Date : 12/10/2026
Statut : analyse seule, aucune modification de code effectuée
| # | Système | Fichier | Mécanisme | Notion de "sensibilité" ? |
|---|---|---|---|---|
| A | Endpoint web /ws/audio (legacy) |
JARVIS_LIVE_VOICE\server.py:273, 3575-3595, 4584-4606 |
STT complet (ElevenLabs/Google) puis recherche de la sous-chaîne "jarvis" dans le texte transcrit, après normalisation accents/casse |
Non — correspondance binaire exacte, pas de seuil, pas de fuzzy matching |
| B | Flux web live actuel /ws/jarvis_live (Gemini Live natif) |
JARVIS_LIVE_VOICE\server.py:6573+ |
Streaming audio continu vers Gemini Live, aucun gating par mot-clé | Non applicable — il n'y a pas de détection de mot-clé du tout sur ce chemin, tout ce qui est capté est envoyé en continu |
| C | Service Android en arrière-plan ("always listening") | JARVIS_ANDROID\...\wakeword\JarvisWakeWordEngine.kt:373-522 |
Détecteur acoustique heuristique maison (pas de modèle ML type Porcupine) : énergie RMS, ZCR (taux de passage par zéro), SNR relatif au bruit ambiant, recherche d'un motif en 2 syllabes "JAR"+"VIS" avec friction sibilante finale | Oui — c'est le seul système avec de vrais seuils numériques réglables et un score de confiance calculé (0,86–0,98) |
Conclusion immédiate : la notion de "sensibilité" à régler ne s'applique concrètement qu'au système C (moteur Android en arrière-plan). Les systèmes A et B n'ont rien à régler : A est un test de présence de sous-chaîne (tout ou rien, pas de curseur possible sans le réécrire entièrement), et B n'a aucune détection de mot-clé en place aujourd'hui — le flux live web écoute en continu une fois la session ouverte (activation par bouton, pas par mot d'appel).
De plus, A semble être un reliquat : le frontend actuellement servi (public_jarvis/app.js) se connecte exclusivement à l'endpoint B (/ws/jarvis_live), jamais à A (/ws/audio). contains_wake_word() existe donc dans le code mais n'est probablement plus dans le chemin réellement utilisé en production web.
Le détecteur valide un "JARVIS" sur la conjonction de 6 conditions (lignes 480-500 de JarvisWakeWordEngine.kt) :
- énergie minimale des 2 syllabes (avgSyl1Energy >= 340f, avgSyl2Energy >= 180f)
- rejet du bruit stationnaire (energyDiffRatio < 0.12f)
- contraste d'énergie syllabique (avgSyl1Energy >= avgSyl2Energy * 1.08f)
- SNR minimal par syllabe (snrSyl1 >= 1.60f, snrSyl2 >= 1.25f)
- contraste de ZCR entre les 2 syllabes (hasZcrContrast)
- queue sibilante finale (sibilantFramesCount >= 2)
Diminuer la sensibilité (= déclencher moins facilement, donc réduire les faux positifs) revient techniquement à durcir ces seuils (augmenter les SNR/énergies minimales requises, resserrer energyDiffRatio, exiger plus de frames sibilantes, etc.).
analyzeAcousticWindow), pas un modèle à ré-entraîner. Quelques valeurs à ajuster + build/déploiement APK.ambientNoise, dynamicMargin). Nécessite des tests réels dans plusieurs conditions (silence, bruit modéré, véhicule) avant tout déploiement, pas un réglage "une seule valeur et c'est réglé".SharedPreferences, pas d'UI) : aujourd'hui la seule façon de changer la sensibilité est de modifier le code source et recompiler/redéployer l'APK. Si on veut pouvoir ajuster sans recompiler à chaque essai, il faut ajouter un paramètre exposé (travail supplémentaire modeste mais réel).Deux hypothèses opposées, qui appellent des corrections totalement différentes :
VOICE_SIMILARITE_THRESHOLD = 0.80 dans server.py:280) qui peut rejeter la voix même après détection correcte du mot "Jarvis" — un symptôme "Jarvis ne répond pas" peut très bien venir de là, pas du moteur de wake-word.Sans confirmation du symptôme exact observé par Raphaël, il n'est pas possible de garantir que "la sensibilité de détection du mot-clé" est effectivement le bon paramètre à toucher. C'est précisément la vérification demandée avant toute modification concrète.
JarvisWakeWordEngine.kt:480-500 (durcissement), avec une phase de test en conditions réelles variées avant déploiement — pas un simple changement de chiffre suivi d'un déploiement direct.VOICE_SIMILARITY_THRESHOLD (server.py:280, actuellement 0.80) et la robustesse du service en arrière-plan (anti-Doze), pas le moteur de wake-word.