title: gmikcon PC — AI workstation (voice pipeline) type: workstation environment: home status: active owner: gmikcon confidence: high review_interval: 180d last_reviewed: 2026-11-04 reviewed_by: navi rei
source_of_truth: ssh-host
gmikcon PC (192.168.1.129)
Оборудование и ОС
- Arch Linux (rolling), kernel 7.2.11-arch1-1, hostname
gmikcon
- 62 GiB RAM; NVMe 468G, used 362G (82%), free ~83G
- nginx 1.30.6 на :80 (vhost-конфиг /etc/nginx/conf.d/local-sites.conf, .local-сайты из /srv/http)
- GPU: NVIDIA GeForce RTX 3090 24GB
- Локальный Ollama: /usr/local/bin/ollama serve (root, systemd-less, autostart), :11434 — модели qwen3.6:35b-128k (22.6GB), qwen3.6:35b (22.6GB), gemma4:e2b-it-qat (4.3GB), nomic-embed-text (0.3GB)
Роль
Рабочая AI-станция в home LAN. Голосовой пайплайн (STT→LLM→TTS), будущее ядро аватара.
Сервисы
zonos2-server (TTS) — :1919
- zonos2.cpp prebuild v0.5.2 в
/home/gmikcon/zonos2/ (zonos2-server, zonos2-cli, dac-cli, spk-encoder-cli, quantize-cli, start-zonos2.sh)
- Модели:
zonos2-q6_k.gguf 6786454400 B, dac.gguf 254172448 B, spk-encoder.gguf 24299552 B
- GPU backbone q6_k (~11.7GB VRAM), RTF ~0.45
- OpenAI-совместимый: POST /v1/audio/speech {model:"zonos2", input, voice, response_format:"wav"}
- Клонирование голоса: POST /tts/speakers JSON {label, speaker_audio_base64 (data-URL), speaker_audioname} + header X-TTS-Session-ID → speaker `spk*`; список сессийных спикеров виден только с тем же header (multipart НЕ работает)
- Дефолтные спикеры: default_ad689b18cfb01a0d (AmericanFemale), default_80050000b2773f20 (AmericanMale), default_6adf52c0e46c9566 (BritishFemale)
- Тестовые WAV: /home/gmikcon/zonos2/test_ru.wav, test_uk.wav, test_clone.wav, test_clone_ru.wav
orchestrator.py (голосовой пайплайн) — WS :9199
- Каталог
/home/gmikcon/voice-pipeline/ (venv py3.14: faster-whisper 1.2.1, ctranslate2 4.8.5, av 19.0.2, websockets, webrtcvad, numpy; setuptools<81 обязателен для webrtcvad/pkg_resources)
- Запуск:
~/voice-pipeline/start.sh (поднимает orchestrator + демо-UI; оркестратору нужен LD_LIBRARY_PATH на venv nvidia-библиотеки, иначе ctranslate2 не найдёт libcublas.so.12)
- Цепочка: webrtcvad VAD (30мс кадры, RMS>300, hangover 300мс, pre-roll 300мс) → faster-whisper large-v3-turbo (cuda, int8_float16, autolang) → Ollama gemma4:e2b-it-qat (локальный, think:false) → чанк-синтез по предложениям через :1919
- Протокол WS: клиент шлёт бинарные PCM16 mono 16kHz кадры; сервер отвечает {"type":"transcript"|"answer","text":...}, {"type":"tts_chunk","index":n,"b64":wav-base64}
- E2E-тест:
./venv/bin/python3 test_e2e.py (кормит test_ru.wav, проверяет транскрипт, ответ LLM, чанки; 2026-11-04 E2E_OK: конец речи → первый аудиочанк ~1.5с, STT 6.2с-аудио за 0.95с)
web/demo.html + python3 -m http.server 9090 (user-space, без правок nginx): кнопка «Говорить», стрим mic PCM16 16k в WS, чат-пузыри, воспроизведение tts_chunk по очереди. WS-адрес берётся из location.hostname.
- Требования: браузер с getUserMedia (https или localhost — для LAN IP в Chrome нужно включить unsafely-treat-insecure-origin-as-secure http://192.168.1.129:9090)
Доступ
SSH gmikcon@192.168.1.129, пароль в gnexus-creds secret cfc8ee47-6bde-4155-a45b-1da8f1b40685 (пароль SSH=sudo). GOTCHA: faillock после серии неверных попыток — таймаут ~4-5 мин.
История
- 2026-10-01: записана как выключенная (stale-информация, хост жив)
- 2026-11-04: navi rei — zonos2.cpp v0.5.2 + модели, TTS-сервер :1919 (en/ru/uk + клонирование OK), faster-whisper STT в ~/voice-pipeline/venv (cuda, ru 0.95с/6.2с-аудио, uk 0.27с), оркестратор WS :9199 (VAD→STT→LLM gemma4:e2b→чанк-TTS), E2E_OK, демо-UI :9090