UGAssistant

UGAssistant es un asistente multimodal local para Windows y Raspberry Pi 5. Procesa voz, imagen y texto en el propio equipo: no requiere suscripciones ni envia contenido de la conversacion a servicios de IA en la nube.

Estado: desarrollo activo. Windows es el entorno de desarrollo y Raspberry Pi 5 el objetivo de despliegue, con el mismo nucleo y modelos bloqueados.

Estado actual

La aplicacion incluye:

• Backend Python con FastAPI y WebSockets.
• Interfaz HTML, CSS y JavaScript para 1024 x 600.
• Maquina de estados independiente y probada.
• Avatar con expresiones de reposo, presencia, escucha, pensamiento, habla, error, aburrimiento y sueno.
• Mirada controlada por el raton y por la posicion del rostro.
• Captura de camara OpenCV a un maximo de 640 x 480, con perfil adaptativo de 1 a 5 FPS para Raspberry Pi.
• Deteccion facial local con el YuNet bloqueado.
• Deteccion local de hasta dos manos con 21 puntos por mano.
• Recuento de 0 a 5 dedos por mano y total estable de 0 a 10.
• Deteccion, seleccion y monitorizacion local de microfonos mediante PortAudio.
• Deteccion de actividad de sonido con nivel RMS, histeresis y estado LISTENING.
• Reconocimiento local con whisper.cpp y el modelo multilingue bloqueado ggml-base.bin, limitado por la aplicacion a castellano y frances.
• Flujo manual de prueba: escucha, cierre por silencio, transcripcion, seleccion automatica de idioma/voz y repeticion de la frase reconocida.
• Turno por palabra de activacion local: hola inicia el turno en espanol y salut lo inicia en frances; despues escucha la pregunta y la procesa localmente.
• LLM local mediante Ollama y el modelo bloqueado gemma3:4b, con historial limitado, una unica inferencia pesada simultanea y eleccion verbal entre respuesta corta o completa antes de cada consulta.
• Sintesis de texto local con Piper y las voces bloqueadas es_ES-davefx-medium y fr_FR-tom-medium.
• Reproduccion por el altavoz seleccionado, volumen y velocidad configurables, sincronizacion labial por RMS y fragmentacion de respuestas extensas preparada en paralelo para evitar pausas artificiales entre partes.
• Paneo estereo suave segun la posicion horizontal del rostro detectado.
• Gestos geometricos: puno, palma, senalar, pulgar arriba/abajo y victoria.
• El avatar sonrie con pulgar arriba y muestra tristeza con lagrimas con pulgar abajo.
• Selector de camaras instaladas y opcion Ninguna.
• Enumeracion por backend OpenCV para conservar la correspondencia nombre-indice.
• Vista previa MJPEG local que no guarda fotogramas.
• Adaptadores simulados para pruebas sin hardware.

Experiencia local

La pantalla principal esta pensada para 1024 x 600: muestra la palabra de activacion, hora y fecha junto al avatar. Durante una interaccion aparece un panel de lectura con la pregunta y la respuesta. Tras cada respuesta, el asistente permite pedir una aclaracion manteniendo el contexto local de la sesion; puede terminarse por silencio, una respuesta negativa o pulgar abajo.

El modal de configuracion concentra dispositivos, volumen, velocidad de voz, voces, palabras de activacion en castellano y frances, diagnosticos de camara y audio, y el cierre ordenado del sistema.

Los temporizadores activos aparecen encima del avatar y se ordenan por el que termina antes. Sus etiquetas conservan el orden de creacion: por ejemplo, si termina el temporizador 2 y siguen activos el 1 y el 3, el siguiente sera el 4. Cuando no queda ninguno, la siguiente cuenta vuelve a ser el temporizador 1.

Los runtimes de Piper y whisper.cpp, las voces TTS en castellano y frances y ggml-base.bin ya estan instalados para desarrollo en Windows. Ollama y gemma3:4b se instala deliberadamente mediante un paso explicito.

El proyecto toma como referencia la experiencia de BillAI Bass, sustituyendo el pez y los componentes mecanicos por el avatar de pantalla. La arquitectura no usa Strands, Bedrock ni otros servicios remotos: vision, voz y el futuro LLM se ejecutan localmente y sin suscripciones.

Windows

Abre PowerShell en el proyecto. Si la ejecucion de scripts esta bloqueada, habilitala solo para la ventana actual:

Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass

Prepara o actualiza el entorno:

.\scripts\setup_windows.ps1

Descarga o verifica de forma explicita los modelos de vision bloqueados:

.\.venv\Scripts\python.exe scripts\download_models.py --model face_detection
.\.venv\Scripts\python.exe scripts\download_models.py --model palm_detection
.\.venv\Scripts\python.exe scripts\download_models.py --model hand_pose

Instala el runtime bloqueado de Piper y descarga explicitamente las voces bloqueadas. DaveFX sigue siendo la voz predeterminada establecida en AGENTS.md; Tom es la voz francesa masculina solicitada y no sustituye a DaveFX:

.\.venv\Scripts\python.exe scripts\install_piper.py
.\.venv\Scripts\python.exe scripts\download_models.py --model tts
.\.venv\Scripts\python.exe scripts\download_models.py --model tts_config
.\.venv\Scripts\python.exe scripts\download_models.py --model tts_fr
.\.venv\Scripts\python.exe scripts\download_models.py --model tts_fr_config

Los scripts verifican plataforma, tamano y SHA-256. No sustituyen la voz ni descargan el LLM automaticamente.

Instala Ollama y descarga explicitamente el unico LLM bloqueado:

winget install --id Ollama.Ollama --exact
.\.venv\Scripts\python.exe scripts\download_models.py --model llm

Ollama descarga el modelo una vez desde su registro y lo sirve despues por la API local 127.0.0.1:11434; UGAssistant no usa una API de IA externa durante el funcionamiento.

Actualizaciones

La seccion Actualizaciones de Configuracion ejecuta una unica revision ordenada. Primero consulta origin/main y aplica git pull --ff-only cuando existe un avance lineal. El repositorio debe estar limpio y los historiales divergentes no se modifican. A continuacion comprueba Gemma, STT, TTS y vision contra sus fuentes oficiales aprobadas.

Los candidatos de modelos se descargan temporalmente, se activan de forma atomica y se prueban en el equipo local: Whisper y Piper procesan frases de prueba en castellano y frances, OpenCV carga los modelos de vision y Gemma realiza una generacion minima. Ante cualquier fallo se restaura el ultimo conjunto funcional y su bloqueo. La interfaz muestra las revisiones instalada y disponible de cada componente y un estado compacto. Si se actualiza el software, reinicia UGAssistant al finalizar para cargar el nuevo codigo.

La operacion no modifica dependencias, preferencias ni datos de usuario.

Acceso movil local

Acceso movil crea una credencial persistente por dispositivo y un QR de emparejamiento. Las credenciales se guardan como hashes revocables en data/mobile_access.sqlite3; el telefono conserva su credencial solo en el almacenamiento local del navegador. No se guardan audio ni conversaciones. El asistente inicia un segundo servidor HTTPS local en el puerto 8443 despues de reiniciarse. En Configuracion, genera el QR, reinicia UGAssistant y abrelo desde el telefono conectado a la misma red Wi-Fi. La primera conexion desde Android puede requerir aceptar el certificado local generado por UGAssistant. El navegador solicita el permiso de microfono al pulsar Hablar, muestra los dispositivos de entrada/salida que expone Android y reproduce Piper mediante la salida predeterminada del telefono. Revocar un dispositivo invalida su credencial inmediatamente y retira su registro de la lista.

Perfiles de respuesta local

La respuesta corta usa gemma3:4b con 2.048 tokens de contexto, hasta tres frases y 384 tokens de salida para conservar una interaccion agil. La respuesta completa anuncia que necesitara algo mas de tiempo y usa 4.096 tokens de contexto con hasta 2.048 tokens de salida. Gemma no usa un modo de razonamiento oculto en UGAssistant: el estado visual de pensamiento representa la inferencia local, no una garantia de exactitud factual.

Los dos perfiles usan temperatura 0.2 y penalizacion de repeticion 1.08. El prompt pide omitir los detalles inciertos antes que rellenarlos e impide presentar una respuesta como autentica, tradicional, correcta, segura u oficial sin poder sostenerlo. Esto reduce alucinaciones, pero un modelo local no puede verificar hechos actuales ni sustituir fuentes especializadas.

La aplicacion ya no recorta el texto final por numero de caracteres. El limite de salida de 2.048 tokens del perfil completo es una proteccion tecnica de memoria y tiempo en Raspberry Pi; el modelo debe cerrar la respuesta de forma natural. Puede ajustarse en config/app.yaml si el hardware final lo permite.

Instala el runtime bloqueado de whisper.cpp y descarga explicitamente el modelo STT multilingue bloqueado:

.\.venv\Scripts\python.exe scripts\install_whisper.py
.\.venv\Scripts\python.exe scripts\download_models.py --model stt
.\.venv\Scripts\python.exe scripts\check_stt.py --language es
.\.venv\Scripts\python.exe scripts\check_stt.py --language fr

Comprueba que la camara configurada abre un fotograma:

.\.venv\Scripts\python.exe scripts\check_camera.py

Enumera microfonos y altavoces sin abrirlos:

.\.venv\Scripts\python.exe scripts\check_audio.py

Genera el ejecutable local de Windows (solo necesita hacerse tras cambios en el lanzador):

.\scripts\build_windows_launcher.ps1 -InstallBuildTool

Inicia UGAssistant desde el ejecutable UGAssistant.exe, que arranca el backend local y abre el asistente en el navegador:

.\UGAssistant.exe

Tambien puedes usar .\scripts\run_windows.ps1, que usa el ejecutable cuando existe. Dentro de Configuracion, el boton Cerrar sistema apaga el backend de forma ordenada; el ejecutable espera ese cierre y termina tambien. Si ya hay un servidor local iniciado manualmente, el ejecutable abre el navegador sin tomar control de ese proceso.

La vista de desarrollo de vision esta disponible en http://127.0.0.1:8000/debug/camera. Reutiliza la captura y la inferencia del servicio principal; no abre la webcam ni ejecuta inferencias una segunda vez.

La vista de desarrollo de audio esta disponible en http://127.0.0.1:8000/debug/audio. Muestra el nivel RMS, el umbral, el historial reciente, los dispositivos seleccionados, el paneo y el estado del asistente. Tambien permite elegir la voz instalada, escribir una frase y reproducirla con Piper. Reconocer voz abre el microfono seleccionado, espera una frase, termina tras 1,5 segundos de silencio, transcribe en castellano o frances y reproduce el texto con DaveFX o Tom. El boton permite cancelar el proceso mientras esta activo. Reutiliza los servicios principales y no abre un segundo flujo de audio.

Con microfono y altavoz activos, el modo normal queda esperando hola o salut. Tras reconocerlos, saluda en espanol o frances, espera una segunda frase y pregunta si se desea una respuesta corta o completa antes de enviar la consulta a gemma3:4b por la API local de Ollama. Si se elige una respuesta completa, antes anuncia que tardara un poco mas. La respuesta se reproduce con DaveFX o Tom segun el idioma transcrito. Si la primera frase no contiene una de esas palabras, se descarta. Cada captura se cierra tras dos segundos de silencio y vuelve a reposo si no hay activacion o pregunta. El breve bufer necesario para no cortar la activacion permanece solo en memoria y se borra despues de cada intento.

Para usar temporizadores di hola, temporizador. El asistente pregunta De cuanto tiempo?; por ejemplo, de 10 minutos, y confirma que empieza de inmediato. Tambien se acepta hola, temporizador de 10 minutos. Al terminar, se reproduce una alarma local de despertador de dos segundos, generada sin archivos externos, y se anuncia el temporizador finalizado. Un temporizador no bloquea preguntas, musica ni el resto del modo de voz. Para cambiar o cancelar uno se puede decir hola, quiero modificar el temporizador o hola, cancelar temporizador; si hay varios activos, el asistente pide el numero correspondiente. Los temporizadores son efimeros y se cancelan al cerrar el proceso de UGAssistant.

Si la deteccion global de Whisper devuelve otro idioma, UGAssistant compara secuencialmente las transcripciones forzadas a castellano y frances. En frases intrinsecamente ambiguas, como una lista de numeros que se convierte solo en digitos, el idioma de la voz seleccionada sirve como desempate. No se ejecutan dos inferencias pesadas al mismo tiempo.

La pantalla principal agrupa la configuracion de camara, microfono, altavoces, idioma y voz en el boton de engranaje. Es posible elegir entre espanol/DaveFX y frances/Tom. Cada dispositivo y la voz conservan su seleccion, incluso al cerrar el modal y reiniciar el servidor.

Las preferencias locales se guardan en data/preferences.yaml mediante una escritura atomica. Incluyen camara, microfono, altavoz, estados activo/inactivo, volumen, velocidad, voz e idioma. Los dispositivos se restauran por nombre y backend, no solo por el indice variable de Windows o ALSA. Si el dispositivo guardado no esta conectado, UGAssistant selecciona ninguno en vez de cambiar a otro. El archivo es local, no contiene audio o video y no se envia fuera del equipo.

Dispositivos de audio

La aplicacion enumera entradas y salidas con sounddevice y PortAudio. En Windows prioriza WASAPI y en Raspberry Pi OS prioriza ALSA, evitando que el mismo dispositivo aparezca repetido por varios backends. Cada dispositivo informa de su indice real, canales, frecuencia predeterminada, backend y si es el endpoint predeterminado.

Los selectores Micro y Altavoz permiten conservar una seleccion durante la sesion o elegir Sin microfono/Sin altavoz. El boton Activar micro abre una entrada mono, calcula el nivel RMS por bloques de 50 ms y descarta cada bloque inmediatamente. Cuando el nivel supera el umbral estable, la maquina cambia a LISTENING; tras el periodo de silencio vuelve a PERSON_DETECTED o IDLE.

La API equivalente es:

• GET /api/audio/devices
• GET /api/audio
• POST /api/audio/select/input/{indice}
• POST /api/audio/select/output/{indice}
• POST /api/audio/enable
• POST /api/audio/disable
• POST /api/audio/output/enable
• POST /api/audio/output/disable
• POST /api/audio/output/volume/{porcentaje}
• WS /ws/audio
• GET /api/tts
• POST /api/tts/select/{voice_id}
• POST /api/tts/speed/{porcentaje}
• POST /api/tts/language/{idioma}
• POST /api/tts/speak con JSON {"text": "Hola"}
• WS /ws/tts
• GET /api/stt
• POST /api/stt/recognize
• POST /api/stt/cancel
• WS /ws/stt
• GET /api/llm
• POST /api/llm/ask con JSON {"text": "Hola", "language": "es"}
• WS /ws/llm
• GET /api/assistant
• WS /ws/assistant
• GET /api/preferences

Usa -1 como indice para seleccionar ninguno. La monitorizacion ordinaria descarta cada bloque de entrada inmediatamente. El reconocimiento mantiene la frase solo en memoria y whisper.cpp elimina su WAV temporal al terminar. Los umbrales, volumen y paneo se ajustan en audio; los tiempos de espera y silencio del reconocimiento se ajustan en stt, dentro de config/app.yaml.

Al comenzar cada frase, el servicio toma la ultima coordenada horizontal del rostro. El centro se reproduce equilibrado; hacia la izquierda o derecha reduce suavemente el canal opuesto sin silenciarlo. El valor se congela durante esa frase para evitar saltos por fluctuaciones de deteccion. Sin rostro o con la camara apagada, la salida queda centrada.

Windows entrega el PCM original de Piper al mezclador WASAPI. En Linux/ALSA, si la salida necesita 48 kHz, UGAssistant utiliza remuestreo Lanczos por bloques con NumPy, ya incluido por OpenCV, y no requiere otra dependencia.

Uso de la camara

La camara empieza apagada. El menu superior enumera los dispositivos disponibles:

• Seleccionar una camara la abre y activa la deteccion.
• Ninguna cierra el dispositivo y descarta el ultimo fotograma.
• El boton Camara permite pausar o reanudar el dispositivo seleccionado.
• Si hay un rostro, el estado cambia a PERSON_DETECTED y las pupilas siguen su centro.
• Las manos detectadas muestran sus 21 puntos y el gesto reconocido en la vista de desarrollo.
• Los fotogramas solo se mantienen en memoria y no se escriben en disco.

Manos y gestos

La deteccion usa los modelos MP-PalmDet y MP-HandPose de OpenCV Zoo mediante OpenCV DNN sobre CPU. No depende del paquete mediapipe, lo que mantiene la misma ruta de ejecucion en Windows x64 y Linux ARM64.

La cara y las manos comparten el mismo fotograma de la webcam. Para priorizar la voz en Raspberry Pi, el perfil es adaptativo: reposo a 1 FPS, rostro presente a 2 FPS y gestos a 5 FPS mientras escucha, habla o reproduce musica. Durante transcripcion y razonamiento se conserva la captura a 1 FPS, pero se suspenden YuNet y HandPose para que Whisper y Ollama tengan prioridad. Las manos se ejecutan cada tres fotogramas cuando el perfil las necesita y se limita la salida a dos manos.

Los gestos se clasifican a partir de la geometria de los 21 puntos, sin un modelo adicional. Se reconocen CLOSED_FIST, OPEN_PALM, POINTING, THUMB_UP, THUMB_DOWN y VICTORY; las poses ambiguas se informan como UNKNOWN.

La vista de desarrollo muestra el recuento de cada mano y un total de 0 a 10. El total se publica tras dos inferencias de mano consecutivas con el mismo resultado para evitar parpadeos: 0 representa un puno cerrado y -- indica que no hay una mano detectada. El dato se expone tambien como finger_count en la API y el WebSocket de camara; no altera la expresion del avatar.

YuNet aporta ademas cinco puntos normalizados: ambos ojos, punta de la nariz y las dos comisuras de la boca. Combinados con los puntos de la mano permiten detectar BOTH_HANDS_OVER_EYES, POINTING_AT_NOSE, POINTING_AT_MOUTH, HAND_OVER_MOUTH, OPEN_PALM_NEAR_FACE, VICTORY_NEAR_FACE, THUMB_UP_NEAR_FACE y THUMB_DOWN_NEAR_FACE. Son reglas espaciales deliberadas; no se infieren emociones ni identidad.

POINTING_AT_MOUTH muestra la cremallera en el avatar y detiene una lectura en curso de forma local.

La frecuencia se puede ajustar en config/app.yaml. Los valores de serie son conservadores para Raspberry Pi 5 y tambien funcionan en Windows:

hands:
  enabled: true
  inference_interval_frames: 3
  finger_count_stable_samples: 2
  max_hands: 2

El indice inicial se configura en config/app.yaml:

camera:
  device_index: 0
  enabled_by_default: false
  preview_fps: 8
  activity_fps:
    idle: 1
    person_detected: 2
    processing: 1
    gesture: 5

La imagen MJPEG y sus anotaciones solo se codifican mientras esta abierta /debug/camera; el frontal normal no consume esa CPU. El perfil debug usa 5 FPS con rostro y manos para conservar la utilidad de la vista de desarrollo.

Para probar otro indice desde la terminal:

.\.venv\Scripts\python.exe scripts\check_camera.py --device-index 1

Comportamiento del avatar

Al mover el raton, las pupilas siguen el cursor y la cara muestra curiosidad. Cuando no hay interaccion ni un rostro presente, el avatar pasa por este ciclo aproximado:

1. Tras 35 segundos muestra aburrimiento.
2. Tras 47 segundos entra en SLEEPING y muestra zZz.
3. Cerca del minuto despierta y vuelve a IDLE.

Cualquier movimiento, clic, tecla o rostro detectado reinicia el ciclo. Durante TRANSCRIBING, el avatar conserva el estado real en la interfaz y usa la misma expresion y animacion visual que durante THINKING.

Raspberry Pi 5

La dependencia esta fijada a opencv-python-headless==4.13.0.92. PyPI proporciona una rueda manylinux2014_aarch64, por lo que el script impide compilar OpenCV desde fuentes accidentalmente.

En Raspberry Pi OS de 64 bits:

cd ~/UGAssistant
chmod +x scripts/setup_raspberry.sh scripts/run_raspberry.sh
./scripts/setup_raspberry.sh
.venv/bin/python scripts/download_models.py --model face_detection
.venv/bin/python scripts/download_models.py --model palm_detection
.venv/bin/python scripts/download_models.py --model hand_pose
.venv/bin/python scripts/install_piper.py
.venv/bin/python scripts/download_models.py --model tts
.venv/bin/python scripts/download_models.py --model tts_config
.venv/bin/python scripts/download_models.py --model tts_fr
.venv/bin/python scripts/download_models.py --model tts_fr_config
.venv/bin/python scripts/install_whisper.py
.venv/bin/python scripts/download_models.py --model stt
.venv/bin/python scripts/download_models.py --model llm
.venv/bin/python scripts/check_stt.py --language es
.venv/bin/python scripts/check_stt.py --language fr
.venv/bin/python scripts/check_camera.py
.venv/bin/python scripts/check_audio.py
./scripts/run_raspberry.sh

Para el despliegue habitual en Raspberry, activa el inicio automatico una vez terminada la configuracion. Crea un servicio systemd para el backend y un autostart de Chromium en modo quiosco:

chmod +x scripts/install_raspberry_autostart.sh
sudo ./scripts/install_raspberry_autostart.sh

El servicio usa Restart=on-failure: se inicia de nuevo en cada arranque del sistema, pero el boton Cerrar sistema de Configuracion lo detiene de forma intencionada y no se reinicia hasta el siguiente arranque o un systemctl start ugassistant.

Instala Ollama ARM64 de forma explicita antes de descargar el LLM:

curl -fsSL https://ollama.com/install.sh | sh
.venv/bin/python scripts/download_models.py --model llm

El setup instala libportaudio2 y alsa-utils si faltan. PortAudio utiliza ALSA para enumerar el microfono USB y las salidas disponibles; no abre ningun flujo durante la comprobacion.

La Logitech C270 se utiliza mediante V4L2 y aparecera como /dev/videoN. El usuario que ejecuta Chromium y UGAssistant debe tener acceso al grupo video. Si el indice cambia, modifica camera.device_index en config/app.yaml o usa --device-index en la comprobacion.

OpenCV 4 se mantiene deliberadamente: el archivo bloqueado face_detection_yunet_2023mar.onnx tiene dimensiones fijas y la documentacion oficial advierte de diferencias con el motor ONNX de OpenCV 5. No se sustituye por el modelo YuNet de 2026.

Diagnostico

$env:PYTHONPATH = "src"
.\.venv\Scripts\python.exe scripts\check_hardware.py

La comprobacion informa sobre plataforma, Python, Ollama, dispositivos de camara y audio, OpenCV, whisper.cpp, Ollama, el modelo gemma3:4b instalado y espacio libre.

Pruebas

$env:PYTHONPATH = "src"
.\.venv\Scripts\python.exe -m unittest discover -s tests

Las pruebas unitarias usan adaptadores simulados y no necesitan abrir la camara ni acceder a Internet.

Modelos bloqueados

config/models.lock.yaml conserva exactamente:

• LLM: Ollama gemma3:4b.
• STT: whisper.cpp ggml-base.bin.
• TTS espanol: Piper es_ES-davefx-medium.onnx.
• TTS frances: Piper fr_FR-tom-medium.onnx.
• Vision: YuNet face_detection_yunet_2023mar.onnx.
• Palma: MP-PalmDet palm_detection_mediapipe_2023feb.onnx.
• Pose de mano: MP-HandPose handpose_estimation_mediapipe_2023feb.onnx.

Los tres modelos de vision, las voces TTS DaveFX y Tom y el modelo STT estan descargados y verificados. El modelo LLM se instala explicitamente con scripts/download_models.py --model llm; su contenido y digest se gestionan localmente por Ollama bajo la etiqueta bloqueada gemma3:4b. config/runtimes.lock.yaml fija Piper 2023.11.14-2 y whisper.cpp v1.8.1 para Windows AMD64 y Linux ARM64; no se sustituye ningun modelo.

Privacidad

• Camara y microfono empiezan desactivados.
• No se guarda audio ni video.
• El WAV temporal generado por Piper se elimina inmediatamente despues de cargarlo en memoria para la reproduccion.
• El audio de reconocimiento se mantiene en memoria; el WAV temporal necesario para whisper.cpp se elimina al terminar cada transcripcion.
• No hay reconocimiento de identidad ni analisis de emociones.
• No se envia telemetria ni contenido a servicios externos.
• La previsualizacion y la deteccion se sirven unicamente desde 127.0.0.1.

Licencia

Copyright (c) 2026 EMoyaP.

El codigo y la documentacion propios de UGAssistant se distribuyen bajo la [Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International] (https://creativecommons.org/licenses/by-nc-sa/4.0/). Puedes usar, adaptar y redistribuir el proyecto solo con fines no comerciales, siempre que atribuyas la autoria a EMoyaP, enlaces este repositorio e indiques los cambios realizados. Las obras derivadas que se compartan deben conservar la misma licencia o una compatible.

Consulta el texto legal completo en LICENSE. Los modelos, runtimes, bibliotecas y demas recursos de terceros mantienen sus propias licencias y no quedan relicenciados por esta declaracion.

El LLM Gemma 3 se descarga por separado y esta sujeto a los Gemma Terms of Use y a su politica de usos prohibidos. Sus pesos no se incluyen ni se redistribuyen con este repositorio. Consulta tambien THIRD_PARTY_NOTICES.md.