voice-assistant/server/config.yaml

# Configuration du serveur vocal.
# Les valeurs sensibles (mots de passe, jetons) vont dans .env, jamais ici.
# Les sections marquées « étape N » ne sont lues qu'à partir de cette étape.

audio:
    sample_rate: 16000          # Hz, identique dans tout le système
    bits: 16
    channels: 1
    codec: pcm_s16le
    chunk_ms: 50                # 800 échantillons = 1600 octets

# étape 4 : broker MQTT. Le serveur écoute TOUTES les cartes : voice/+/...
mqtt:
    host: 10.42.0.1         # broker du Raspberry Pi 5 (comptes exigés : server/.env) ; relu par le Makefile
    port: 1883
    keepalive: 30
    client_id: voice-server     # unique sur le broker
    topic_prefix: voice

# étape 4 : sessions de parole reçues des ESP32
sessions:
    max_seconds: 30             # au-delà, on arrête d'accumuler (garde-fou mémoire)
    idle_timeout_s: 5           # plus rien reçu depuis 5 s et pas de END : on clôt
    end_grace_s: 0.5            # après le END, attente des derniers chunks en vol

# chemins relatifs à ce fichier
storage:
    recordings_dir: recordings
    models_dir: models

logging:
    level: INFO
    format: "%(asctime)s %(levelname)-7s %(name)s | %(message)s"
    # étape 15 : copie du journal dans un fichier tournant (3 x 1 Mo), pour
    # retrouver ce qui s'est passé sur un Raspberry Pi sans écran. Vide : écran seul.
    file: logs/voice-server.log

# étape 6 : transcription (modèle dans models/whisper/<model>, « make models »)
stt:
    model: small                # « base » sur Raspberry Pi 4, « small » sur Pi 5 / PC
    language: fr
    compute_type: int8
    beam_size: 5                # 1 = plus rapide, 5 = plus précis
    no_speech_threshold: 0.6    # segment écarté au-delà : Whisper invente du texte sur le silence

# étape 6 : synthèse vocale (modèle dans models/piper/<voice>.onnx, « make models »)
# Piper produit du 22 050 Hz : le serveur rééchantillonne en audio.sample_rate.
tts:
    voice: fr_FR-siwis-medium
    length_scale: 1.0           # > 1 : débit plus lent

# étape 7 : détection d'activité vocale (Silero, fenêtres de 512 échantillons = 32 ms,
# imposées à 16 kHz). Une session sans parole n'est pas transcrite.
vad:
    threshold: 0.5              # probabilité de parole ; on en sort sous 0,35 (hystérésis)
    min_silence_ms: 500         # pause plus courte : la phrase continue
    min_speech_ms: 250          # parole plus courte : bruit (clic du bouton), ignorée
    speech_pad_ms: 150          # marge autour de chaque segment : attaques et fins de mots

# étape 8 : diarisation (qui parle quand), sur la seule parole trouvée par la VAD.
# Modèle soumis à conditions : les accepter sur huggingface.co, HF_TOKEN dans .env,
# puis « make models ». Ensuite, tout fonctionne hors ligne ; télémétrie pyannote coupée.
diarization:
    enabled: true               # false sur Raspberry Pi 4 (trop lourd) ou sans l'extra « diarization »
    model: pyannote/speaker-diarization-community-1
    max_speakers: 3             # borne haute : un assistant de salon, pas une réunion

# étape 9 : identification du locuteur (probabiliste, jamais une sécurité).
# Profils créés par « make enroll NAME=... », un fichier par personne (donnée biométrique).
# Nécessite la diarisation : les empreintes viennent de son modèle (WeSpeaker ResNet34).
speaker:
    profiles_dir: profiles
    similarity_threshold: 0.45  # mesuré : vous 0,52 à 0,83 contre votre profil, Piper -0,08 à 0,11

# étape 11 : domotique. Commandes publiées sur <topic_prefix>/<pièce>/<appareil>/set ;
# la carte exécute en plus celles de sa propre pièce (LED de démonstration).
home:
    topic_prefix: home
    rooms:                      # nom tel qu'on le dit → complément dans les réponses
        salon: du salon
        cuisine: de la cuisine
        chambre: de la chambre
        salle de bain: de la salle de bain
        bureau: du bureau
        garage: du garage
        entrée: de l'entrée
    boards:                     # pièce de chaque carte : « allume la lumière » sans pièce = ici
        esp32-01: salon

# étape 13 : mot de réveil, mains libres. Le serveur demande à chaque carte de lui envoyer
# son micro en continu (voice/<carte>/audio/stream) et guette le mot. Rien n'est écrit
# sur disque avant le mot : seules les dernières preroll_ms restent en mémoire.
# Prononciation à l'anglaise : « Alexa », « Hé Maïcrofte », « Hey Djâr-viss ».
wake:
    enabled: true
    words: [alexa, hey_jarvis, hey_mycroft]   # models/openwakeword/<mot>_v0.1.onnx
    threshold: 0.5              # mesuré : 90 enregistrements sans le mot, score max 0,07
    # Seuil propre à un mot, si le journal montre des « mot presque reconnu » répétés.
    # Plus bas = plus sensible, mais plus de déclenchements intempestifs. Ex. : {hey_jarvis: 0.35}
    thresholds: {}
    preroll_ms: 500             # la commande suit souvent le mot sans pause
    end_silence_ms: 800         # silence qui clôt la commande
    no_speech_timeout_s: 4      # mot entendu mais rien dit ensuite : on abandonne
    max_command_s: 10
    cooldown_s: 20              # écoute suspendue pendant la réponse (jusqu'au bilan « played »)

# étape 14 : droits par profil. La voix n'est JAMAIS une preuve d'identité : une
# imitation ou un enregistrement peut tromper. Niveaux : complet > standard > limite.
access:
    unknown: limite             # voix non reconnue : conversation seulement
    default: standard           # profil enrôlé absent de users
    users:                      # noms des profils (make profiles)
        Denis: complet
    full_min_score: 0.6         # « complet » seulement si la voix est reconnue nettement
    rules:                      # niveau minimal par appareil et action ; absent = complet
        light: {"on": standard, "off": standard}   # guillemets : on/off nus = booléens en YAML
        shutter: {open: standard, close: standard}
        door: {open: complet, close: standard}
        machine: {wake: standard, lock: standard, shutdown: complet, reboot: complet}   # étape 15b
    confirm: [door.open, machine.shutdown, machine.reboot]   # « Confirmez-vous ? » puis « oui »
    confirm_timeout_s: 15
    # Un « oui » seul dure ~0,7 s : trop court pour atteindre speaker.similarity_threshold
    # (mesuré : Denis 0,29 à 0,47 ; les autres profils face à Denis : 0,12 au plus).
    # La confirmation est donc acceptée si le demandeur reste le profil le PLUS PROCHE,
    # avec au moins ce score. Une voix reconnue comme quelqu'un d'autre est refusée.
    confirm_min_score: 0.25

# étape 15b : machines Linux du réseau. Chacune fait tourner un agent (agent/voice_agent.py)
# qui n'exécute QUE les actions de SA liste (/etc/voice-assistant/agent.yaml) ; ici, on dit
# seulement comment on les appelle. « allume » = Wake-on-LAN, envoyé par le serveur
# (la machine éteinte n'a pas d'agent). Nouvelle action : l'ajouter à l'agent, ici
# (mots et phrases), puis dans access.rules.machine (sinon : niveau complet exigé).
machines:
    topic_prefix: agent         # agent/<machine>/state (retenu), command, result
    broadcast: 255.255.255.255  # Wake-on-LAN : diffusion sur le réseau local
    actions:                    # mots sans accents ; « does » et « verb » : phrases dites
        # Un mot par entrée, tel que Whisper l'écrit : « lock » devient souvent « Locke »,
        # « shutdown » devient « Shut down » (d'où « shut »).
        wake: {words: [allume, allumer, allumez, demarre, demarrer, reveille, reveiller], does: "J'allume", verb: allumer}
        shutdown: {words: [eteins, eteint, eteindre, eteignez, arrete, arreter, arretez, shutdown, shut], does: "J'éteins", verb: éteindre}
        reboot: {words: [redemarre, redemarrer, redemarrez, relance, relancer, reboot, reboote, rebooter], does: "Je redémarre", verb: redémarrer}
        lock: {words: [verrouille, verrouiller, verrouillez, lock, locke, locker, loque], does: "Je verrouille", verb: verrouiller}
    list:                       # identifiant de l'agent → comment on l'appelle
        pc-bureau:
            # Plusieurs mots : « bureau » seul est une pièce. « p c » : Whisper écrit parfois « P.C. ».
            names: [pc du bureau, p c du bureau, ordinateur du bureau]
            name: le PC du bureau
            mac: ""             # ex. "aa:bb:cc:dd:ee:ff" (ip link) pour « allume le PC du bureau »