Esta publicación se publicó originalmente en mi blog personal (hoy desaparecido)
OpenVoiceOS (OVOS) es una plataforma de asistente de voz de código abierto e impulsada por la comunidad. Esta publicación cubre los plugins de detección de idioma, traducción y traducción bidireccional que construí para permitir que OVOS funcione en idiomas mucho más allá de los que las skills instaladas admiten de forma nativa.
Detección de Idioma a partir del Audio
OVOS identifica el idioma hablado en el audio antes de que llegue a la etapa de transcripción de ASR, permitiendo que el plugin de ASR transcriba con exactitud en lugar de adivinar. Construí varios plugins para esto:
- ovos-audio-transformer-plugin-speechbrain-langdetect
- ovos-audio-transformer-plugin-speechflow-langdetect
- ovos-stt-plugin-fasterwhisper
La detección de idioma está limitada a los idiomas listados en tu configuración de OVOS — las clasificaciones fuera de ese conjunto se rechazan, para que no cambies accidentalmente a un idioma que nadie en tu casa habla.
{
"lang": "en-us",
"secondary_langs": ["pt-pt", "fr-fr"]
}Configuración
El tamaño del modelo clasificador de idioma de FasterWhisper es configurable:
"listener": {
"audio_transformers": {
"ovos-audio-transformer-plugin-fasterwhisper": {
"model": "small"
}
}
}Traducción de Idioma de Texto
No Language Left Behind (NLLB) es el modelo de código abierto de Meta para la traducción directa de alta calidad entre 200 idiomas — incluyendo idiomas de pocos recursos como el asturiano, el luganda y el urdu. Fue ese nombre el que inspiró esta publicación.
El ovos-translate-plugin-nllb ejecuta NLLB localmente dentro de OVOS. Las skills tardan en obtener soporte nativo completo de idioma, pero con este plugin los usuarios ya no necesitan esperar — OVOS traduce los enunciados entrantes y las respuestas salientes en tiempo real, para que cualquier skill funcione en cualquiera de esos 200 idiomas.
Para hardware de menor potencia, el ovos-translate-server-plugin delega la traducción a un servidor remoto. Hay servidores públicos listados de serie; el alojamiento propio se recomienda encarecidamente por motivos de privacidad. Usar un servidor público significa confiar todos tus enunciados a su operador.
Plugins de traducción destacados:
Configuración
"language": {
"detection_module": "ovos-lang-detect-ngram-lm",
"translation_module": "ovos-translate-plugin-nllb",
"ovos-translate-plugin-nllb": {
"model": "nllb-200_600M_int8"
}
}El Plugin de Traducción Bidireccional de OVOS
El plugin de Traducción Bidireccional de OVOS une la detección y la traducción con dos etapas de pipeline: un Utterance Transformer (traduce el texto entrante al idioma configurado de OVOS) y un Dialog Transformer (traduce la respuesta de vuelta al idioma original del usuario).
El modo opcional verify_lang verifica de forma cruzada el idioma detectado del texto frente al idioma de la sesión — útil en plataformas de chat donde una única instancia de OVOS sirve a usuarios multilingües. Requiere un módulo de detección de idioma configurado en language.detection_module y un plugin de traducción (ovos-translate-plugin-nllb para local o ovos-translate-server-plugin para remoto).
Configuración
"utterance_transformers": {
"ovos-utterance-translation-plugin": {
"bidirectional": true,
"verify_lang": false,
"ignore_invalid_langs": true,
"translate_secondary_langs": true
}
},
"dialog_transformers": {
"ovos-dialog-translation-plugin": {}
}Cómo Funciona Todo en Conjunto
Cada componente es útil de forma independiente, pero se componen de forma limpia:
- Detección de idioma del audio — indica al plugin de ASR qué idioma transcribir.
- Traducción del enunciado — convierte los enunciados no nativos al idioma configurado del asistente antes de la correspondencia de skills.
- Traducción del diálogo — traduce la respuesta del asistente de vuelta al idioma del usuario antes del TTS.
El resultado: OVOS puede procesar cualquiera de los 200 idiomas de NLLB de principio a fin, sin que las propias skills necesiten traducciones.
Las contribuciones y traducciones de skills son bienvenidas en OpenVoiceOS en GitHub.