Asistente de escritorio modular, 100% offline y diseñado para entornos de desarrollo de alto rendimiento en Windows (optimizado para equipos con 16 GB de RAM), utilizando modelos locales para mantener total privacidad y escapar de bloqueos de API en la nube.
|
|
|
|
El proyecto está estructurado en varios archivos independientes para aislar los hilos en segundo plano y evitar que fallos de hardware o audio congelen la interfaz gráfica:
| Módulo | Descripción Técnica |
|---|---|
main.py |
Núcleo visual construido con CustomTkinter. Gestiona los modos, la consola de logs y los hilos seguros de ejecución. |
audio_engine.py |
Motor de transcripción offline con Faster-Whisper (int8/float16), detección automática de silencio (VAD) con sounddevice/numpy y prompting de vocabulario técnico. |
gestor_voz.py |
Gestor asíncrono de síntesis de voz (GestorVozAsync) con cola de frases en streaming en tiempo real, interrupción instantánea y aislamiento COM (pyttsx3 / SAPI5). |
ollama_client.py |
Cliente de integración local con Ollama (Qwen 2.5 Coder), chat en streaming, ventana ampliada de 8192 tokens (num_ctx), lectura de portapapeles (pyperclip) y autoevaluación. |
pdf_engine.py: Lee campos AcroForm, sincroniza datos XFA cuando existen y guarda una copia; conserva el original. |
|
acciones_pc.py |
Automatización y control de ventanas de Windows mediante PyAutoGUI y comandos del sistema. |
- 💬 Modo Charla: Conversación fluida y en streaming con la IA (con síntesis de voz frase a frase en tiempo real) para resolución de dudas rápidas.
- ⚙️ Modo Asistente: Control por voz de aplicaciones de Windows, carpetas y búsquedas web.
- 💻 Modo Desarrollador: Puede usar el código del portapapeles como contexto y copia el resultado al portapapeles.
- 📄 Modo Rellenar PDF: Selecciona un PDF interactivo, dicta o escribe los datos, elige por voz o en pantalla entre secciones duplicadas como Interesado y Representante, revisa la correspondencia y confírmala antes de guardar una copia
nombre_relleno.pdf.
Cada modo de IA tiene instrucciones propias: desarrollo entrega código, charla responde para voz y PDF devuelve datos estructurados sin inventar información. El control del PC usa comandos directos.
El modo PDF necesita campos interactivos AcroForm. Para evitar asignaciones dudosas, la IA solo propone campos de texto con etiquetas legibles; casillas y opciones quedan intactas. El PDF escaneado o plano requiere OCR y posicionamiento de texto.
- Tener instalado Python y Ollama corriendo localmente (
http://localhost:11434) con el modeloqwen2.5-coder:7b. - Instalar las dependencias de Python necesarias ejecutando:
pip install customtkinter faster-whisper numpy sounddevice pyttsx3 pywin32 pyperclip pyautogui requests
- (Opcional) En el primer arranque, Faster-Whisper descargará y guardará en caché local el modelo
smallautomáticamente; a partir de ahí funcionará 100% offline (local_files_only=True). - Arrancar el taller ejecutando:
python main.py
Asistente-Modular/
│
├── 📄 main.py # Núcleo visual (CustomTkinter)
├── 📄 audio_engine.py # Reconocimiento de voz offline (Faster-Whisper + VAD)
├── 📄 gestor_voz.py # Cola asíncrona de voz y streaming TTS (pyttsx3 / SAPI5)
├── 📄 ollama_client.py # Conexión local con Ollama (Qwen 2.5 Coder)
├── 📄 acciones_pc.py # Automatización de Windows (PyAutoGUI)
└── 📄 README.md # Documentación oficial del taller
Si quieres clonar este taller directamente en tu estación de trabajo, abre tu terminal y ejecuta:
git clone [https://github.com/Jaypsmall/Asistente-Modular.git](https://github.com/Jaypsmall/Asistente-Modular.git)
cd Asistente-Modular
Proyecto creado y mantenido por Jaypsmall
Desarrollo modular open-source para entornos de alta eficiencia.
¡Las pull requests, optimizaciones de hilos y nuevas herramientas para este asistente offline son totalmente bienvenidas! 🚀
Este proyecto se distribuye bajo los términos de la licencia MIT. Siéntete libre de usarlo, modificarlo y adaptarlo a tus necesidades en el taller.
