v2 - STT via Whisper for more precision and if nor available, twist to Vox

alfred/app/app.py

@@ -8,6 +8,8 @@ from services.audio import listen_once, speak_async, tts_backend_detect
 from services.wakeword import WakeWordListener
 from services import admin_console  # ALFRED_ADMIN_PAGES_V1
 from services.hermes_client import ask_hermes
+from services import alfred_timers, alfred_context_images  # ALFRED_TIMERS_CONTEXT_V1
+from services import alfred_features  # ALFRED_FEATURES_V45
 from services import audio_settings  # ALFRED_AUDIO_SETTINGS_V1
 from services.camera import video_stream
 from services import ha_views, alfred_views_controller
@@ -29,6 +31,8 @@ STATE_LOCK = threading.RLock()
 IMAGE_REVISION = 0  # Incrémenté à chaque image envoyée par ComfyUI.
 conversation_lock=threading.Lock()
 mic_stop_event=threading.Event()
+# Service temps autonome (survit aux conversations Hermes)
+alfred_timer_store = alfred_timers.register(app, socketio, speak_async, audio_settings)  # ALFRED_TIMERS_CONTEXT_V1
 audio_settings.initialize()
 audio_settings.update_settings({"mic_gain": 30})
 # Recharge les réglages V4L2 enregistrés, sans interrompre Alfred si la webcam est absente.
@@ -107,6 +111,17 @@ def conversation(score=1.0):
         # ComfyUI publie l'image pendant cet appel Hermes.
         with STATE_LOCK:
             image_revision_before = IMAGE_REVISION
+        # ALFRED_FEATURES_V45 voice opt-in background mode
+        if alfred_features.should_run_in_background(r.text):
+            try:
+                alfred_features.submit(r.text, source='voice')
+                emit_state('idle', partial='', content={
+                    'type': 'text',
+                    'text': 'Hermes travaille sur la demande. Le résultat apparaîtra dans les cartes.'
+                })
+            except ValueError as exc:
+                emit_state('error', content={'type': 'text', 'text': str(exc)})
+            return
         answer = ask_hermes(r.text)
         print(f"[ALFRED] Réponse Hermes : {answer!r}", flush=True)
         if isinstance(answer, dict):
@@ -119,11 +134,19 @@ def conversation(score=1.0):
             speech = str(answer or "")
             display = {"type": "text", "text": speech}
 
+        # Une illustration contextuelle (Wikipédia) peut compléter la réponse Hermes.
+        # Elle n'interrompt pas la lecture TTS et ne remplace pas la scène centrale.
+        alfred_context_images.schedule_context_image(
+            r.text, speech, socketio,
+            lambda: STATE.get("transcript") == r.text,
+        )  # ALFRED_TIMERS_CONTEXT_V1
+
         # Si le MCP ComfyUI a affiché une image pendant la requête,
         # ne pas l'écraser par la réponse textuelle d'Hermes.
         with STATE_LOCK:
             if IMAGE_REVISION == image_revision_before:
                 STATE["content"] = display
+                alfred_features.publish_voice_display(display)
                 socketio.emit("alfred_render", display)
             else:
                 print("[ALFRED] Image ComfyUI conservée à l'écran", flush=True)
@@ -233,6 +256,9 @@ def camera_stream():
         headers={'Cache-Control': 'no-store', 'X-Content-Type-Options': 'nosniff'}
     )
 
+# ALFRED_FEATURES_V45 init
+alfred_features.init_app(app, ask_hermes, socketio=socketio)
+
 @app.get("/")
 def index(): return render_template("index.html",name=os.getenv("ALFRED_NAME","Alfred"))
 @app.get("/api/state")