Skip to content

About

Voz local para o Claude Code: leitura das respostas, Chatterbox e Qwen3-TTS aceleradas com CUDA graphs, ouvido pelo microfone e barra de controles. Beta.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

1 Commit

Folders and files

Repository files navigation

Voz local para o Claude Code

English summary. Local voice for Claude Code on Windows: replies are read aloud through Claude Code hooks (Chatterbox, Qwen3-TTS, Kokoro or Windows voices) and you talk back by microphone (Silero VAD + Whisper, or the desktop app's dictation). Includes CUDA-graph decoders that make Chatterbox run 1.5× → 4.7× real time and Qwen3-TTS 0.5× → 3.8× (14.5× in batches) with the same audio. Five independent pieces. Beta: in development and not yet proven.

Aviso: projeto beta, em desenvolvimento e ainda não comprovado. Use por sua conta e risco.

Desenvolvido por Raul Ponce Quaresma com assistência de ferramentas de IA. Projeto independente, sem ligação com a Anthropic.

Peças

Cada peça tem a sua pasta, o seu README e a sua instalação. Instale só as que quiser.

Peça O que faz Depende de
leitor/ Lê as respostas do Claude Code em voz alta, por ganchos (hooks). Tem quatro motores: Chatterbox, Qwen3-TTS, Kokoro e a voz do Windows Nada. Cada motor tem o seu ambiente
chatterbox-rapido/ Decodificação da Chatterbox com KV-cache estático e CUDA graphs: de 1,5× para 4,7× o tempo real, com o mesmo áudio Só da Chatterbox. Com o leitor, liga com "chatterboxRapido": true
qwen-rapido/ O mesmo para a Qwen3-TTS: de 0,5× para 3,8× numa frase e 14,5× num lote de 6 Só da Qwen3-TTS. Com o leitor, liga com "qwenRapido": true
ouvido/ Escuta o microfone e envia o que você fala depois de "Claude, ...". Funciona numa sessão de terminal (canal MCP) ou no app desktop Terminal: nada. Modo app: os entregadores da barra
barra/ Botões e barra lateral para ligar e desligar a conversa, a leitura e o microfone, mais os entregadores para o app desktop Do leitor e do ouvido

Destaques

  • Tudo roda no PC. Nenhum texto ou áudio sai da máquina. A única exceção é o motor "app" do ouvido, que usa o ditado do próprio app e manda o áudio para a Anthropic.
  • Chatterbox 3,1× mais rápida:
    • de 1,49× para 4,67× o tempo real;
    • de 24 para 6,6 ms por token;
    • o primeiro som sai em 0,6–1,1 s.
    • Com a mesma semente, o áudio sai idêntico ao original.
  • Qwen3-TTS 7× mais rápida:
    • de ~150 para 19 ms por quadro de 80 ms;
    • o sorteio e o code predictor fazem exatamente as mesmas contas que o original;
    • a primeira frase começa a tocar ~0,5 s depois do pedido.

Medido numa RTX 4070 Ti SUPER (16 GB).

Instalação

Todas as peças vão para a pasta %USERPROFILE%\.claude\voz\:

No repositório Na máquina
leitor\* voz\ (o leitor\qwen\instalar.ps1 vai para voz\qwen\)
chatterbox-rapido\chatterbox_rapido.py e chatterbox-rapido\testes\ voz\ e voz\chatterbox\testes\
qwen-rapido\qwen_rapido.py e qwen-rapido\testes\ voz\ e voz\qwen\testes\
ouvido\* voz\
barra\botoes\* voz\botoes\

Os detalhes de cada peça estão no README dela.

  • Requer Windows 10/11 e PowerShell 5.1.
  • A Chatterbox, a Qwen e o Whisper pedem uma placa NVIDIA com CUDA.
  • O Kokoro e a voz do Windows rodam na CPU.

Créditos e licença

  • O código deste repositório: MIT. Veja LICENSE.
  • Os modelos e bibliotecas usados são de terceiros, não vêm junto e mantêm as suas licenças. Veja NOTICE.md.

About

Voz local para o Claude Code: leitura das respostas, Chatterbox e Qwen3-TTS aceleradas com CUDA graphs, ouvido pelo microfone e barra de controles. Beta.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages