Automatizar

Voz

ObsyGPT habla y escucha, y todo el procesamiento de voz es local: ni la transcripción ni la síntesis salen de tu infraestructura.

Hablar con el agente (STT)

En el composer, mantén pulsado el micrófono (push-to-talk): tu nota de voz se transcribe con faster-whisper y se envía como texto al agente.

Respuestas habladas (TTS)

Pulsa el altavoz en cualquier respuesta: ObsyGPT la sintetiza con Piper (voz en español) y te la reproduce. El Markdown se limpia antes de sintetizar para que no escuches asteriscos ni cabeceras.

Configuración (opcional)

Todas las variables tienen valores por defecto sensatos:

Variable	Por defecto	Descripción
VOICE_STT_MODEL	medium	Modelo de Whisper (small más rápido, large-v3 más preciso pero lento en CPU)
VOICE_STT_LANGUAGE	es	Idioma de transcripción
VOICE_TTS_VOICE	es_ES-sharvard-medium	Voz de Piper
VOICE_LENGTH_SCALE / VOICE_NOISE_SCALE / VOICE_NOISE_W_SCALE	—	Ritmo y variación de la voz

Los modelos de Whisper y la voz de Piper se descargan una sola vez al arrancar (volumen obsygpt_voice_data) y el backend los calienta en segundo plano.

En Telegram el ciclo completo es automático: le envías un audio, recibes un audio de vuelta.