---
title: IOAI
emoji: 🎙️
colorFrom: green
colorTo: blue
sdk: gradio
sdk_version: 5.23.1
app_file: app.py
python_version: "3.10"
pinned: false
license: mit
short_description: Any sound as speech — transcribe & respond in same timbre
---

# IOAI — Interactive Omnivocal Audio Interpreter

Интерактивная аудиомодель для **бесплатного CPU-тарифа** Hugging Face Spaces.

## Концепция

Любой входящий звук читается как речевое высказывание. На выходе:

1. **Текстовая транскрипция** — что звук «сказал»
2. **Звуковой ответ** — собран из зёрен входного сигнала (тот же тембр)

## Архитектура (free tier)

```
Входной звук
    → Perceive   (Whisper tiny, CPU)
    → Interpret  (Qwen2.5-0.5B для речи, шаблоны для шума/тишины)
    → Synthesize (речь espeak+тембр или гранулы из входа)
```

## Локальный запуск

```bash
pip install -r requirements.txt
python app.py
```

## Переменные окружения

| Переменная | По умолчанию | Описание |
|---|---|---|
| `IOAI_WHISPER_MODEL` | `tiny` | Модель faster-whisper |
| `IOAI_LLM_MODEL` | `Qwen/Qwen2.5-0.5B-Instruct` | Лёгкая LLM для диалога |
| `IOAI_LLM_ENABLED` | `1` | `0` — только шаблоны |
| `IOAI_LLM_MAX_NEW_TOKENS` | `80` | Длина ответа LLM |
| `IOAI_WORK_DIR` | temp | Рабочая папка |

## Ограничения free tier

- CPU only, без GPU
- Макс. длина входа: 15 с
- LLM — Qwen2.5-0.5B на CPU (~5–15 с на ответ после загрузки)
- Для шума/тишины — по-прежнему шаблоны и гранулы
- Первый холодный старт дольше: загрузка Whisper + Qwen