Wake word, STT, और TTS के साथ voice control

Wake-word listener, configurable speech-to-text engines, और voice commands के लिए text-to-speech replies के साथ hands-free Arka उपयोग सक्षम करें।

Arka wake-word listener, कई STT engines, और TTS replies के साथ hands-free उपयोग का समर्थन करता है।

​

त्वरित शुरुआत

arka listen
# बोलें: "hey arka, what's the weather"

TTS replies default रूप से चालू हैं (AGENT_SPEAK=1)। AGENT_SPEAK=0 से अक्षम करें।

​

Wake-word listener

Listener तब तक default रूप से बंद है जब तक आप arka listen न चलाएँ। Login पर shell autostart के लिए:

AGENT_WAKE_AUTO=1

Config बदलावों के बाद restart करें:

arka reload --listen

​

STT engines

Arka स्वचालित रूप से सबसे अच्छा उपलब्ध engine चुनता है (STT=auto, LISTEN_ENGINE=auto):

प्राथमिकता	Engine	आवश्यकता
1	AssemblyAI	API key
2	Sarvam	API key (भारतीय भाषाएँ)
3	Groq	API key
4	Vosk	Local model (offline)

स्पष्ट रूप से override करें:

STT=groq
LISTEN_ENGINE=vosk

Voice extras install करें:

pip install "arka-agent[voice]"

​

TTS backends

Arka Edge TTS या Sarvam का उपयोग करके replies बोलता है:

arka speak-lang hi-IN    # हिंदी
arka speak-lang en-US    # अंग्रेज़ी

Sarvam भारतीय भाषाओं का समर्थन करता है। Edge TTS अधिकांश locales के लिए offline काम करता है।

​

Remote server

अपने PC agent के साथ phone-आधारित interaction के लिए remote STT/TTS server चलाने के लिए arka serve का उपयोग करें:

arka serve

​

Arka backend को API key के साथ उपयोग करें

Arka का remote backend आपके अपने app, script, या local frontend से भी call किया जा सकता है। Access token API key है: REMOTE_TOKEN सेट करें, server शुरू करें, फिर token को bearer token के रूप में pass करें।

# ~/.config/arka/.env
REMOTE_TOKEN=replace-with-a-long-random-token
REMOTE_HOST=127.0.0.1
REMOTE_PORT=8765

arka serve

जाँचें कि backend पहुँच योग्य है:

curl -s http://127.0.0.1:8765/v1/health

Agent endpoint call करें:

curl -s http://127.0.0.1:8765/v1/agent \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $REMOTE_TOKEN" \
  -d '{"text":"check repo health","remote_speak":false}'

Response shape:

{
  "ok": true,
  "exit_code": 0,
  "output": "...",
  "speak_text": ""
}

JavaScript से:

const response = await fetch("http://127.0.0.1:8765/v1/agent", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: `Bearer ${process.env.REMOTE_TOKEN}`,
  },
  body: JSON.stringify({
    text: "summarize this repo",
    remote_speak: false,
  }),
});

const data = await response.json();
console.log(data.output);

उपयोगी endpoints:

Endpoint	Method	उद्देश्य
/v1/health	GET	Agent चलाए बिना health check
/v1/agent	POST	API clients से Arka request चलाएँ
/v1/transcribe	POST	जब local STT कॉन्फ़िगर हो, uploaded WAV audio transcribe करें
/v1/handoff	GET/POST	Handoff items सूचीबद्ध करें या जोड़ें

Configuration:

Variable	Default	उद्देश्य
REMOTE_TOKEN	पहली arka serve रन पर generated	Authorization: Bearer ... या X-Arka-Token के लिए API key
REMOTE_HOST	0.0.0.0	Bind address; केवल-local access के लिए 127.0.0.1 उपयोग करें
REMOTE_PORT	8765	HTTP port
REMOTE_TIMEOUT	600	एक agent request के लिए अधिकतम सेकंड
AGENT_SPEAK	server-side पर 0 forced	API requests पर local TTS को बजने से रोकता है

एक सख्त inbound automation surface के लिए, इसके बजाय webhook server का उपयोग करें:

WEBHOOK_ENABLED=1 WEBHOOK_TOKEN=$REMOTE_TOKEN arka webhook serve
curl -s http://127.0.0.1:8767/v1/inbox \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $REMOTE_TOKEN" \
  -d '{"text":"summarize this deployment event","source":"ci","chat_id":"deploy-42"}'

Backend को 127.0.0.1 से bound रखें जब तक आप HTTPS, rate limits, और logs के साथ किसी trusted reverse proxy के पीछे न हों। Request bodies में provider keys न रखें; उन्हें server पर Arka के .env में कॉन्फ़िगर करें।

Troubleshooting:

लक्षण	समाधान
401 unauthorized	पुष्टि करें कि request Authorization: Bearer $REMOTE_TOKEN का उपयोग करती है और Arka ने वही .env file लोड की है
missing text	non-empty text फ़ील्ड के साथ JSON भेजें
request hangs	REMOTE_TIMEOUT कम करें, arka background processes चेक करें, और जाँचें कि Arka कौन-सा shell command चला रहा है
local काम करता है पर remotely नहीं	REMOTE_HOST=127.0.0.1 रखें और इसे HTTPS व rate limits जोड़ने वाले reverse proxy/tunnel के ज़रिए expose करें

​

Multi-turn बातचीत

Voice sessions turns के बीच context बनाए रखते हैं। “hey arka” के बाद अपना request बोलें, फिर session timeout होने तक wake word दोहराए बिना बातचीत जारी रखें।

​

Voice से memory

MEMORY_AUTODETECT=1 (default) के साथ, Arka स्वचालित रूप से voice और chat से “remember that …” phrases detect करता है:

hey arka, remember that I prefer Hindi TTS

पूर्ण voice अनुभव के लिए fish shell और voice extras install करें। सेटअप steps के लिए Quickstart देखें।