Newer
Older
gnexus-book / 10-systems / workstations / gmikcon-pc.md

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%)
  • GPU: NVIDIA RTX 3090 24GB (driver 615.78.08)
  • Локальный Ollama :11434 — gemma4:e2b-it-qat, qwen3.6:35b(-128k), nomic-embed-text

Сервисы (подъём одним скриптом: ~/voice-pipeline/boot129.sh — idempotent, НЕ использовать start-zonos2.sh повторно — он качает модели в models/)

zonos2-server (TTS) — :1919

  • zonos2.cpp prebuild v0.5.2 в /home/gmikcon/zonos2/ (прямой запуск: ./zonos2-server zonos2-q6_k.gguf --gpu --host 0.0.0.0 --port 1919 --tts-default-voices-dir default_voices)
  • Модели в корне ~/zonos2 (q6_k 6786454400 B, dac 254172448, spk-encoder 24299552); RTF ~0.45
  • Спикеры: default_* (AmF/AmM/BrF) + клон-спикеры (только в своей X-TTS-Session-ID); клон из AmericanMale.mp3 зарегистрирован как spk_0000000001 в сессии «orchpipe»

Производственный профиль (в orchestrator.py)

  • Endpoint /tts/generate: language=ru, speaker_embedding_id=default_80050000b2773f20, clean_speaker_background=true, temperature=0.6, topk=100, top_p=0, min_p=0.15, repetition 1.2/50/8, max_tokens=1200, fade_out_ms=20, accurate_mode=true, quality/speaking_rate OFF, stream=false (сырой float32 44.1k, НЕ WAV), seed=42 (guard меняет seed при разносе)
  • Guard разноса: ожид. длительность ≈ len(text)/14 с; факт > 2.5×+0.5с → один реген с alt seed
  • НЕ использовать /v1/audio/speech: серверные дефолты дают разнос; v1+зажатый сэмплинг даёт неразборчивое аудио (Whisper: «.», «вот вот»)
  • Квирк сборки: default-спикеры не пинуют тембр жёстко — seed доминирует (Praat: seed 42→344Гц, 777→112Гц на AmM); clean_speaker_background=true стабилизирует MALE (~113-119 Гц в чистых генерациях). Метрики f0/мел ненадёжны (октавы, интонация, громкость) — финальный арбитр тембра: ухо владельца.

orchestrator.py — WS :9199

  • venv py3.14 (faster-whisper large-v3-turbo cuda, webrtcvad, websockets; LD_LIBRARY_PATH на venv nvidia-libs обязателен)
  • Цепочка: VAD → STT → Ollama gemma4:e2b → чанк-TTS по предложениям
  • Анти-дубли (2026-11-04): mic-gate в demo.html (клиент глушит отправку, пока играет TTS, +500мс хвост); сервер отбрасывает сегменты <0.4с и транскрипты <4 симв; HANGOVER_MS=500 (было 300)
  • Рестарт: kill и start РАЗДЕЛЬНЫМИ ssh-вызовами (pkill -f '[o]rchestrator.py' матчил собственную команду и убивал её; [o] ломает самоматч)
  • E2E: ./venv/bin/python3 test_e2e.py; после анти-дубль-патча: ровно 1 цикл, чанки Whisper-верифицированы дословно

Демо-UI — http://192.168.1.129:9090/demo.html

  • mic-gate встроен; Chrome для LAN-http: флаг unsafely-treat-insecure-origin-as-secure

Инциденты

  • 2026-11-04 ~03:15: GPU-клин при стресс-тестах TTS (NVRM Xid 56, vk::DeviceLost при рестарте сервера) — вылечено ребутом по команде владельца; стек восстановлен boot129.sh за ~1 мин. Причина Xid 56: неоднократные одновременные CUDA (ctranslate2) + Vulkan (ggml) нагрузки.
  • GOTCHA: scp-действие ssh_exec багует («multiple values for host») — передавать файлы через base64-пайп по ssh.

Доступ

SSH gmikcon@192.168.1.129, пароль в gnexus-creds secret cfc8ee47-6bde-4155-a45b-1da8f1b40685 (SSH=sudo). GOTCHA: faillock после серии неверных попыток — таймаут ~4-5 мин.

История

  • 2026-11-04: сборка TTS-стадии (zonos2, en/ru/uk, клонирование), оркестратор, E2E_OK, демо-UI
  • 2026-11-04: фикс разноса (профиль temp0.6/seed42, guard) — E2E ×2 чист
  • 2026-11-04: фикс дублей (эхо-петля микрофона): mic-gate + drop-филты + hangover 500мс; прод-путь откат на /tts/generate (v1 неразборчив); пин спикера + clean_speaker_background; GPU Xid 56 → ребут, boot129.sh