Документация на VISION

Добре дошли в официалната документация на VISION — първият български AI гласов асистент, разработен с фокус върху достъпността и образованието.

Версия 2.1 (Beta)

В момента VISION е в активна разработка. Някои функции изискват интернет връзка за обработка на AI заявките.

Инсталация

VISION е проектиран да работи на Windows операционни системи (Windows 10 и 11). Инсталационният процес е максимално опростен.

Изтеглете най-новата версия от бутона Изтегли.
Стартирайте файла vision_setup.exe.
Ако Windows Defender покаже предупреждение, натиснете More info и след това Run anyway (тъй като приложението е с отворен код и все още няма платен сертификат).
Следвайте инструкциите на екрана.

Инсталация (Linux & macOS)

Linux (Debian-based дистрибуции)

VISION може да бъде инсталиран на Debian-базирани системи като Ubuntu, Linux Mint и Pop!_OS.

Изтеглете vision.deb файла от бутона Изтегли.
Отворете терминал в папката, където е изтеглен файлът.
Изпълнете командата:
```
sudo apt install ./vision-pkg.deb
```
Стартирайте VISION от менюто с приложения или чрез команда:
```
vision
```

macOS

VISION е наличен за macOS чрез стандартен .dmg инсталационен пакет.

Изтеглете vision.dmg от бутона Изтегли.
Отворете файла и плъзнете VISION.app в папката Applications.
При първо стартиране macOS може да покаже предупреждение. Отидете в System Settings → Privacy & Security и натиснете Open Anyway.
Стартирайте приложението от Applications или чрез Spotlight.

Първи стъпки

След като стартирате VISION, ще видите малък плаващ прозорец или икона в системния трей. Асистентът автоматично започва да слуша за активационната дума.

По подразбиране активационната дума е:

"Слави..."

Как да настроим Gemini API

Gemini API служи като "мозък" на VISION. Той е отговорен за разбирането на вашите команди, логиката и генерирането на интелигентни отговори. За да го използвате, ви е нужен безплатен API ключ от Google.

Стъпки за конфигуриране:

Отидете в Google AI Studio и влезте с вашия Google акаунт.
Кликнете на бутона Get API key (или Create API key) в лявото меню.
Създайте нов ключ и го копирайте.
Отворете конфигурационния файл на VISION (напр. .env или config.json) и поставете ключа.

GEMINI_API_KEY="вашият_копиран_ключ_тук"

Как да настроим Elevenlabs API

ElevenLabs предоставя изключително реалистичните AI гласове, които VISION използва, за да ви отговаря гласово. Платформата предлага безплатен план, който е достатъчен за ежедневна употреба.

Стъпки за конфигуриране:

Създайте си акаунт в ElevenLabs.
Кликнете на вашия профил (обикновено долу вляво) и изберете Profile & API key.
Копирайте вашия API Key.
(Опционално) Изберете глас от VoiceLab, който ви харесва, и копирайте неговия Voice ID.
Въведете данните в настройките на VISION.

                    ELEVENLABS_API_KEY="вашият_ключ_тук"

                    ELEVENLABS_VOICE_ID="id_на_предпочитания_глас"

Как да настроим Spotify API

За да може VISION да пуска музика, да сменя песни и да контролира плейлиста ви, трябва да свържете приложението чрез Spotify Developer платформата. *Забележка: Изисква се Spotify Premium за пълен контрол над възпроизвеждането.

Стъпки за конфигуриране:

Влезте в Spotify Developer Dashboard с вашия акаунт.
Кликнете на Create app. Въведете име (напр. "VISION Assistant") и кратко описание.
За Redirect URI задължително въведете: http://localhost:8888/callback (или порта, който VISION използва).
След като създадете приложението, влезте в Settings и копирайте Client ID и Client Secret.
Поставете ги в конфигурационния файл на VISION.

                    SPOTIFY_CLIENT_ID="вашият_client_id_тук"

                    SPOTIFY_CLIENT_SECRET="вашият_client_secret_тук"

                    SPOTIFY_REDIRECT_URI="http://localhost:8888/callback"

Основни гласови команди

VISION разбира естествена реч. Не е нужно да запаметявате точни фрази, но ето някои примери, които работят най-добре:

Системни

Час "Колко е часът?"
Дата "Коя дата сме днес?"
Време "Какво е времето в София?"
Таймер "Засечи 10 минути."
Изход "Спри се", "Изключи се".

AI Камера (Vision Mode)

Една от най-мощните функции на асистента е способността му да "вижда". Използвайки компютърно зрение и мултимодални модели, VISION може да описва света около вас.

Как да използвате:

Уверете се, че имате свързана уеб камера. Кажете:

                    "Опиши ми какво виждаш?"

                    "Какво държа в ръката си?"

                    "Има ли препятствия пред мен?"

Асистентът ще направи снимка, ще я анализира и ще ви отговори гласово в рамките на 2-4 секунди.

Образование и Текст

VISION може да помага с домашни, да чете уроци и да пише текстове.

OCR (Четене от екран/хартия)

Покажете учебник пред камерата или отворете документ на екрана и попитайте:

"Прочети ми този текст."

Помощ с уроци

Можете да задавате сложни въпроси като:

"Обясни ми Закона на Ом като за петокласник."
"Напиши ми есе за Христо Ботев."
"Кой е написал 'Под игото'?"

Социални мрежи и Медия

Управлявайте дигиталния си живот без клавиатура.

Spotify

"Пусни Metallica."

"Спри музиката."

"Следваща песен."

Instagram/Email

"Отвори Instagram."

"Изпрати имейл до Иван."

Често задавани въпроси

Безплатен ли е VISION?

Да, VISION е напълно безплатен и с отворен код (Open Source).

Защо микрофонът не ме чува?

Проверете настройките на Windows (Sound Settings) и се уверете, че микрофонът е зададен като "Default Device". Опитайте да говорите по-ясно или по-близо до микрофона.

Поверителност на данните

Ние взимаме сигурността насериозно. VISION не записва вашите разговори постоянно.

Аудио запис се прави само след засичане на ключовата дума ("Слави").
Снимките от камерата се обработват в реално време и не се запазват на сървър.
Никакви лични данни не се продават на трети страни.