প্রকল্প সম্পর্কে

vtmate হলো একটি শক্তিশালী, স্বয়ংসম্পূর্ণ টার্মিনাল-ভিত্তিক ভয়েস AI টুলকিট, যা স্থানীয় বা ক্লাউড-ভিত্তিক LLM-এর সাথে কম-লেটেন্সি কথোপকথনমূলক মিথস্ক্রিয়ার জন্য ডিজাইন করা হয়েছে। এটি সরাসরি স্পিচ-টু-টেক্সট (Whisper) এবং টেক্সট-টু-স্পিচ (Kokoro, Supertonic) ইঞ্জিন সংহত করে, মূল কার্যকারিতার জন্য কোনো বাহ্যিক ইনস্টলেশনের প্রয়োজন হয় না। সিস্টেমটি ৪১টি ভাষা, ভয়েস ক্লোনিং এবং পুনঃব্যবহারযোগ্য সিস্টেম প্রম্পটের মাধ্যমে বিস্তৃত এজেন্ট কাস্টমাইজেশন সমর্থন করে। মূল বৈশিষ্ট্যগুলির মধ্যে রয়েছে: - **কথোপকথন মোড**: Live (বাধাসহ ধারাবাহিক ভয়েস) এবং Push-to-Talk (PTT) মোড সমর্থন করে। ব্যবহারকারীরা প্রতিক্রিয়া বাধা দিতে, সেশন রিসেট করতে বা পূর্ববর্তী টার্ন আনডু করতে পারেন। - **বিতর্ক মোড**: দুটি AI এজেন্টের মধ্যে স্বয়ংক্রিয় বিতর্ক সক্ষম করে, ব্যবহারকারীর অংশগ্রহণও সম্ভব। - **পড়ার মোড**: টেক্সট ফাইল বা STDIN ইনপুটকে বাক্যাংশ-ভিত্তিক নেভিগেশন এবং বিরতি/পুনরায় শুরু নিয়ন্ত্রণসহ বক্তৃতায় রূপান্তর করে। - **ডেমন মোড**: ব্যাকগ্রাউন্ডে চলে, ভয়েস চ্যাটিং, নির্বাচিত টেক্সট সম্পর্কে প্রশ্ন করা, নির্বাচন জোরে পড়া বা যেকোনো অ্যাপ্লিকেশনে টেক্সট ডিক্টেট করার জন্য গ্লোবাল শর্টকাট অনুমোদন করে। - **LLM ইন্টিগ্রেশন**: স্থানীয় সার্ভার (Ollama, llama.cpp) এবং হোস্টেড প্রদানকারী (OpenAI, Anthropic, Google, ইত্যাদি) এর সাথে সামঞ্জস্যপূর্ণ। - **সেশন এক্সপোর্ট**: কথোপকথন অডিও/টেক্সট ফাইল বা প্লেব্যাকের জন্য ইন্টারঅ্যাকটিভ HTML প্লেয়ার হিসেবে সংরক্ষণ করে। ইনস্টলেশন একটি একক curl কমান্ডের মাধ্যমে সরলীকৃত, এবং টুলটি macOS, Linux এবং Windows জুড়ে পোর্টেবল। vtmate টার্মিনাল পরিবেশের জন্য একটি বিস্তৃত, অফলাইন-সক্ষম এবং অত্যন্ত কাস্টমাইজযোগ্য ভয়েস ইন্টারফেস প্রদান করে পেইড ভয়েস AI টুল প্রতিস্থাপনের লক্ষ্য রাখে।