Intérprete en vivo

Transcribe y traduce en tiempo real las dos voces de una llamada OPI (el LEP y su cliente) que se reproduce por el altavoz o monitor de la PC. Pensado para el flujo de trabajo de Kenny: el LEP habla español, el cliente habla inglés, y la herramienta muestra cada intervención original y traducida al instante en un panel del navegador.

Esta versión (rama master) es la más funcional y estable hasta el momento. Es un rollback: las últimas versiones experimentales (v48–v51, ramas windows y panel-notas-ingles) no convencieron y quedaron fuera. Aquí se documenta y se sube la versión de trabajo real.

---

Cómo funciona

Pipeline de un solo hilo que recorre: captura → Whisper → traducción → panel web.

        PipeWire                    faster-whisper                DeepL / OPUS-MT           Brave
 audio monitor ──tellpcm──► Segmenter ──► transcribe() ──► translate() ──► WebSocket ──► index.html
 (parec)         corta por silencio     (vad)             (3 traductores)   (ws://:8765)   paneles

1. Captura (captura.py): parec se engancha al monitor del sink por defecto de PipeWire (lo que suena por la PC, no por el micrófono). Un Segmenter corta el audio en intervenciones por umbral de volumen + silencio (1s de hueco cierra la frase). Si parec muere a mitad de llamada (cambio de dispositivo, hipo del sistema) se relanza solo — una llamada puede durar horas.

2. Transcripción (motor.transcribe): faster-whisper con vad_filter para descartar tramos sin voz y no_speech_prob < 0.6 para filtrar alucinaciones (texto fantasma). El audio se normaliza a ~0.95 de escala, porque el monitor del altavoz suele llegar flojo. La llamada es solo inglés o español: lo que no es inglés se fuerza a español (Whisper confunde el español con otras lenguas romances). Hay dos modelos: el preciso (large-v3, default) y el rápido (small), conmutables en vivo sin reiniciar.

3. Traducción (motor.translate): cascada de traductores con copia de seguridad automática:

   • DeepL (primario, TRADUCTOR=deepl): varias cuentas en cascada (DEEPL_API_KEYS=nombre=key,...), con breaker anti-429 (una key que devuelve 429 descansa 10s y salta a la siguiente). context conecta frases de un mismo hilo. Usa la API free (api-free.deepl.com).
   • OPUS-MT local (motor.local_translate): sobre CTranslate2 en CPU (int8, 15–80ms). Ilimitado, sin red y sin throttle. Se usa para los captions provisionales (cero peticiones a DeepL) y como red de seguridad de finales. Modelos en modelos/ (306MB, fuera de git).
   • Gemini (gemini_translate): último recurso (free tier ≈ 20 peticiones/día, casi nunca disponible). Mantiene un prompt de estilo (estilo_glosario.md) y devuelve resaltados (números, direcciones, nombres, fechas) que DeepL no marca y se generan localmente.

4. Hilo de las ideas (servidor.hilo_decidir): frases seguidas del mismo idioma continúan la misma idea: se re-traduce el hilo completo y la fila anterior se actualiza conectada. Habla el otro idioma, pasan 45s, o el hilo supera 600 caracteres → idea nueva. Esto mantiene el sentido de lo que dice el cliente en inglés, en lugar de fragmentos sueltos.

5. UI (index.html): abierta por interprete.sh en Brave vía WebSocket (ws://localhost:8765). Paneles movibles que muestran el original y la traducción de cada intervención en vivo, más herramientas de apoyo durante la llamada.

Paneles de la UI

• Feed en vivo: las intervenciones originales (en su idioma) y traducidas, con la hora. Botones: captions provisionales, toggle preciso/rápido, apagado de transcripción, tijera ✂ (cierra a mano la idea actual), y ⚠ para reintentar una fila que se quedó sin traducir.
• Notas: apuntes en tiempo real, persisten en localStorage.
• Panel ⏱ tiempos: registrar la duración de cada llamada; totales de hoy/semana/mes.
• Deletrear 🔤: escribe una palabra y muestra su pronunciación (fonética hispana), el alfabeto OTAN y la letra por letra.
• Chuleta 🔢: referencia rápida móvil.
• Ajustes ⚙: ver el consumo por cuenta DeepL (barras) y las opciones de copiado.
• Pronunciación: clic en una palabra de los paneles deletrea/pronuncia.

Requisitos del sistema

• Linux con PipeWire y las herramientas de PulseAudio (pactl, parec — paquete pulseaudio-utils en Arch/CachyOS).
• Python 3.12 (faster-whisper no instala en 3.14). Usar python3.12 -m venv venv.
• Brave (u otro navegador) para mostrar la UI.
• CPU moderna (corre en CPU por defecto con el modelo small). GPU NVIDIA opcional con WHISPER_DEVICE=cuda si cuBLAS/cuDNN están disponibles; en ese caso el interprete.sh configura el LD_LIBRARY_PATH y detiene voxtype para liberar VRAM.
• Traductor local OPUS-MT: requiere sentencepiece y los modelos en modelos/ (se descargan on-demand; si faltan, la app cae a DeepL sin romperse).

Instalación y configuración local

# 1. Entorno de Python (usar 3.12 — importante)
python3.12 -m venv venv
./venv/bin/pip install -r requirements.txt

# 2. Crear el archivo de configuración con tus claves
#    (NO se versiona: está en .gitignore). Copia las claves que necesites.

Variables del .env (se leen al arrancar interprete.sh):

Variable	Obligatoria	Qué hace
WHISPER_MODEL	no (default small)	Modelo de transcripción: tiny→medium (más grande = más preciso, más lento). El "preciso" usa large-v3 por defecto.
WHISPER_MODEL_RAPIDO	no (default small)	Modelo del modo rápido.
WHISPER_DEVICE	no (default cpu)	cpu o cuda (GPU NVIDIA con cuBLAS/cuDNN en el venv).
DEEPL_API_KEYS	sí	Claves DeepL en cascada: nombre=key,nombre=key,... (varias cuentas dan más cuota).
TRADUCTOR	no (default deepl)	Traductor primario: deepl o gemini. El local es red de seguridad.
GEMINI_API_KEY	opcional	Clave de Gemini (último recurso; free ≈ 20/día). Requerida también como fallback si no hay DeepL.

Ejemplo .env:

WHISPER_MODEL=small
WHISPER_DEVICE=cpu
TRADUCTOR=deepl
DEEPL_API_KEYS=micuenta=xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
GEMINI_API_KEY=

Uso

./interprete.sh

El script: lee .env, abre la UI en Brave, y arranca servidor.py escribiendo el log en interprete.log (que no se versiona). La llamada se reproduce por el altavoz/PC y la herramienta la transcribe y traduce en vivo.

Nota de privacidad: respaldos/ e interprete.log llevan datos de llamadas reales (transcripciones, notas, horas, nombres de cuentas) y por eso están en .gitignore.

Tests

./venv/bin/python -m pytest

Los .mjs del frontend (tiempos, chuleta) se corren aparte con node.

Historial de versiones

Ver VERSIONES.md (bitácora v1–v44 + chuleta). La versión funcional actual es el rollback a v44 + panel Chuleta.