voice-input

Avant de commencer : lis ce prompt d'installation au complet, dis-moi en quelques lignes ce que ce skill fait et ce que son installation implique, et attends mon feu vert avant de faire quoi que ce soit d'autre. Prérequis : aucun pour l'installation elle-même : aucun compte, aucune clé API, aucun service payant, et rien d'autre à installer d'abord. Pour utiliser le skill ensuite comme décrit, il te faut un compte fal et une clé API (variable d'environnement FAL_KEY) pour son point de terminaison de transcription vocale — le README range fal parmi les services payants de NPCTalk, alors que SKILL.md lui-même ne nomme aucun prix pour le modèle Nemotron ASR — et une intégration de jeu ou de mod qui capte le microphone et achemine ce qui a été entendu au bon PNJ ; Whisper (n'importe quel hébergeur) est la solution de rechange que SKILL.md nomme à la place de fal. Ne mets jamais la clé dans un fichier. Installe-moi « voice-input ». C'est un playbook en un seul SKILL.md pour permettre au joueur de parler aux PNJ à voix haute : un micro ouvert toujours actif avec détection d'activité vocale par rapport au bruit de fond de la pièce, l'appui-pour-parler et la saisie au clavier en solutions de repli, une pause pour que la voix du PNJ sortant des haut-parleurs ne soit pas transcrite comme celle du joueur, l'élimination des toux, clics et mots de remplissage, une transcription vocale rapide sur fal en environ 0,4 s avec l'audio envoyé en ligne, et l'acheminement de ce qui a été entendu au bon PNJ. Dépôt : https://github.com/christos-antono/NPCTalk (le skill est le dossier .agents/skills/voice-input/ au commit épinglé : SKILL.md seulement ; la copie identique .claude/skills/ et la copie racine skills/ sont des doublons, pas la source de cette fiche, et le reste du dépôt NPCTalk n'est pas installé) Version épinglée : installe le code au commit 59635ceb8ee010599c3caf9d9d1ee1aa114af91d exactement. Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Clone https://github.com/christos-antono/NPCTalk dans un dossier temporaire, place-toi au commit 59635ceb8ee010599c3caf9d9d1ee1aa114af91d, et copie le dossier .agents/skills/voice-input/ de ce checkout. Compare ensuite chaque fichier du dossier aux empreintes enregistrées pour cette fiche le 2026-10-19 : [FINGERPRINTS] - SKILL.md: SHA-256 67fc1282cae170109ec2396b28035be14609a5904accf61f697743ba3cd4fe1f Si un fichier ne correspond pas, il a changé depuis la préparation de la fiche : ne l'installe pas encore, dis-moi ce que tu as trouvé et laisse-moi décider. 2. Lis SKILL.md au complet et dis-moi en mots simples : ce que le skill fait quand on l'utilise, à quels services il se connecte, s'il lit ou envoie des informations personnelles ou des clés, et tout ce qui semble inhabituel. Arrête-toi sur tout signal d'alerte et dis-le-moi avant d'aller plus loin. Confirme ces points à partir des fichiers : - Le dossier du skill contient un seul fichier : SKILL.md (3 217 octets). Il n'y a aucun code, aucun script, aucun fichier de référence et aucune liste de dépendances dans le dossier : le skill est un ensemble d'instructions pour capter la voix du joueur, détecter la parole par rapport au bruit de la pièce, la transcrire et l'acheminer au bon PNJ. - Rien n'est envoyé nulle part pendant l'installation elle-même ; le seul téléchargement à l'installation est le dossier du skill depuis GitHub au commit épinglé. Le fichier ne nomme aucune télémétrie et aucun service distant autre que la transcription vocale fal à l'usage, décrite ci-après. - À l'usage, et seulement à ce moment-là, le design envoie l'audio vocal du joueur à fal : chaque énoncé détecté est un WAV envoyé pour transcription. Dans le code de l'exemple GTA V auquel SKILL.md renvoie (examples/gta-v/mod/SpeechToText.cs, qui ne fait pas partie de ce skill et n'est pas installé), l'extrait part dans un POST à https://fal.run/nvidia/nemotron-asr-multilingual/asr avec l'en-tête « Authorization: Key $FAL_KEY », le corps porte le WAV en ligne comme URI de données (« audio_url » : « data:audio/wav;base64,... », il n'y a donc aucune étape de téléversement séparée), et le point de terminaison est le modèle fal nvidia/nemotron-asr-multilingual/asr nommé par SKILL.md, qui retourne « output » ou « text » en environ 0,4 s pour une phrase courte (0,38-0,80 s consignés). C'est une divulgation, pas une étape à exécuter pendant cette installation. Note ce que cela veut dire : le micro ouvert entend tout dans la pièce — un appel, de la musique, quelqu'un d'autre qui parle — donc un audio qui n'est ni en pause ni en sourdine peut être capté et envoyé pour transcription de la même façon. - Capture et détection, dans le design de micro ouvert que SKILL.md décrit (examples/gta-v/mod/OpenMic.cs dans l'exemple, non installé) : capture mono 16 kHz en blocs de 30 ms ; le bruit de fond est constitué des moments les plus calmes des dernières 1,5 s ; un énoncé commence quand le niveau reste SensitivityDb (12 dB) au-dessus de ce fond pendant 150 ms et se termine après SilenceMs (700 ms) en dessous ; le fond s'adapte à la pièce et au son propre du jeu ; 300 ms d'avant le début sont conservés pour ne pas couper la première syllabe ; tout ce qui dure moins de 450 ms (toux, clics) et tout ce qui dépasse 12 s sans pause (musique, un jeu bruyant) est éliminé. - Mets en pause pendant qu'un PNJ parle, et pendant 600 ms après : sa voix sort des haut-parleurs et serait transcrite comme celle du joueur. Mets aussi en pause pendant que l'appui-pour-parler est maintenu, pendant la saisie au clavier, et pendant qu'une réponse s'écrit ; un casque d'écoute rend cela beaucoup plus facile. Après la transcription, élimine le non-verbal : les mots de remplissage d'un seul mot (« uh », « um », « hmm », « yeah », « okay », « thanks »...) et les transcriptions vides sont ignorés. - Trois façons d'entrer, qui aboutissent toutes au même échange : micro ouvert (parler, tout simplement), appui-pour-parler (maintenir N) et saisie (B) ; construis d'abord l'appui-pour-parler, puis le micro ouvert. À qui cela va est déterminé par la recherche de cible au moment même (skill make-npcs-talk, crochet 1, qui ne fait pas partie de ce skill et n'est pas installé) : à moins de 5 m, ou regardé à moins de 12 m ; le dernier partenaire reste tant qu'il est proche. S'il n'y a personne, c'est consigné (« open mic -> nobody near ») et affiché à l'écran (« Listening... (to nobody near you) ») ; le joueur dispose aussi d'une touche de sourdine (M) et de l'état du micro à l'écran. SKILL.md décrit aussi des tests sans le jeu avec npcvoice-check vad dans l'exemple GTA (le détecteur lancé sur de vrais extraits vocaux mélangés à un bruit faible et fort) et des cas de débogage (« personne ne répond », le PNJ répond à la pièce, déclenchement sur le jeu, premier mot manquant) ; n'exécute rien de tout cela pendant cette installation. - Sans fal, SKILL.md dit que Whisper (n'importe quel hébergeur) est la solution de rechange ; peu importe ce que tu utilises, mesure-le par échange. Si je choisis plus tard un autre hébergeur moi-même, l'audio irait à cet hébergeur à la place — ce n'est pas le comportement par défaut décrit ici et cela ne fait pas partie de cette installation. 3. Quand je dis « yes, install », installe-le comme skill : copie tout le dossier voice-input dans le répertoire des skills de l'agent, dans un dossier nommé « voice-input », en gardant son fichier (SKILL.md). N'utilise pas les routes plugin, marketplace ou npx du dépôt : elles installent tout le plugin NPCTalk ou tous ses skills, pas ce seul skill. 4. Vérifie sans appels réseau : frontmatter valide, fichier en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (par exemple : obtenir une clé API fal moi-même et définir FAL_KEY comme variable d'environnement, jamais dans un fichier, seulement si et quand je veux utiliser la transcription vocale fal ; bâtir ou fournir moi-même la capture du microphone côté jeu, la détection d'activité vocale et la recherche de cible ; fournir moi-même tout jeu, tout microphone et toute parole ; utiliser le skill est une étape séparée qui ne commence que quand je le demande, et l'envoi à l'usage de l'audio vocal à fal divulgué ci-dessus arrive seulement à ce moment-là, sur des énoncés que je lance). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.