🤖 Modulares Sprachassistent-Ökosystem

Ein vollständiges, modulares Sprachassistenten-System bestehend aus lokalem Hardware-Backend (arm kompatible) und Cross-Platform Client-Apps (Desktop/Mobile) mit moderner Web-GUI, KI-Integration und Automatisierung.

🏗️ Systemarchitektur

Das Ökosystem besteht aus zwei Hauptkomponenten, die nahtlos zusammenarbeiten:

🔧 Hardware-Backend (Lokales System)

Raspberry Pi/Odroid-basiertes Backend mit lokaler STT/TTS und KI-Integration

📱 Client-Apps (Cross-Platform)

Electron Desktop-App und Cordova Mobile-App für universellen Zugriff

Klicken zum Einblenden des Architekturdiagramms

flowchart TB
  subgraph Clients
    Desktop[Desktop App]
    Mobile[Mobile App]
    WebGUI[Web GUI]
  end

  subgraph LocalBackend
    subgraph Interface
      Mic400[Mikrofon]
      GUI400[Lokale GUI]
    end

    subgraph AudioNode
      STT[STT Engine]
      TTS[TTS Engine]
      IntentRouting[Intent Routing]
      Skills[Lokale Skills]
    end

    subgraph Gateway
      Flowise[Flowise]
      n8n[n8n]
    end
  end

  subgraph CloudServer
    ServerFlowise[Flowise Full]
    ServerN8n[n8n Backend]
    ServerLLM[Lokale LLMs]
  end

  %% Connections
  Desktop -.->|WebSocket/HTTP| AudioNode
  Mobile -.->|WebSocket/HTTP| AudioNode
  WebGUI --> AudioNode

  Mic400 --> AudioNode
  GUI400 <--> AudioNode

  AudioNode -->|Complex Queries| Gateway
  Gateway -->|Heavy Tasks| CloudServer

  IntentRouting -->|Simple Tasks| Skills
  IntentRouting -->|Complex Tasks| Flowise

  %% Network
  subgraph Network
    VPN[Headscale VPN]
  end

  Clients -.-> VPN
  LocalBackend -.-> VPN
  CloudServer -.-> VPN

✨ Features

🎯 Kernfunktionen

🎤 Lokale Spracheingabe mit faster-whisper STT
🧩 Vereinheitlichter WebSocket-Server spricht JSON v1 und Binary v2
🔊 Flexible TTS-Engines mit Piper, Kokoro & Zonos + Realtime-Switching
🧠 Intelligentes Routing zwischen lokalen Skills und Cloud-LLMs
🌊 Moderne animierte UI mit konfigurierbaren Effekten
🔄 Automatisierung mit n8n Workflows
🔐 Sichere Vernetzung über Headscale VPN

🏠 Hardware-Backend Features

Lokale STT/TTS ohne Cloud-Abhängigkeit
Modulare Architektur auf mehreren Raspberry Pi/Odroid
FlowiseAI Integration für LLM-Agent-Routing
n8n Workflows für Workflow-Automation
Intent-basiertes Routing (lokal vs. remote)
Wakeword-Erkennung mit RaspOVOS

📱 Client-App Features

🖥️ Desktop (Electron)

Native Menüs und Keyboard-Shortcuts
System Tray Integration für Background-Betrieb
Multi-Platform (Windows, macOS, Linux)
Auto-Updates mit electron-updater
Drag & Drop Support

📱 Mobile (Android/Cordova)

Touch-optimierte UI mit Haptic Feedback
Background-Mode für kontinuierliche Nutzung
Native Permissions Management
Push-Benachrichtigungen
PWA-Features mit Service Worker

🎤 TTS Engine-Switching (NEU!)

Das System unterstützt jetzt flexibles Text-to-Speech mit Echtzeitwechsel zwischen verschiedenen TTS-Engines:

🔊 Piper TTS (Deutsche Stimmen)

Hochqualitative deutsche Stimmen mit natürlicher Aussprache
Optimiert für deutsche Sprache und Sonderzeichen (ä, ö, ü, ß)
Verschiedene Stimm-Modelle: thorsten, kerstin, eva_k, ramona, karlsson
Offline-Verarbeitung ohne Cloud-Abhängigkeit
ARM-optimiert für Raspberry Pi
Final guard entfernt kombinierende Zeichen (U+0300–U+036F) vor der Synthese
Debug: PIPELINE_DEBUG_SANITIZE=1 protokolliert entfernte Zeichen

🌍 Kokoro TTS (Mehrsprachig)

Kompakte Engine (~80MB quantisiert) mit schneller Inferenz
Internationale Stimmen für Englisch und andere Sprachen
Natürliche Sprachsynthese mit emotionaler Nuancierung
Stimmen-Auswahl: af_sarah, af_heart, af_sky, af_nova, af_alloy, etc.
Schnelle Verarbeitung ideal für responsives UX

🔄 Realtime-Switching Features

Nahtloser Engine-Wechsel während der Laufzeit
GUI-Integration mit TTS Control Panel
Per-Request Engine-Auswahl in WebSocket API
Performance-Monitoring mit Latenz-Tracking
Automatische Fallback-Mechanismen bei Engine-Fehlern

// Beispiel: Engine wechseln per WebSocket
{
  "type": "switch_tts_engine",
  "engine": "kokoro"  // oder "piper"/"zonos"
}

// Beispiel: Spezifische Engine für Text
{
  "type": "text",
  "content": "Hello world",
  "tts_engine": "kokoro",
  "tts_voice": "af_sarah"
}

📈 Performance-Vergleich:

Piper: Höhere Qualität deutsche Texte (~100-200ms)
Kokoro: Schnellere Verarbeitung mehrsprachig (~50-150ms)
Auto-Switching: Optimale Engine basierend auf Textsprache

🛠 Installation: ./scripts/install-kokoro.sh für automatisches Setup

🛠 Technologie-Stack

Hardware-Backend

🎤 STT: Faster-Whisper – lokale Speech-to-Text
🔊 TTS: Piper TTS, Kokoro TTS & Zonos – Flexible Text-to-Speech Engines
🗣 Voice OS: RaspOVOS – Wakeword-Erkennung
🧠 LLM-Routing: FlowiseAI – No-Code Agent-Flows
🔁 Automation: n8n – Workflow-Automatisierung
🔐 Networking: Headscale – sicheres privates VPN

Client-Apps

Komponente	Desktop	Mobile	Web
Framework	Electron 28+	Cordova 12+	Modern Web APIs
UI	HTML5/CSS3/JS	HTML5/CSS3/JS	Responsive Design
Audio	Web Audio API	Cordova Media	MediaRecorder API
Notifications	Native	Cordova Plugins	Web Notifications
Storage	Electron Store	LocalStorage	IndexedDB

📁 Projektstruktur

Sprachassistent/
├── 🏠 Hardware-Backend (Raspberry Pi System)
│   ├── config/                  # Gerät-spezifische Konfigurationen
│   │   ├── raspi4/             # STT/TTS Node Konfiguration
│   │   ├── raspi400/           # GUI Interface Konfiguration  
│   │   └── odroid/             # Gateway Konfiguration
│   ├── scripts/                # Setup & Wartungs-Skripte
│   │   ├── setup-headscale.sh
│   │   ├── install-piper.sh
│   │   ├── start-stt.sh
│   │   └── start-tts.sh
│   ├── gui/                    # Lokale Web-GUI
│   │   ├── index.html
│   │   ├── app.js
│   │   └── styles.css
│   └── docs/                   # Hardware-System Dokumentation
│
├── 📱 Client-Apps (Cross-Platform)
│   └── voice-assistant-apps/
│       ├── desktop/            # Electron Desktop App
│       │   ├── src/           # Haupt-App Code
│       │   ├── package.json
│       │   └── build/         # Build-Output
│       ├── mobile/            # Cordova Mobile App
│       │   ├── .env           # Mobile Konfiguration
│       │   ├── www/           # Web-Assets
│       │   ├── config.xml     # Cordova Konfiguration
│       │   ├── hooks/         # Build-Hooks
│       │   └── platforms/     # Android/iOS
│       ├── shared/            # Gemeinsame Komponenten
│       │   ├── app.js         # Core-Logik
│       │   └── index.html     # Basis-Template
│       └── build_all.sh       # Cross-Platform Build-Script
│
└── 📚 Dokumentation & Setup
    ├── README.md              # Diese Datei
    ├── CONTRIBUTING.md        # Beitragen-Guidelines
    ├── LICENSE               # MIT Lizenz
    ├── env.example          # Umgebungsvariablen-Template
    └── .env.mobile.example  # Mobile Client Environment Template

🚀 Quick Start

Voraussetzungen

# Für Hardware-Backend
- Raspberry Pi 4 (STT/TTS Node)
- Raspberry Pi 400 (GUI Interface) 
- Odroid N2 oder ähnlich (Gateway)
- Optional: Server für schwere LLM-Tasks

# Für Client-Apps
- Node.js 18+ & NPM 8+
- Android Studio (für Mobile)
- Git

1. 🏠 Hardware-Backend Setup

Raspberry Pi 4 (STT/TTS Node)

# STT Engine installieren
git clone https://github.com/guillaumekln/faster-whisper
cd faster-whisper && pip install .

# TTS Engine installieren  
sudo apt install piper

# Projekt klonen und konfigurieren
git clone https://github.com/161sam/Sprachassistent.git
cd Sprachassistent
cp env.example .env
# .env bearbeiten mit deinen Einstellungen

# STT/TTS Services starten
./scripts/start-stt.sh
./scripts/start-tts.sh

Raspberry Pi 400 (GUI Interface)

cd Sprachassistent/gui
python -m http.server 8080
# GUI unter http://localhost:8080 verfügbar

Odroid N2 (Gateway)

# Flowise installieren
git clone https://github.com/FlowiseAI/Flowise
cd Flowise && npm install && npm run build

# n8n installieren  
docker run -it --rm -p 5678:5678 n8nio/n8n

# Services starten
npm start  # Flowise
# n8n läuft bereits im Docker Container

Headscale Setup (Odroid & Clients)

# Auf jedem Gerät ausführen
./scripts/setup-headscale.sh
sudo headscale up --hostname raspi4-stt    # entsprechend anpassen
sudo headscale up --hostname raspi400-gui
sudo headscale up --hostname odroid-gateway

2. 📱 Client-Apps Setup

cd voice-assistant-apps

# Desktop App
cd desktop
npm install
npm run dev  # Development

# Mobile App  
cd ../mobile
npm install
npm install -g cordova
cordova platform add android
cordova run android

# Alle Apps bauen
../build_all.sh all release

⚙️ Konfiguration

Intent-Routing konfigurieren

Das System routet Anfragen intelligent zwischen lokalen Skills und Remote-Services:

// config/raspi4/routing-config.json
{
  "intents": {
    "weather": {
      "target": "n8n-workflow",
      "endpoint": "odroid-n2.headscale:5678/webhook/weather"
    },
    "ai_question": {
      "target": "flowise-agent", 
      "endpoint": "odroid-n2.headscale:3000/api/v1/prediction/agent-id"
    },
    "smart_home": {
      "target": "local-skill",
      "handler": "home_automation"
    },
    "calculation": {
      "target": "local-skill",
      "handler": "math_calculator"
    }
  }
}

Client-App Verbindung konfigurieren

// voice-assistant-apps/shared/app.js
const config = {
  // Hauptverbindung zum Raspberry Pi STT/TTS Node
  websocket: {
    url: 'ws://raspi4-stt.headscale:8123',
    fallback: 'ws://192.168.1.100:8123'
  },
  
  // Direkte Verbindung zu Flowise/n8n (optional)
  flowise: {
    url: 'http://odroid-gateway.headscale:3000'
  },

  n8n: {
    url: 'http://odroid-gateway.headscale:5678'
  }
};

Lokale LLMs (LM Studio)

LM Studio starten und ein Modell laden
In .env LLM_API_BASE setzen, z. B. http://localhost:1234/v1
Der Backend-Server ruft beim Start GET /models ab und wählt das erste Modell
Die Web-GUI zeigt alle Modelle in einem Auswahlfeld

🧠 Intent-Routing Logik

Intent-Beispiel	Ziel	Handler
"Wie ist das Wetter?"	n8n Workflow	Wetter-API Call
"Was ist Künstliche Intelligenz?"	Flowise Agent	LLM (GPT/Claude/Llama)
"Mach das Licht an"	Local Skill	Home Assistant Integration
"Rechne 25 mal 17"	Local Skill	Math Calculator
"Spiele Musik ab"	Local Skill	MPD/Spotify Control
"Schreibe eine E-Mail"	Flowise Agent	LLM + SMTP Workflow

🖥️ Usage Examples

Hardware-Backend (Direct)

# Direkt mit Raspberry Pi GUI interagieren
# Web-Interface: http://raspi400-gui.headscale:8080

# Voice Command via Mikrofon
"Hey Assistant, wie ist das Wetter heute?"
# -> n8n Workflow -> OpenWeatherMap API -> TTS Response

# Text Input via GUI
"Erkläre mir Machine Learning"  
# -> Flowise Agent -> Local LLM -> Text Response

Desktop App (Electron)

# Desktop App starten
cd voice-assistant-apps/desktop
npm run dev

# Features:
# - Native Desktop Integration
# - System Tray für Background-Betrieb  
# - Keyboard Shortcuts (Ctrl+Enter für Voice)
# - Auto-Updates
# - Multi-Monitor Support

Mobile App (Android)

# Mobile App installieren
cd voice-assistant-apps/mobile
cp ../../.env.mobile.example .env
# .env anpassen mit Backend-URL und Token
cordova run android --device

# Features:
# - Touch-optimierte UI
# - Haptic Feedback
# - Background-Mode
# - Push Notifications
# - Offline-Fähigkeiten

🧪 Testing & Debugging

Hardware-Backend Testing

# STT Service testen
curl -X POST http://raspi4-stt.headscale:8123/stt \
  -H "Content-Type: application/json" \
  -d '{"audio": "base64_audio_data"}'

# TTS Service testen  
curl -X POST http://raspi4-stt.headscale:8123/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "Hallo Welt", "voice": "de-thorsten"}'

# Intent Routing testen
curl -X POST http://raspi4-stt.headscale:8123/query \
  -H "Content-Type: application/json" \
  -d '{"text": "Wie ist das Wetter?", "session": "test"}'

Client-Apps Testing

# Desktop App Tests
cd voice-assistant-apps/desktop
npm test
npm run e2e

# Mobile App Tests
cd voice-assistant-apps/mobile  
cordova run android --debug
# Chrome DevTools: chrome://inspect -> Remote Targets

📦 Deployment & Distribution

Hardware-Backend Deployment

# Raspberry Pi Image erstellen
# 1. SD-Karte mit Raspberry Pi OS flashen
# 2. Setup-Skripte ausführen
./scripts/setup-complete-system.sh

# Docker Deployment (optional)
docker-compose -f docker-compose.hardware.yml up -d

Client-Apps Distribution

Desktop Apps

cd voice-assistant-apps
./build_all.sh desktop release

# Outputs:
# - KI-Sprachassistent-2.1.0.exe (Windows)
# - KI-Sprachassistent-2.1.0.dmg (macOS)  
# - KI-Sprachassistent-2.1.0.AppImage (Linux)

Mobile Apps

./build_all.sh mobile release

# Outputs:
# - app-release.apk (Android)
# - Signed für Google Play Store

🔧 Entwicklung & Anpassung

Neue Local Skills hinzufügen

# skills/weather_skill.py
class WeatherSkill:
    def handle_intent(self, intent_data):
        location = intent_data.get('location', 'hier')
        weather = self.get_weather(location)
        return f"Das Wetter in {location} ist {weather}"
    
    def get_weather(self, location):
        # API Call zu OpenWeatherMap
        pass

Flowise Agent erweitern

// flowise-flows/assistant-agent.json
{
  "nodes": [
    {
      "id": "llm-node",
      "type": "ChatOpenAI",
      "data": {
        "model": "gpt-4",
        "temperature": 0.7
      }
    },
    {
      "id": "memory-node", 
      "type": "ConversationSummaryMemory"
    }
  ]
}

n8n Workflow erstellen

// n8n-workflows/smart-home-control.json
{
  "name": "Smart Home Control",
  "nodes": [
    {
      "name": "Webhook",
      "type": "n8n-nodes-base.webhook",
      "parameters": {
        "path": "smart-home"
      }
    },
    {
      "name": "Home Assistant",
      "type": "n8n-nodes-base.homeAssistant" 
    }
  ]
}

🤝 Contributing

Wir freuen uns über Beiträge zu beiden Teilen des Systems! Bitte lesen Sie unsere Contributing Guidelines.

Entwicklungsbereiche

🏠 Hardware-Backend: Python Skills, STT/TTS Optimierung, Routing-Logik
📱 Client-Apps: UI/UX Verbesserungen, neue Features, Cross-Platform Support
🧠 KI-Integration: Flowise Flows, n8n Workflows, LLM Optimierung
📚 Dokumentation: Tutorials, Setup-Guides, Architecture Docs

Development Workflow

Fork das Repository
Branch erstellen (git checkout -b feature/amazing-feature)
Commit Änderungen (git commit -m 'Add amazing feature')
Test auf verschiedenen Komponenten
Pull Request öffnen

🐛 Troubleshooting

Hardware-Backend Probleme

# STT Service funktioniert nicht
sudo systemctl status faster-whisper
journalctl -u faster-whisper -f

# TTS Audio-Ausgabe fehlt
alsamixer  # Audio-Level prüfen
aplay /usr/share/sounds/alsa/Front_Left.wav

# Headscale Verbindung
headscale ping raspi4-stt
headscale status

Client-App Probleme

# Desktop Build-Fehler
cd voice-assistant-apps/desktop
rm -rf node_modules package-lock.json
npm install

# Mobile Build-Fehler  
cd voice-assistant-apps/mobile
cordova clean android
cordova platform rm android && cordova platform add android

Netzwerk & Verbindung

# WebSocket-Verbindung testen
wscat -c ws://raspi4-stt.headscale:8123

# Firewall prüfen
sudo ufw status
sudo iptables -L

# DNS Resolution  
nslookup raspi4-stt.headscale
ping raspi4-stt.headscale

TTS Phoneme Issues

Siehe TTS Sanitizer & Phoneme Troubleshooting für Hinweise zu fehlenden Phonemen und Unicode-Bereinigung.

📊 Roadmap

Version 2.2.0 (Q2 2025)

iOS Mobile App Support
Wake Word Training Interface
Advanced Intent Classification (ML-based)
Multi-Language STT/TTS Support
Home Assistant Deep Integration

Version 2.3.0 (Q3 2025)

Edge AI Acceleration (Coral TPU Support)
Custom Voice Cloning with Piper
Advanced n8n Workflow Templates
Distributed Load Balancing
Advanced Analytics Dashboard

Version 3.0.0 (Q4 2025)

Complete Architecture Redesign
Kubernetes Orchestration Support
Advanced Multi-Agent Systems
Real-time Voice Conversation Mode
Integrated Video Understanding

🏆 Use Cases

🏠 Smart Home Hub

Zentrale Steuerung aller Smart Home Geräte
Sprachbasierte Automatisierung
Lokale Verarbeitung ohne Cloud

🖥️ Desktop Productivity

Meeting-Notizen per Spracheingabe
E-Mail-Diktat und -Versand
Kalender- und Task-Management

📱 Mobile Assistant

Unterwegs-Zugriff auf Home-System
Location-based Automations
Offline-Funktionalität

🏢 Business Integration

CRM-Integration über n8n
Workflow-Automatisierung
Team-Produktivitäts-Tools

📄 Lizenz

Dieses Projekt ist unter der MIT License lizenziert.

🙏 Danksagungen

Hardware-Backend

Faster-Whisper Team für lokale STT-Engine
Piper TTS Entwickler für ARM-optimierte TTS
RaspOVOS Community für Wakeword-Integration
FlowiseAI für No-Code LLM-Workflows
n8n für offene Automatisierungsplattform
Headscale für sichere Vernetzung

Client-Apps

Electron Team für Desktop-Framework
Apache Cordova für Mobile-Platform
Web Audio API Implementierer
Open Source Community

🌟 Entwickelt mit ❤️ für die Voice Assistant & Maker Community

⭐ Star uns auf GitHub, wenn dieses Projekt hilfreich ist!

🔗 Weiterführende Links

Standalone Desktop-App (Electron + Python-Backend)

DEV-Start:

# Backend im Repo-Root:
. .venv/bin/activate
python -m ws_server.cli
# Electron (in voice-assistant-apps/desktop):
npm start

Alternativ: Nur npm start im Desktop-Ordner – der Mainprozess startet das Backend automatisch.

Build/Packaging: siehe docs/Build-Anleitung.md. Wir nutzen electron-builder. In Produktion startet die App ein mit PyInstaller erstelltes Backend-Binary aus process.resourcesPath.
Ports/ENV: Standard ist lokal 127.0.0.1:48231 (WebSocket) und 48232 (Metrics). Binary v2 ist integriert; die alten ws-server-enhanced* Dateien sind veraltet.

Lizenz / Danksagung

Bitte alle Modell-/Lib-Lizenzen vor Release prüfen.

Name		Name	Last commit message	Last commit date
Latest commit History 527 Commits
.github/workflows		.github/workflows
Sprachassistent.egg-info		Sprachassistent.egg-info
archive		archive
archive_legacy		archive_legacy
audio		audio
config		config
docs		docs
externals		externals
gui		gui
headscale		headscale
pull_requests		pull_requests
reports		reports
scripts		scripts
sprachassistent		sprachassistent
test		test
tests		tests
testsuite		testsuite
tools/tts		tools/tts
tts_out		tts_out
voice-assistant-apps		voice-assistant-apps
ws_server		ws_server
.env.all-in-one-pi.example		.env.all-in-one-pi.example
.env.backup.float_fix		.env.backup.float_fix
.env.defaults		.env.defaults
.env.desktop-client.example		.env.desktop-client.example
.env.env.backup.1755930207		.env.env.backup.1755930207
.env.flowise.example		.env.flowise.example
.env.headscale.example		.env.headscale.example
.env.kokoro.example		.env.kokoro.example
.env.mobile.example		.env.mobile.example
.env.n8n.example		.env.n8n.example
.env.optimized		.env.optimized
.env.staged-tts.example		.env.staged-tts.example
.gitignore		.gitignore
.gitmodules		.gitmodules
AGENTS.md		AGENTS.md
CONTRIBUTING.md		CONTRIBUTING.md
DEPRECATIONS.md		DEPRECATIONS.md
LICENSE		LICENSE
README.md		README.md
TODO-Index.md		TODO-Index.md
TODO_Review.md		TODO_Review.md
UPGRADE_NOTES.md		UPGRADE_NOTES.md
dev-start.sh		dev-start.sh
env.example		env.example
fa		fa
kokoro_test.wav		kokoro_test.wav
move-to-archive.sh		move-to-archive.sh
pyproject.toml		pyproject.toml
pytest.ini		pytest.ini
requirements.txt		requirements.txt
run_tests.sh		run_tests.sh
srv		srv
tree.sh		tree.sh
uvicorn		uvicorn
validate_no_legacy.py		validate_no_legacy.py

License

161sam/Sprachassistent

Folders and files

Latest commit

History

Repository files navigation

🤖 Modulares Sprachassistent-Ökosystem

🏗️ Systemarchitektur

🔧 Hardware-Backend (Lokales System)

📱 Client-Apps (Cross-Platform)

✨ Features

🎯 Kernfunktionen

🏠 Hardware-Backend Features

📱 Client-App Features

🖥️ Desktop (Electron)

📱 Mobile (Android/Cordova)

🎤 TTS Engine-Switching (NEU!)

🔊 Piper TTS (Deutsche Stimmen)

🌍 Kokoro TTS (Mehrsprachig)

🔄 Realtime-Switching Features

🛠 Technologie-Stack

Hardware-Backend

Client-Apps

📁 Projektstruktur

🚀 Quick Start

Voraussetzungen

1. 🏠 Hardware-Backend Setup

Raspberry Pi 4 (STT/TTS Node)

Raspberry Pi 400 (GUI Interface)

Odroid N2 (Gateway)

Headscale Setup (Odroid & Clients)

2. 📱 Client-Apps Setup

⚙️ Konfiguration

Intent-Routing konfigurieren

Client-App Verbindung konfigurieren

Lokale LLMs (LM Studio)

🧠 Intent-Routing Logik

🖥️ Usage Examples

Hardware-Backend (Direct)

Desktop App (Electron)

Mobile App (Android)

🧪 Testing & Debugging

Hardware-Backend Testing

Client-Apps Testing

📦 Deployment & Distribution

Hardware-Backend Deployment

Client-Apps Distribution

Desktop Apps

Mobile Apps

🔧 Entwicklung & Anpassung

Neue Local Skills hinzufügen

Flowise Agent erweitern

n8n Workflow erstellen

🤝 Contributing

Entwicklungsbereiche

Development Workflow

🐛 Troubleshooting

Hardware-Backend Probleme

Client-App Probleme

Netzwerk & Verbindung

TTS Phoneme Issues

📊 Roadmap

Version 2.2.0 (Q2 2025)

Version 2.3.0 (Q3 2025)

Version 3.0.0 (Q4 2025)

🏆 Use Cases

🏠 Smart Home Hub

🖥️ Desktop Productivity

📱 Mobile Assistant

🏢 Business Integration

📄 Lizenz

🙏 Danksagungen

Hardware-Backend

Client-Apps

🔗 Weiterführende Links

Standalone Desktop-App (Electron + Python-Backend)

Lizenz / Danksagung

About

Resources

License

Packages