Controle por voz

Controle o OpenTraderWorld com a voz, ou dite em qualquer campo de texto. Somente push to talk: o microfone abre quando você pressiona e fecha quando solta. Nada escuta no meio-tempo.

Vem desligado por padrão. Ative em Configurações → Voz e atalho → Fala e atalho.

O microfone precisa de HTTPS ou localhost

Os navegadores só dão o microfone (e o reconhecimento de fala embutido) a uma página em uma origem segura: uma página servida por HTTPS, ou aberta em localhost. Isto é uma regra do navegador, não do OpenTraderWorld, e nenhuma configuração do app pode suspendê-la.

Como você abre o OTW	A voz funciona?
Na máquina que o executa, http://127.0.0.1:5454 ou http://localhost:5454	Sim
Modo LAN + HTTPS ou Público	Sim
Modo Rede local (LAN) em HTTP simples, a partir de outro dispositivo	Não, o navegador esconde o microfone

Para usar a voz a partir de um celular ou de outro computador da sua rede, troque Configurações → Rede para LAN + HTTPS. Em HTTP simples a página de configurações de voz mostra um aviso e o botão do microfone explica por que não consegue iniciar.

Dois atalhos, dois modos

	Padrão	O que acontece com o que você diz
Comando	Alt+V (⌥V no Mac)	Vira um plano de ações, mesmo com um campo de texto em foco.
Ditado	Alt+Shift+V (⌥⇧V)	É digitado, palavra por palavra, no campo de texto em foco. Nunca é lido como comando.

Segure o atalho enquanto fala, solte para terminar, Esc para cancelar. O microfone na barra superior sempre executa comandos: clique para começar, clique de novo para parar, ou segure-o como um walkie-talkie.

Os dois atalhos podem ser alterados em Configurações → Voz e atalho → Fala e atalho. Cada um precisa de Ctrl, Alt ou ⌘ (ou uma tecla de função F1 a F12), para nunca atrapalhar a digitação normal, e os dois devem ser diferentes.

Motor de fala

O motor transforma sua gravação em texto. Escolha um em Configurações → Voz e atalho → Fala e atalho.

Motor	Configuração	Para onde vai o áudio
Este navegador	nenhuma	O serviço de fala do fabricante do navegador (Google para Chrome, Microsoft para Edge, Apple para Safari). Não disponível no Firefox.
Whisper auto-hospedado	o serviço incluído, veja Exemplo: Whisper auto-hospedado	Fica na sua máquina
Servidor whisper.cpp	seu próprio servidor, o endpoint /inference dele	Fica no seu servidor
OpenAI / Groq	uma chave de API (colada ou conectada do Cofre)	Enviado a esse provedor
Outro	qualquer servidor que exponha a API /audio/transcriptions da OpenAI	Esse servidor

Com um motor de servidor, o navegador grava, converte o áudio em um pequeno arquivo WAV e o OTW o repassa ao motor. Testar envia meio segundo de silêncio para verificar a URL, a chave e o modelo. As chaves são criptografadas em repouso e nunca são devolvidas ao navegador.

Exemplo: Whisper auto-hospedado, do zero

O serviço Whisper incluído é opcional e não é iniciado por um simples up. Os passos 1 a 3 são feitos uma vez: o modelo é mantido no volume whisper-cache entre reinícios.

1. Inicie o serviço, a partir da raiz do repositório:

docker compose -f deploy/docker-compose.yml --env-file deploy/.env --env-file deploy/network.env --profile voice up -d whisper
docker logs -f opentraderworld-whisper-1

Espere por Uvicorn running on http://0.0.0.0:8000, depois Ctrl+C. A porta só é acessível pelo OTW dentro do Docker, não pelo seu navegador, e isso é intencional.

2. Baixe o modelo (cerca de 500 MB, alguns minutos):

docker exec opentraderworld-whisper-1 python -c "import urllib.request;print(urllib.request.urlopen(urllib.request.Request('http://localhost:8000/v1/models/Systran/faster-whisper-small',method='POST'),timeout=1800).read())"

3. Verifique se está instalado: a resposta deve listar Systran/faster-whisper-small.

docker exec opentraderworld-whisper-1 python -c "import urllib.request;print(urllib.request.urlopen('http://localhost:8000/v1/models').read())"

4. Conecte-o ao OTW. Abra o app em http://localhost:5454 (ou por HTTPS, veja acima), depois Configurações → Voz e atalho → Fala e atalho:

1. Adicionar motor, predefinição Whisper auto-hospedado: ela preenche http://whisper:8000/v1 e Systran/faster-whisper-small.
2. Salvar e testar: o motor mostra Funciona · … ms.
3. Selecione o motor, depois ligue o interruptor no topo. Opcionalmente defina o Idioma.

5. Experimente: segure ⌥V / Alt+V, diga "open journal", solte, pressione Enter. Para ditado, clique em um campo de texto e segure ⌥⇧V / Alt+Shift+V.

A primeira transcrição após um reinício é mais lenta enquanto o modelo carrega na memória.

Comandos de voz

Configurações → Voz e atalho → Comandos de voz: um comando é uma frase (mais outras formas de dizê-la) e uma lista ordenada de passos:

• Abrir uma página: um módulo, o dashboard ou as Configurações.
• Perguntar ao agent: um prompt enviado ao assistente flutuante, que age com suas próprias ferramentas.
• Executar um workflow: iniciar um workflow do Automator.
• Tema, Ocultar valores: o mesmo que os botões da barra superior.
• Falar: ler uma frase em voz alta.

Uma frase só dispara quando é dita sozinha, nunca como uma palavra dentro de uma frase: ditar "a blue turtle" não executa o seu comando turtle.

Embutidos, sem configuração

• "open <page>" ("ouvre <page>", "öffne <Seite>", "abre <página>", "apri <pagina>", "打开 <页面>") abre qualquer módulo instalado, o dashboard ou as Configurações. Um nome que corresponda a várias páginas é recusado com a lista, nunca adivinhado.
• Com Entregar o restante ao agent ligado, tudo que nenhum comando reconhece vai ao assistente como um único pedido.

Encadeamento

Diga várias coisas de uma vez, ligadas por e ou depois (and, then em inglês, e assim por diante, seguindo a configuração de Idioma). Uma vírgula na transcrição também divide:

"turtle, then open settings and compare AAPL and MSFT"

executa o seu comando turtle, abre as Configurações e depois pede ao agent para "compare AAPL and MSFT". Os pedaços restantes lado a lado são mantidos juntos, então o agent recebe o pedido inteiro.

Confirmação

Todo plano é mostrado antes de rodar: o que foi ouvido, cada passo e de onde veio. Enter executa, Esc cancela. Os passos rodam em ordem e o plano para na primeira falha, nomeando o passo.

Um comando pode ser marcado como Executar sem confirmação. Vem desligado por padrão, e só vale quando aquela frase é dita sozinha: encadeada com qualquer outra coisa, o plano ainda é mostrado antes. Os passos do agent mantêm a confirmação própria do assistente para toda escrita.

Bom saber

• O assistente fica oculto na página Agent, então um plano com um passo de agent não pode rodar a partir dali.
• Ler o resultado em voz alta usa as vozes do próprio navegador: sem configuração, nenhum áudio sai do navegador.
• A demo pública mostra as páginas de voz somente para leitura: ela não salva configurações nem envia áudio.
• Seu próprio proxy reverso na frente do OTW não deve bloquear o microfone: o cabeçalho Permissions-Policy dele precisa de microphone=(self). Com microphone=() o navegador recusa de imediato, sem perguntar.