Docker & Infrastruktur — OpenClaw Image fix, libportaudio2, aria.env.example

Wake-Word Fix — openwakeword API-Bug behoben
get-voices.sh — neues Script + README-Schritt

bridge/Dockerfile

@@ -9,6 +9,7 @@ FROM python:3.12-slim
 RUN apt-get update && apt-get install -y --no-install-recommends \
     ffmpeg \
     libsndfile1 \
+    libportaudio2 \
     pulseaudio-utils \
     alsa-utils \
     && rm -rf /var/lib/apt/lists/*

bridge/aria_bridge.py

@@ -296,22 +296,45 @@ class STTEngine:
 
 
 class WakeWordDetector:
-    """Erkennt das Wake-Word 'aria' im Audio-Stream."""
+    """Erkennt das Wake-Word im Audio-Stream.
 
-    WAKE_WORD = "aria"
+    Nutzt ein Custom-Modell aus /voices/wake_aria.onnx falls vorhanden,
+    sonst das eingebaute 'hey_jarvis' als Fallback.
+    """
+
+    CUSTOM_MODEL_PATH = "/voices/wake_aria.onnx"
+    FALLBACK_MODEL = "hey_jarvis"
     THRESHOLD = 0.5
 
     def __init__(self) -> None:
         self.model: Optional[WakeWordModel] = None
+        self.wake_word_key: str = ""
 
     def initialize(self) -> None:
         """Laedt das Wake-Word-Modell."""
         logger.info("Lade Wake-Word-Modell...")
-        self.model = WakeWordModel(
-            wakeword_models=[self.WAKE_WORD],
-            inference_framework="onnx",
-        )
-        logger.info("Wake-Word-Modell geladen (Trigger: '%s')", self.WAKE_WORD)
+
+        custom_path = Path(self.CUSTOM_MODEL_PATH)
+        if custom_path.exists():
+            # Custom "aria" Modell vorhanden
+            self.model = WakeWordModel(
+                wakeword_models=[str(custom_path)],
+            )
+            self.wake_word_key = custom_path.stem
+            logger.info("Custom Wake-Word-Modell geladen: %s", custom_path)
+        else:
+            # Fallback auf eingebautes Modell
+            self.model = WakeWordModel()
+            self.wake_word_key = self.FALLBACK_MODEL
+            logger.warning(
+                "Kein Custom-Modell (%s) — nutze Fallback '%s'",
+                self.CUSTOM_MODEL_PATH,
+                self.FALLBACK_MODEL,
+            )
+            logger.info(
+                "Tipp: Custom Wake-Word trainieren → "
+                "https://github.com/dscripka/openWakeWord#training-new-models"
+            )
 
     def detect(self, audio_chunk: np.ndarray) -> bool:
         """Prueft ob das Wake-Word im Audio-Chunk enthalten ist.
@@ -328,10 +351,10 @@ class WakeWordDetector:
         prediction = self.model.predict(audio_chunk)
 
         # openwakeword gibt Scores pro Modell zurueck
-        for key, score in prediction.items():
-            if score > self.THRESHOLD:
-                logger.info("Wake-Word erkannt! (Score: %.2f)", score)
-                return True
+        score = prediction.get(self.wake_word_key, 0)
+        if score > self.THRESHOLD:
+            logger.info("Wake-Word erkannt! (Score: %.2f)", score)
+            return True
 
         return False
 
@@ -689,7 +712,7 @@ class ARIABridge:
 
     async def audio_loop(self) -> None:
         """Wake-Word erkennen, aufnehmen, transkribieren, an aria-core senden."""
-        logger.info("Audio-Schleife gestartet — warte auf Wake-Word '%s'...", WakeWordDetector.WAKE_WORD)
+        logger.info("Audio-Schleife gestartet — warte auf Wake-Word '%s'...", self.wake_word.wake_word_key)
 
         loop = asyncio.get_event_loop()