Jarvis Web — asistente conversacional multimodal

El problema

Los asistentes de IA por voz suelen requerir apps nativas o integraciones complejas, cuando muchos casos de uso solo necesitan una interfaz web accesible, con reconocimiento de voz y respuesta hablada, adaptable a distintos contextos de conversación.

La solución

Un asistente conversacional multimodal (texto y voz) con distintos modos de personalidad según el caso de uso, que combina reconocimiento de voz, conversación con IA y síntesis de voz en una sola interfaz web — sin necesidad de instalar nada.

Stack técnico

Componente	Tecnología
Conversación	OpenAI GPT-4o-mini
Reconocimiento de voz	Whisper
Síntesis de voz	OpenAI TTS
Backend	FastAPI
Frontend	Interfaz web servida con nginx
Infraestructura	Docker Compose con health checks
Arquitectura	Preparada para integrar RAG (Retrieval-Augmented Generation) a futuro

Resultado / impacto

Release estable con chat en tiempo real, grabación de voz, selección de personalidad y diagnóstico de conectividad funcionando. Memoria persistente, RAG y soporte multiusuario quedan en el roadmap — no hay métricas cuantitativas de uso reportadas en el repositorio.