Алиса для Станции Мини 2

Собственный голосовой клиент для рутированной Mini 2, сервер на Node.js и пульт в Telegram. На колонке работает экспериментальный детектор, обученный локально на нескольких произнесениях «Алиса». После обнаружения он подаёт сигнал. Команду надо произнести после сигнала.

Mini 2 → WSS с PCM16 / 16 кГц → Scribe v2 Realtime
       ← WSS с PCM16 / 24 кГц ← Eleven v4 Turbo ← OpenRouter / Haiku 5.5

Scribe выдаёт промежуточный текст, а запрос к LLM начинается после подтверждения конца команды. Текстовые фрагменты из OpenRouter сразу идут в ElevenLabs, звуковые фрагменты сразу уходят на колонку. Запрос и ответ в текстовом виде сохраняются после успешного хода. Сервер держит 50 последних ходов и использует до 10 из них как контекст. Аудио сервер не пишет на диск. Облачные провайдеры обрабатывают отправленные им аудио и текст.

Запуск и проверка

npm ci
npm test
cp .env.example .env
# Заполнить .env локально
node --env-file=.env server/index.mjs

Клиент, сборка и пробный запуск описаны в station/README.md. На колонку передаётся отдельный DEVICE_TOKEN, ключи провайдеров остаются на сервере. Для интеграционного теста с реальными STT/TTS и без OpenRouter можно отдельно запустить сервер с LLM_MODE=echo.

Развёртывание

На VPS код находится в ~/projects/alice-backend. В корне проекта нужны .env с правами 0600 и каталог data/ для настроек и истории, доступный на запись UID 1000. Пример конфигурации для уже существующей Docker-сети web и Caddy лежит в deploy/.

docker compose -f deploy/compose.yaml up -d --build

Caddy проксирует голосовое соединение и /healthz на alice.pepega.systems, а пульт и API на miniapp.pepega.systems. История и редактирование настроек требуют Telegram initData с проверенной подписью и ID владельца из TELEGRAM_OWNER_ID. В пульте можно выбрать модель OpenRouter, голос и модель синтеза, изменить системный промпт и очистить историю. В текущем API распознавания в реальном времени доступна одна модель.

Протокол колонки

GET /v1/voice с WebSocket Upgrade и Authorization: Bearer <DEVICE_TOKEN>. Один ход на соединение.

1. Сервер посылает {"type":"ready"}.
2. Клиент посылает {"type":"start"}, затем бинарные блоки mono PCM16LE 16 кГц и {"type":"end"}.
3. Сервер присылает JSON partial и transcript с полем text, затем бинарные блоки mono PCM16LE 24 кГц.
4. Сервер присылает {"type":"done"} или {"type":"error","code":"…"} и закрывает соединение.

Музыка

Spotify Connect и управление музыкой пока не подключены. Для ручного Connect Spotify предлагает Soloist, которому нужны собственный ключ Spotify и PipeWire или PulseAudio на Linux. На Mini 2 штатный тракт ALSA. Правила Spotify для разработчиков запрещают использовать их инструменты для собственного голосового управления.