Voice Activation - Đánh thức Jarvis bằng "Hey Jarvis"

[AI Hunter]

Hôm nay chúng ta sẽ vứt bàn phím đi. Từ giờ, bạn chỉ cần ngồi dựa lưng vào ghế và nói: "Hey Jarvis, báo cáo tình hình hôm nay!".

Quy trình hoạt động như sau:

1. Wake Word: Máy tính luôn lắng nghe ngầm. Khi phát hiện từ khóa "Jarvis", nó sẽ "Ting" một cái.
2. STT (Speech to Text): Ghi âm câu lệnh tiếp theo và chuyển thành văn bản.
3. Processing: Gửi văn bản vào Backend (Docker) để xử lý.
4. TTS (Text to Speech): Nhận câu trả lời và đọc to lên bằng giọng chị Google/Microsoft.

1. Chuẩn bị thư viện (Trên máy thật)​

Vì chạy trên máy thật, bạn cần cài Python và các thư viện sau.
Mở Terminal (CMD/PowerShell) trên máy tính của bạn:

pip install pvporcupine pyaudio SpeechRecognition edge-tts pygame requests

Giải thích:

• pvporcupine: Engine bắt từ khóa "Jarvis" cực nhạy (của Picovoice).
• SpeechRecognition: Chuyển giọng nói thành văn bản.
• edge-tts: Giọng đọc tiếng Việt cực hay của Microsoft Edge (Miễn phí).
• pygame: Để phát file âm thanh MP3.

*Lưu ý: Nếu cài pyaudio bị lỗi (thường gặp trên Windows), hãy Google "install pyaudio windows pipwin" để fix.

2. Lấy Key Porcupine (Miễn phí)​

Để dùng từ khóa "Jarvis", bạn cần đăng ký account free:

1. Truy cập: https://console.picovoice.ai/
2. Đăng ký tài khoản.
3. Copy chuỗi AccessKey ở trang chủ.

3. Viết Client Voice ("Cơ thể" của Jarvis)​

Tạo một file mới tên jarvis_voice.py ở thư mục gốc (ngang hàng với docker-compose.yml), dán code sau vào:

import struct
import pyaudio
import pvporcupine
import speech_recognition as sr
import requests
import json
import os
import asyncio
import edge_tts
import pygame

# --- CẤU HÌNH ---
PICOVOICE_ACCESS_KEY = "DÁN_KEY_CỦA_BẠN_VÀO_ĐÂY"
BACKEND_URL = "http://localhost:8000/chat"
API_SECRET = "sieumatkhau123456" # Phải trùng với file docker-compose ở bài 24

# --- HÀM NÓI (TTS) ---
async def speak(text):
    print(f"🗣️ Jarvis: {text}")
    communicate = edge_tts.Communicate(text, "vi-VN-HoaiMyNeural") # Giọng nữ miền Nam
    await communicate.save("reply.mp3")
  
    # Phát âm thanh
    pygame.mixer.init()
    pygame.mixer.music.load("reply.mp3")
    pygame.mixer.music.play()
    while pygame.mixer.music.get_busy():
        pygame.time.Clock().tick(10)
  
    # Xóa file tạm
    pygame.mixer.quit()
    if os.path.exists("reply.mp3"):
        os.remove("reply.mp3")

# --- HÀM GỌI BACKEND ---
def chat_with_brain(text):
    headers = {
        "Authorization": f"Bearer {API_SECRET}",
        "Content-Type": "application/json"
    }
    try:
        response = requests.post(BACKEND_URL, json={"message": text}, headers=headers)
        if response.status_code == 200:
            return response.json().get("answer", "Xin lỗi, tôi không nghe rõ.")
        else:
            return f"Lỗi Server: {response.status_code}"
    except Exception as e:
        return "Không kết nối được với não bộ."

# --- HÀM NGHE LỆNH (STT) ---
def listen_command():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("🎤 Đang nghe lệnh...")
        # Phát tiếng 'Ting' nhẹ để biết đã kích hoạt (Optional)
        try:
            audio = r.listen(source, timeout=5, phrase_time_limit=10)
            text = r.recognize_google(audio, language="vi-VN")
            print(f"👤 Bạn: {text}")
            return text
        except sr.WaitTimeoutError:
            print("❌ Không nghe thấy gì.")
            return None
        except sr.UnknownValueError:
            print("❌ Không hiểu giọng nói.")
            return None

# --- VÒNG LẶP CHÍNH (WAKE WORD) ---
def main():
    # Khởi tạo Porcupine với từ khóa 'jarvis'
    porcupine = pvporcupine.create(
        access_key=PICOVOICE_ACCESS_KEY,
        keywords=["jarvis"]
    )
  
    pa = pyaudio.PyAudio()
    audio_stream = pa.open(
        rate=porcupine.sample_rate,
        channels=1,
        format=pyaudio.paInt16,
        input=True,
        frames_per_buffer=porcupine.frame_length
    )

    print("🚀 Jarvis Voice Client đã khởi động! Hãy nói 'Jarvis'...")

    try:
        while True:
            pcm = audio_stream.read(porcupine.frame_length)
            pcm = struct.unpack_from("h" * porcupine.frame_length, pcm)

            # Kiểm tra xem có nói từ khóa không
            keyword_index = porcupine.process(pcm)

            if keyword_index >= 0:
                print("⚡ Đã phát hiện 'JARVIS'!")
              
                # 1. Nghe lệnh
                command = listen_command()
              
                if command:
                    # 2. Gửi lên não
                    reply = chat_with_brain(command)
                  
                    # 3. Nói câu trả lời
                    asyncio.run(speak(reply))

    except KeyboardInterrupt:
        print("Đang tắt...")
    finally:
        if audio_stream is not None:
            audio_stream.close()
        if pa is not None:
            pa.terminate()
        porcupine.delete()

if __name__ == "__main__":
    main()

4. Trải nghiệm cảm giác Iron Man​

Bước 1: Đảm bảo Docker Backend đang chạy.

docker-compose up -d

Bước 2: Chạy file script Python trên máy thật.

python jarvis_voice.py

Bước 3: Thử nghiệm.

1. Ngồi im lặng, máy sẽ không làm gì cả.
2. Hô to: "Jarvis!"
3. Terminal sẽ hiện: ⚡ Đã phát hiện 'JARVIS'! và 🎤 Đang nghe lệnh....
4. Nói tiếp: "Bật đèn phòng khách lên."
5. Jarvis sẽ xử lý, gọi API Smart Home (nếu có), rồi trả lời bằng giọng nói: "Đã bật đèn phòng khách thưa sếp."

Tổng kết​

Bây giờ bạn đã có một trợ lý ảo hoàn chỉnh:

• Tai: Porcupine + SpeechRecognition.
• Miệng: Edge-TTS.
• Não: Ollama/FastAPI (chạy trong Docker).
• Mắt: Camera Vision (đã làm ở phần trước).

Hệ thống này hoàn toàn có thể mở rộng để đặt trong một chiếc loa thông minh (như Raspberry Pi) và để ở phòng khách.

Tuy nhiên, Jarvis vẫn còn một điểm yếu cuối cùng: Bộ nhớ ngắn hạn. Nếu bạn tắt script đi, nó sẽ quên mất bạn tên gì.
Làm sao để Jarvis nhớ mãi mãi những thông tin quan trọng của bạn?