La persona
Un personaje del canal, con un nombre, una personalidad y una voz, que responde al chat mediante un modelo de IA con tu propia clave.
Configurar
Integraciones, IA, guarda las claves de los proveedores en este equipo, las mismas para todos los perfiles, y dice qué activa cada una; Configuración, Persona, fija el proveedor, el nombre, la personalidad, el modelo y la voz. Sin la clave del proveedor elegido, se pide justo debajo del proveedor, y el resto de la persona queda desactivado hasta que esté.
Voces
Las voces de Windows son gratis, y más idiomas vienen de Configuración de Windows › Hora e idioma › Voz. Las de Piper también son gratis y suenan más naturales; se hacen en este equipo (más abajo). Las voces de OpenAI necesitan su clave, en Integraciones › IA. Una acción puede nombrar su propia voz con vovo.say(texto, { voice }).
Piper
Piper hace voces en este equipo, sin enviar nada a ninguna parte. Vovó no lo trae: "Abrir carpeta", bajo la voz, abre la carpeta de Piper (%LOCALAPPDATA%\Vovo\piper), y dentro van dos cosas, en cualquier lugar:
- Piper para Windows (
piper_windows_amd64.zip), descomprimido tal como viene, conpiper.exejunto a su carpetaespeak-ng-data. - Una voz: sus dos archivos,
<voz>.onnxy<voz>.onnx.json. En español,es_ES-davefx-mediumoes_MX-claude-high, entre otras.
De vuelta en Vovó, las voces están en todas las listas de voces, como "Piper · …". Una acción nombra una con vovo.say(texto, { voice: "piper:es_ES-davefx-medium" }). Piper lee cada línea en una fracción de segundo.
Cuándo responde
Cuando alguien dice su nombre en el chat, o canjea la recompensa de puntos de canal elegida para ella. Una respuesta por persona y minuto, y una en total cada pocos segundos, para que un chat agitado no gaste tu dinero.
Aprobación
Por defecto, la respuesta espera a que la apruebes: en la campana, o en IA, en la barra lateral. Aprobada, va al chat, se dice en el directo y llega a las acciones como persona.answer.
Su propia cuenta
En el chat, las respuestas de la persona se escriben como tú, salvo que tenga una cuenta de Twitch propia: en Integraciones, en Twitch, "La cuenta de la persona" inicia la sesión de esa cuenta con un código, como la tuya. Abre el enlace en una ventana privada en la que Twitch tenga la sesión de la cuenta de la persona, o el código volvería a conectar la tuya. Desde entonces sus líneas son suyas, y nunca las responde. Haz esa cuenta moderadora de tu canal, para que el modo lento y el chat solo para seguidores no la frenen. Solo escribe: no lee nada ni gestiona nada. Una acción que da voz a la persona también puede escribir por ella, para lo que la persona dice que no es una respuesta, como una línea escrita para ella; mientras la cuenta no está conectada, esa línea no se escribe.
Memoria
La persona mantiene una conversación: los últimos intercambios van con cada pregunta. Es todo lo que sabe, y solo mientras Vovó está abierta, salvo que actives "Recordar entre directos" en Configuración > Persona. Entonces la conversación se guarda en este equipo y, a medida que crece, el modelo de la persona vuelve a leer sus intercambios más antiguos y saca de ellos los hechos duraderos: quién apareció, un apodo, una broma que cuajó. Esa lectura es una llamada más al modelo, más o menos una de cada tres respuestas, pagada con tu clave. Lo que vuelve a aparecer se refuerza y se queda; lo que se dijo una sola vez se desvanece en algo más de un mes. Fija un hecho y se queda para siempre; escribe uno tú y entra fijado; en la pestaña IA, el pin de una respuesta conserva lo que dijo la persona. Todo lo que recuerda aparece en Configuración > Persona, para olvidarlo uno a uno o todo de una vez, y nada de ello sale de este equipo salvo hacia su modelo, con cada pregunta. Una respuesta que descartas no se recuerda. Guarda 40 hechos como mucho.
Las recompensas de Vovó
En Integraciones, con Twitch conectado, crea recompensas de puntos de canal desde la propia Vovó: título, coste y si piden texto. Puede pausar, reanudar y eliminar las que creó. Sus canjes esperan en la cola de la recompensa: cuando la persona responde o el texto se lee, el canje se aprueba; cuando se descarta, los puntos vuelven a quien canjeó. Twitch solo deja cambiar una recompensa a la aplicación que la creó, y un canal tiene 50 como mucho.
Leer una recompensa en voz alta
En Configuración, "Voz", elige una recompensa de puntos de canal por su título: lo que el espectador escribe en ella se lee en el directo, con una voz del perfil. Siempre espera antes la aprobación en la campana (aquí, o desde un dispositivo con permiso para aprobar), y las direcciones web se dejan fuera de la lectura. Un mensaje del chat se lee igual desde el altavoz que tiene al lado, en el Chat de la barra lateral o en un móvil con permiso para leer el chat: tu clic es su aprobación, así que nada se lee solo. Una línea que escribió la cuenta propia de la persona es de la persona, y una acción que da voz a la persona la dice; las acciones oyen cada lectura como tts.spoken.
Voz a texto
Lo que dices al micrófono se convierte en texto: para los subtítulos que muestra una acción (speech.text, una frase cada vez, un segundo o dos después de decirla) y, con "Escucharme" activado en los ajustes de la persona, para que la persona responda cuando dices su nombre. El micrófono solo se abre mientras algo lo necesita, y la barra de estado lo muestra como muestra las otras lecturas; no se guarda nada.
Dos motores lo escriben, elegidos en Configuración, "Voz":
- Whisper, en este equipo: tu voz no va a ningún sitio. Vovó no lo trae: "Abrir carpeta" abre su carpeta (
%LOCALAPPDATA%\Vovo\whisper), y dentro van dos cosas, en cualquier lugar: whisper.cpp para Windows, descomprimido tal como viene (tienewhisper-server.exe), y un modelo,ggml-<nombre>.bin.smallescribe bien el español con el procesador;large-v3-turboescribe mejor y pide una tarjeta gráfica, con la compilación de whisper.cpp para ella. Automático usa Whisper en cuanto está ahí, y nunca envía tu voz a ninguna parte por sí solo. - OpenAI, con tu clave: tu voz va a OpenAI, a unos 0,003 US$ por minuto mientras escucha. Solo cuando lo eliges.
"Las palabras del directo" son nombres que usa tu directo (el canal, la persona, juegos, amigos), separados por comas: vuelven bien escritos. Que sea una lista, no una frase: Whisper los lee como palabras recién dichas, y una frase lo invita a continuarla. Una frase que solo trae esas mismas palabras se descarta, igual que las líneas que los motores inventan cuando no oyen palabras.
La persona oye su nombre con calma: 15 segundos entre respuestas como mínimo, y 30 por hora como mucho. Sus respuestas esperan la aprobación como cualquier otra, y su propia voz oída de vuelta por el micrófono no es una pregunta para ella. Habla con auriculares, para que el micrófono te oiga a ti y no al directo.