Agente de IA
ROX
Assistente de voz para Windows no estilo J.A.R.V.I.S.: acorda com duas palmas ou com a palavra "ROX", entende o pedido falado e executa no computador — muitas vezes antes de você terminar a frase.
- de resposta no caminho rápido
- 15 ms
- ferramentas no computador
- 63
Arquitetura
- Python
- Electron
- Kokoro TTS
Funcionalidades
- Ativação por palma dupla com piso adaptativo ou pela palavra "ROX", detectada localmente com Silero VAD e Whisper — sem chave de API para ouvir.
- Executa durante a fala: a transcrição parcial roda a cada segundo e um comando fechado dispara antes de a frase acabar.
- Caminho rápido que aprende: frases resolvidas pelo modelo viram atalho local (~15 ms) e não passam de novo pelo LLM; ações destrutivas ficam fora dele.
- 63 ferramentas no computador: apps e janelas, volume por aplicativo, mídia, mouse e teclado, clique em botão pelo nome, ver e ler a tela, arquivos, área de transferência, timers, lembretes e clima.
- Rotinas por horário ou por bateria ("abaixo de 20%") com janela de tolerância; lembretes disparam mesmo atrasados.
- Perfil persistente — apps usados, apelidos, correções de transcrição — e diário de conversa pesquisável; toda ação destrutiva exige confirmação explícita.
- Política de fala "ação é muda, pergunta é falada": o assistente só abre a boca quando precisa de você.
Infraestrutura
- Backend em Python 3.12 (threads + asyncio) cuidando de áudio, voz, IA, rotinas e lembretes; overlay em Electron + Three.js que não rouba o foco, ligado por WebSocket.
- Transcrição com faster-whisper em GPU (CUDA) com fallback para CPU; detecção de voz com Silero ONNX.
- Voz neural Kokoro na GPU, com Edge TTS e pyttsx3 como reservas — a última funciona sem internet.
- Raciocínio pelo Claude (Haiku por padrão, Sonnet para pedidos longos) via CLI com a cota do plano; as ferramentas são servidas por um servidor MCP local. Instalador em PowerShell com auto-start e painel de uso ao vivo.
No que ajuda
- Comandos por voz sem tocar no teclado, com resposta quase instantânea para o que é rotina — e cada vez mais coisa vira rotina.
- Reduz tarefas repetitivas — abrir programas, ajustar volume, lembrar compromissos — a uma frase.
- Escuta e transcreve localmente: o áudio não sai do computador; só o pedido já entendido vai para o modelo.
- Erra cada vez menos: correções de transcrição e apelidos ficam na memória.
Quer algo parecido?
Conte como o seu processo funciona hoje. Numa conversa rápida eu entendo o problema e envio uma proposta com escopo, prazo e valor.