poly-server

English · Português

Speech language detection and offline UI translation server for Poly, voice-driven interfaces for self-service kiosks.

• Speech → language with faster-whisper.
• UI translation with Argos Translate, fully offline, with an English pivot when there's no direct language pair and a persistent SQLite cache.
• Two audio modes: the server's own microphone (kiosk: screen and server on the same machine) or audio streamed from the browser.
• Nothing leaves the device: no cloud APIs.

Install

# CPU-only PyTorch first (Argos needs it); avoids ~3 GB of CUDA libraries
pip install torch --index-url https://download.pytorch.org/whl/cpu
pip install "poly-server[mic]"

The mic extra enables local microphone capture (needs PortAudio: sudo apt install libportaudio2 on Debian/Ubuntu). Skip it if audio only comes from the browser.

Run

poly-server serve                     # http://127.0.0.1:8000, local microphone
poly-server serve --no-mic            # browser audio only
poly-server devices                   # list microphones
poly-server serve --mic-device 2

Offline kiosks

Download everything once during installation, then run without network:

poly-server download --base en --languages pt,es,fr,ar,ja,zh
poly-server serve --offline

To ship the UI translations with the app, so languages switch instantly without calling the server, generate them with poly cache:

npx @swalay/poly-core cache locales/en.json --to pt,es,fr,ar,ja,zh

Configuration

Every option can be set with a POLY_* environment variable:

API

Event: { "type": "asr", "language": "pt", "confidence": 0.97, "text": "...", "latency_sec": 1.4 }

Embedding

from poly_server import Settings, create_app

app = create_app(Settings(mic=False, whisper_model="small"))

create_app also accepts custom recognizer and translator objects, to plug in another speech model or translation service.

License

MIT

Português

Servidor de detecção do idioma falado e tradução offline de interfaces para o Poly, interfaces guiadas pela voz para autoatendimento.

• Fala → idioma com faster-whisper.
• Tradução da interface com Argos Translate, 100% offline, passando pelo inglês quando não há pacote direto entre dois idiomas, e com cache persistente em SQLite.
• Dois modos de áudio: o microfone do próprio servidor (quiosque: tela e servidor na mesma máquina) ou o áudio enviado pelo navegador.
• Nada sai do aparelho: nenhuma API na nuvem.

Instalação

# PyTorch só para CPU primeiro (o Argos precisa dele); evita ~3 GB de bibliotecas CUDA
pip install torch --index-url https://download.pytorch.org/whl/cpu
pip install "poly-server[mic]"

O extra mic habilita a captura do microfone local (precisa do PortAudio: sudo apt install libportaudio2 no Debian/Ubuntu). Dispense-o se o áudio vier só do navegador.

Execução

poly-server serve                     # http://127.0.0.1:8000, microfone local
poly-server serve --no-mic            # só áudio do navegador
poly-server devices                   # lista os microfones
poly-server serve --mic-device 2

Quiosques offline

Baixe tudo uma vez na instalação e depois rode sem rede:

poly-server download --base en --languages pt,es,fr,ar,ja,zh
poly-server serve --offline

Para distribuir as traduções da interface junto com o app, e os idiomas trocarem na hora sem chamar o servidor, gere-as com o poly cache:

npx @swalay/poly-core cache locales/en.json --to pt,es,fr,ar,ja,zh

Configuração

Toda opção pode ser definida por uma variável de ambiente POLY_*:

API

Evento: { "type": "asr", "language": "pt", "confidence": 0.97, "text": "...", "latency_sec": 1.4 }

Uso embutido

from poly_server import Settings, create_app

app = create_app(Settings(mic=False, whisper_model="small"))

O create_app também aceita objetos recognizer e translator próprios, para usar outro modelo de fala ou serviço de tradução.

Licença

MIT