J.A.R.V.I.S.

01Überblick

Ein plattformübergreifender KI-Sprachassistent, der Spracherkennung, dialogbasierte KI und Echtzeitinteraktion auf dem Desktop und im Web verbindet.

02Aufgabe

Eine natürlichere Interaktion mit Software durch Sprache erkunden. Die technische Herausforderung besteht darin, Spracherkennung, KI-Antworten und Sprachausgabe zu koordinieren und dabei jeden Schritt verständlich darzustellen.

03Vorgehen

Sprache und visuelle Rückmeldung als eine gemeinsame Erfahrung gestalten. Eine futuristische, interaktive Oberfläche zeigt, ob der Assistent bereit ist, zuhört, verarbeitet oder antwortet.

04Umsetzung

Ein von Enzo Sena entwickelter, eigenständiger persönlicher Assistent mit zwei ergänzenden Varianten: eine Desktop-Anwendung mit lokaler Sprachverarbeitung und eine Web-/PWA-Erfahrung mit KI-Anbindung über eine API.

05Desktop-Anwendung

Entwickelt mit Tauri und React / Vite. Die Sprachverarbeitung auf dem Desktop nutzt whisper.cpp zur Umwandlung von Sprache in Text und Piper zur Sprachausgabe. Die interaktive Oberfläche macht den Zustand des Assistenten sichtbar.

06Web- / PWA-Erfahrung

Im Browser zugänglich und für Mobilgeräte angepasst. Die Webversion verbindet browserbasierte Spracherkennung und Sprachausgabe mit einer serverlosen Architektur und KI-Anbindung über eine API.

07Sprachinteraktion

Spracheingabe, Verarbeitung und gesprochene Antwort bilden den Interaktionsablauf. Die visuellen Zustände — bereit, zuhören, verarbeiten und antworten — machen jeden Schritt in Echtzeit nachvollziehbar.

08KI-Anbindung

In der Webversion wird die dialogbasierte KI über eine API angebunden. Dadurch werden Sprachinteraktion und KI-Antworten innerhalb der browserbasierten Erfahrung miteinander verbunden.

09Verwendete Technologien

Desktop: Tauri, React, Vite, whisper.cpp und Piper. Web / PWA: browserbasierte Spracherkennung, Sprachausgabe, KI-API und serverlose Architektur.