice]
 wake_word = "hermes"                # "Ok Hermès"
 whisper_model = "large-v3"          # STT faster-whisper (CPU int8) — "small" pour tester
-piper_voice = "fr_FR-upmc-medium"   # TTS — ~/.local/share/piper/<voix>.onnx
+tts_engine = "piper"                # "piper" (rapide) | "kokoro" (plus naturel — voir ci-dessous)
+piper_voice = "fr_FR-upmc-medium"   # voix Piper — ~/.local/share/piper/<voix>.onnx
+# Voix Kokoro (si tts_engine = "kokoro") : `stt --install-kokoro` + `pipx inject stt kokoro-onnx`
+# kokoro_voice = "ff_siwis"         # voix FR (femme) ; kokoro_speed = 1.0 ; kokoro_lang = "fr-fr"
 language = "fr"
 silence_sec = 1.2
 min_speech_sec = 0.6
--- a/stt/client/pyproject.toml
+++ b/stt/client/pyproject.toml
@ -1,6 +1,6 @@
 [project]
 name = "stt"
-version = "0.14.0"
+version = "0.15.0"
 description = "STT — client vocal Jarvis du homelab Funk (voix + HUD, parle au STT-server)"
 requires-python = ">=3.11"
 readme = "README.md"
@ -21,6 +21,9 @@ dependencies = [
 [project.optional-dependencies]
 onnx = ["onnx-asr>=0.11", "onnxruntime>=1.18"]
 onnx-rocm = ["onnx-asr>=0.11", "onnxruntime-rocm>=1.18"]
+# TTS Kokoro (tts_engine="kokoro") : voix nettement plus naturelle, ONNX/CPU.
+# Modèle téléchargé par `stt --install-kokoro` ; phonémisation FR via espeak-ng (système).
+kokoro = ["kokoro-onnx>=0.4.0"]

 [project.scripts]
 stt = "stt.cli:main"
--- a/stt/client/stt/cli.py
+++ b/stt/client/stt/cli.py
@ -160,7 +160,7 @@ def _running_stt_pids() -> list[int]:
    utilitaires = {
        "--stop", "--start", "--restart", "--update", "--version", "--setup", "--text",
        "--install-service", "--uninstall-service",
-        "--install-desktop", "--uninstall-desktop",
+        "--install-desktop", "--uninstall-desktop", "--install-kokoro",
    }
    pids: list[int] = []
    try:
@ -433,6 +433,45 @@ def _cmd_voice(args) -> int:
    return 0


+def _cmd_install_kokoro() -> int:
+    """Télécharge le modèle Kokoro + le pack de voix (TTS naturel, ONNX) en local."""
+    import urllib.request
+    from pathlib import Path
+
+    base = "https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0"
+    dest = Path.home() / ".local/share/kokoro"
+    dest.mkdir(parents=True, exist_ok=True)
+
+    def _download(url: str, target: Path) -> None:
+        def hook(blocks: int, bsize: int, total: int) -> None:
+            if total > 0:
+                pct = min(100, blocks * bsize * 100 // total)
+                print(f"\r  {pct}%", end="", flush=True)
+        urllib.request.urlretrieve(url, target, hook)  # noqa: S310 — URL fixe (GitHub release)
+        print()
+
+    for name, size in (("kokoro-v1.0.onnx", "~310 Mo"), ("voices-v1.0.bin", "~26 Mo")):
+        target = dest / name
+        if target.exists() and target.stat().st_size > 0:
+            print(f"✓ {name} déjà présent")
+            continue
+        print(f"⬇ {name} ({size})…")
+        try:
+            _download(f"{base}/{name}", target)
+        except Exception as e:  # noqa: BLE001
+            print(f"❌ Échec du téléchargement de {name} : {e}")
+            target.unlink(missing_ok=True)
+            return 1
+
+    print(f"\n✓ Modèle Kokoro installé dans {dest}")
+    print("Étapes restantes pour activer la voix Kokoro :")
+    print("  1) pipx inject stt kokoro-onnx        # moteur Python (onnxruntime)")
+    print("  2) sudo dnf install espeak-ng         # phonémisation FR (si absent)")
+    print('  3) ~/.config/stt/stt.toml → [voice] : tts_engine = "kokoro"')
+    print("  4) stt --restart")
+    return 0
+
+
 def main(argv: list[str] | None = None) -> int:
    p = argparse.ArgumentParser(prog="stt", description="Client vocal Jarvis de Funk")
    p.add_argument("--setup", action="store_true", help="Écrit la config par défaut")
@ -458,6 +497,8 @@ def main(argv: list[str] | None = None) -> int:
                   help="Supprime le lanceur de bureau")
    p.add_argument("--update", action="store_true",
                   help="Met à jour STT depuis git (pipx reinstall)")
+    p.add_argument("--install-kokoro", action="store_true",
+                   help="Télécharge le modèle Kokoro (TTS naturel) dans ~/.local/share/kokoro")
    p.add_argument("--version", action="store_true", help="Affiche la version installée")
    args = p.parse_args(argv)

@ -467,6 +508,8 @@ def main(argv: list[str] | None = None) -> int:
        return _cmd_setup()
    if args.update:
        return _cmd_update()
+    if args.install_kokoro:
+        return _cmd_install_kokoro()
    if args.start:
        return _cmd_start()
    if args.restart:
--- a/stt/client/stt/config.py
+++ b/stt/client/stt/config.py
@ -54,7 +54,14 @@ DEFAULT_CONFIG: dict[str, Any] = {
        # CPU par défaut ; pour le GPU AMD : ["ROCMExecutionProvider", "CPUExecutionProvider"].
        "onnx_model": "nemo-parakeet-tdt-0.6b-v3",
        "onnx_providers": ["CPUExecutionProvider"],
+        # TTS (voix d'Asa) : "piper" (défaut, rapide) | "kokoro" (plus naturel, ONNX/CPU).
+        # Pour Kokoro : `stt --install-kokoro` (modèle) + `pipx inject stt kokoro-onnx`.
+        "tts_engine": "piper",
        "piper_voice": "fr_FR-upmc-medium",
+        # Kokoro — voix FR « ff_siwis » (femme). Vitesse 1.0 ; lang fr-fr (phonémisation espeak-ng).
+        "kokoro_voice": "ff_siwis",
+        "kokoro_speed": 1.0,
+        "kokoro_lang": "fr-fr",
        "language": "fr",
        "silence_sec": 1.2,
        "min_speech_sec": 0.6,
--- a/stt/client/stt/voice/engine.py
+++ b/stt/client/stt/voice/engine.py
@ -58,6 +58,11 @@ DEFAULT_WAKE_ALIASES = (
 PIPER_BIN = Path.home() / ".local/share/piper-runtime/piper"
 PIPER_VOICE_DIR = Path.home() / ".local/share/piper"

+# Kokoro TTS (ONNX) — modèle + pack de voix téléchargés par `stt --install-kokoro`.
+KOKORO_DIR = Path.home() / ".local/share/kokoro"
+KOKORO_MODEL = KOKORO_DIR / "kokoro-v1.0.onnx"
+KOKORO_VOICES = KOKORO_DIR / "voices-v1.0.bin"
+

 def _deaccent(s: str) -> str:
    return (
@ -112,6 +117,8 @@ class VoiceEngine:
        self._interrupt = threading.Event()
        # process de lecture TTS courant (aplay) → tuable pour couper la parole
        self._tts_proc: subprocess.Popen | None = None
+        # instance Kokoro (chargée à la demande si tts_engine="kokoro") — modèle ONNX ~310 Mo
+        self._kokoro = None

    @property
    def muted(self) -> bool:
@ -120,6 +127,10 @@ class VoiceEngine:
    # ── chargement modèle ────────────────────────────────────────────────
    def load(self) -> None:
        self._asr.load()
+        # Précharge Kokoro (modèle lourd) au démarrage si sélectionné → évite une
+        # 1re réponse lente. Repli silencieux si indisponible (le _speak gère).
+        if (self.cfg.get("tts_engine") or "").lower() == "kokoro":
+            self._load_kokoro()

    # ── STT ──────────────────────────────────────────────────────────────
    def _transcribe(self, audio) -> str:
@ -160,29 +171,85 @@ class VoiceEngine:
    def _speak(self, text: str) -> None:
        if self.no_tts or self._interrupt.is_set():
            return
-        voice = PIPER_VOICE_DIR / f"{self.cfg['piper_voice']}.onnx"
-        if not voice.exists() or not PIPER_BIN.exists():
+        wav = self._synthesize(text)   # WAV temporaire selon le moteur (piper/kokoro)
+        if wav is None or self._interrupt.is_set():  # « stop » pressé pendant la synthèse
+            if wav is not None:
+                wav.unlink(missing_ok=True)
            return
-        with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
-            out = Path(f.name)
        try:
-            subprocess.run(
-                [str(PIPER_BIN), "--model", str(voice), "--output_file", str(out)],
-                input=text.encode(),
-                capture_output=True,
-                check=True,
-                env={"LD_LIBRARY_PATH": str(PIPER_BIN.parent)},
-            )
-            if self._interrupt.is_set():  # « stop » pressé pendant la synthèse
-                return
            # Popen (pas run) → on garde la main pour tuer la lecture sur « stop »
-            self._tts_proc = subprocess.Popen(["aplay", "-q", str(out)])
+            self._tts_proc = subprocess.Popen(["aplay", "-q", str(wav)])
            self._tts_proc.wait()
        except FileNotFoundError:
            pass
        finally:
            self._tts_proc = None
+            wav.unlink(missing_ok=True)
+
+    def _synthesize(self, text: str) -> "Path | None":
+        """Synthétise `text` en WAV temporaire selon `[voice].tts_engine`. None si KO."""
+        if (self.cfg.get("tts_engine") or "piper").lower() == "kokoro":
+            return self._synth_kokoro(text)
+        return self._synth_piper(text)
+
+    def _synth_piper(self, text: str) -> "Path | None":
+        voice = PIPER_VOICE_DIR / f"{self.cfg['piper_voice']}.onnx"
+        if not voice.exists() or not PIPER_BIN.exists():
+            return None
+        with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
+            out = Path(f.name)
+        try:
+            subprocess.run(
+                [str(PIPER_BIN), "--model", str(voice), "--output_file", str(out)],
+                input=text.encode(), capture_output=True, check=True,
+                env={"LD_LIBRARY_PATH": str(PIPER_BIN.parent)},
+            )
+            return out
+        except (FileNotFoundError, subprocess.CalledProcessError):
            out.unlink(missing_ok=True)
+            return None
+
+    def _load_kokoro(self):
+        """Charge (une fois) l'instance Kokoro ONNX. None si modèle/paquet absent."""
+        if self._kokoro is not None:
+            return self._kokoro
+        if not KOKORO_MODEL.exists() or not KOKORO_VOICES.exists():
+            _log("Kokoro: modèle absent → lance `stt --install-kokoro` (repli silencieux).")
+            return None
+        try:
+            from kokoro_onnx import Kokoro
+            self._kokoro = Kokoro(str(KOKORO_MODEL), str(KOKORO_VOICES))
+            return self._kokoro
+        except Exception as e:  # noqa: BLE001 — paquet absent / incompatible
+            _log(f"Kokoro indisponible ({e}) — installe-le : pipx inject stt kokoro-onnx")
+            return None
+
+    def _synth_kokoro(self, text: str) -> "Path | None":
+        k = self._load_kokoro()
+        if k is None:
+            return None
+        try:
+            import wave
+
+            import numpy as np
+            samples, rate = k.create(
+                text,
+                voice=self.cfg.get("kokoro_voice", "ff_siwis"),
+                speed=float(self.cfg.get("kokoro_speed", 1.0)),
+                lang=self.cfg.get("kokoro_lang", "fr-fr"),
+            )
+            pcm = (np.clip(np.asarray(samples), -1.0, 1.0) * 32767).astype("<i2")
+            with tempfile.NamedTemporaryFile(suffix=".wav", delete=False) as f:
+                out = Path(f.name)
+            with wave.open(str(out), "wb") as w:
+                w.setnchannels(1)
+                w.setsampwidth(2)
+                w.setframerate(int(rate))
+                w.writeframes(pcm.tobytes())
+            return out
+        except Exception as e:  # noqa: BLE001 — synthèse KO → silence plutôt que crash
+            _log(f"Kokoro: échec de synthèse ({e}).")
+            return None

    def stop_response(self) -> None:
        """Coupe le tour en cours : stoppe la lecture TTS et saute la suite.