🎯 Streamware - Kompletny System AI Audio/Video

Zunifikowane rozwiązanie AI z obsługą głosu, wizji i automatyzacji

Jeden projekt obsługujący dwa tryby wdrożenia:

• Docker/Enterprise - dla serwerów i środowisk produkcyjnych
• Embedded/Standalone - dla NVIDIA Jetson i urządzeń edge

---

📦 Struktura projektu

streamware/
├── orchestrator/           # Główny kod aplikacji
│   ├── main.py            # Entry point
│   ├── text2dsl.py        # NL ↔ DSL conversion
│   ├── llm_engine.py      # LLM wrapper
│   ├── audio/             # STT + TTS
│   ├── vision/            # Cameras + Detection
│   └── adapters/          # Docker, MQTT, Firmware
├── config/                # Konfiguracja
│   └── config.yaml        # Unified config (mode: docker/embedded)
├── scripts/               # Skrypty instalacyjne i pomocnicze
├── tests/                 # Testy jednostkowe
├── docs/                  # Dokumentacja
├── firmware/              # IoT simulator
├── models/                # Modele AI (whisper, yolo, piper)
├── docker-compose-*.yml   # Docker deployment configs
├── Makefile              # Build & run commands
└── requirements.txt       # Python dependencies

---

🏗️ Architektura

┌─────────────────────────────────────────────────────────────┐
│                      STREAMWARE                              │
├─────────────────────────────────────────────────────────────┤
│  [Audio STT] ──┐                                            │
│   (Whisper)    ├──► [LLM] ──► [Text2DSL] ──► [Adapters]    │
│  [Cameras]  ───┘   (Ollama)                      │          │
│   ├─ USB                                    ┌────┴────┐     │
│   ├─ RTSP (IP)                             │         │     │
│   └─ CSI (Jetson)     [Vision]          [Docker] [MQTT]    │
│                       (YOLO)               │         │     │
│  [TTS Piper] ◄────────────────────   Containers  IoT       │
└─────────────────────────────────────────────────────────────┘

---

🚀 Szybki start

Tryb Docker (Enterprise)

# Konfiguracja
cp config/config.yaml config/config.yaml.local
# Ustaw: mode: "docker"

# Development (pojedynczy kontener)
make docker-dev

# Production (pełny stack)
make docker-prod

# Lub bezpośrednio:
docker-compose -f docker-compose-single.yml up

Tryb Embedded (Jetson/Edge)

# Instalacja
make install

# Lub ręcznie:
./scripts/install.sh
source venv/bin/activate

# Konfiguracja
# Ustaw w config/config.yaml: mode: "embedded"

# Uruchomienie
make run

# Lub:
python -m orchestrator.main

---

🎤 Przykładowe komendy głosowe

Docker Control

"Zrestartuj backend"
"Pokaż logi frontend 20 linii"
"Status kontenerów"
"Zatrzymaj bazę danych"

Vision / Kamery

"Co widzisz?"
"Ile osób jest w kadrze?"
"Gdzie jest laptop?"
"Dodaj kamerę rtsp://192.168.1.100:554/stream"
"Lista kamer"

IoT / Smart Home

"Jaka jest temperatura w salonie?"
"Włącz światło w kuchni"
"Ustaw termostat na 22 stopnie"

---

📊 Porównanie trybów

Cecha	Docker (Enterprise)	Embedded (Jetson)
Deployment	Docker Compose	Native Python
Hardware	Server/PC	Jetson/Edge
RAM	8GB+	8GB
GPU	Optional	Required (CUDA)
Cameras	Multi (USB/RTSP/HTTP)	Multi + CSI
Docker control	✅	❌
MQTT	✅	Optional
TensorRT	Optional	✅ Recommended
Latency	~1s	~700ms
Offline	Partial	✅ Full

---

🔧 Stack technologiczny

Komponent	Technologia	Opis
STT	Faster-Whisper	Speech-to-Text, modele small/medium
TTS	Piper	Text-to-Speech, polski głos
LLM	Ollama + Phi-3	Lokalny LLM 3.8B parametrów
Vision	YOLOv8 + TensorRT	Detekcja obiektów real-time
Cameras	OpenCV + GStreamer	Multi-source video capture
MQTT	Eclipse Mosquitto	IoT communication
Docker	Docker SDK	Container management

---

🧪 Testy

# Uruchomienie wszystkich testów
make test

# Lub bezpośrednio:
pytest tests/ -v

# Z coverage
make test-cov

---

📄 Licencja

MIT License - Softreck / prototypowanie.pl

Używaj dowolnie w projektach komercyjnych i niekomercyjnych.

---

🤝 Wsparcie

• GitHub Issues: Zgłaszanie błędów i propozycji
• Dokumentacja: /docs w każdym projekcie
• Kontakt: hello@softreck.com