Голосовий помічник для персонального комп'ютера з використанням засобів штучного інтелекту

Abstract

Метою роботи є проєктування та програмна реалізація гібридного україномовного голосового асистента JARVIS для керування ОС Windows із гарантованою конфіденційністю аудіоданих на архітектурному рівні. Спроєктовано дворівневу архітектуру: локальний офлайн–шар (Vosk STT uk–v3, корекція помилок, нечітке зіставлення Левенштейна, Silero TTS v4_ua) та хмарний семантичний модуль (Claude API), що отримує виключно текстові дані без передачі аудіопотоку. Розроблено YAML–сховище з 49 командами та механізм динамічного розширення словника голосом. Реалізацію виконано мовою Python 3.11. Тестування за 19 сценаріями у двох акустичних умовах підтвердило: точність класифікації у тихих умовах –94,0 %, медіанна затримка –640 мс (локально) та 1 340 мс (LLM API), завантаження CPU –15–20 %.

The objective of this thesis is the design and software implementation of a hybrid Ukrainian–language voice assistant JARVIS for Windows OS control with guaranteed audio data confidentiality at the architectural level. A two–layer hybrid architecture is proposed: a local offline layer (Vosk STT uk–v3, error correction, Levenshtein fuzzy matching, Silero TTS v4_ua) and a cloud semantic module (Claude API) receiving text–only data without any audio transmission. A declarative YAML command store with 49 entries and a voice–driven dynamic vocabulary extension mechanism are developed. The system is implemented in Python 3.11. Functional testing across 19 scenarios under two acoustic conditions confirmed: classification accuracy in quiet conditions –94.0 %, median latency –640 ms (local) and 1 340 ms (LLM API), CPU load –15–20 %.