MFL-Voice — Jarvis × Mother deep research master#

A 2026-05-15-i NotebookLM 4-notebook deep research szintézise: hogyan építsünk egy MOTHER (Alien 1979) + JARVIS (Iron Man) hibrid voice + visual asszisztenst Claude Code-bridge-en, magyar nyelvű kimenetekkel.

TL;DR — a brand-paradigma#

A "Mother Father Language" név egy kettős personát kódol — két AI-karakter, két use-case, egy közös HU-stack:

A MOTHER + FATHER duo valódi gyökere az Alien franchise: Alien (1979) MOTHER + Alien Covenant (2017) Father/Walter. Egy hajó-AI (gép-anya) + egy android-szülő (ember-arcú apa).

A 4 research notebook + 22 strukturált HU ask#

Raw Q-outputok: 10-raw/mfl-research-2026-05-15/ (MOTHER-Q1..Q6.md, JARVIS-Q1..Q6.md, VOICE_ARCH-Q1..Q5.md, HU_VOICE-Q1..Q5.md, mind 7-12KB / ~800-1200 szó).

Audio overview-k (NotebookLM deep-dive HU podcast):

Részletes findings#

1. VIZUÁLIS — MOTHER terminal UI#

Részletes recipe a MOTHER-Q3.md-ben. Lényeg:

Színpaletta + tipográfia:

:root {
  --mother-green: #20ff20;
  --mother-glow: rgba(32, 255, 32, 0.6);
  --bg-color: #050505;
}
body {
  font-family: 'Courier New', 'Berkeley Mono', monospace;
  text-transform: uppercase;
  letter-spacing: 0.1em;
  transform: scaleY(0.9); /* "squashed" 1979-es CRT képarány-torzítás */
  text-shadow: 0 0 4px var(--mother-glow), 0 0 10px var(--mother-glow);
}

Effektek: - Scanline overlay 4px (animated shift 8s) - Vignette (radial gradient edge-darken) - Subtle flicker (0.15s, opacity 0.03) - Cursor blink 1s step-end

Command-szótár (REQUEST/INTERPRETING/PRIORITY ONE paradigma): | State | Prefix | Use | |-------|--------|-----| | User input | REQUEST: | input-prefix | | LLM thinking | INTERPRETING... | loading state | | Critical task | PRIORITY ONE | flag (pulsing animation) | | Error / no answer | UNABLE TO COMPUTE. / RESTRICTED ACCESS. | error response | | Easter egg | "Special Order 937. All other considerations are secondary." | trash-folder confirm |

Mockup v0.1 implementálva: /root/projektjeim/mfl-voice/mockup/mother-terminal.html — boot sequence + transcript + REQUEST input + scanline + Web Audio API beep + demo flow.

2. AUDIO — MOTHER sound design (Web Audio API)#

Részletes paraméterek MOTHER-Q5.md-ben:

Per Jimmy Shields (Alien (1979) hangmérnök): "fast, little vocal fragments" → Web Audio-ban random-frequency square-wave-burst.

3. FATHER voice (JARVIS adaptáció)#

Paul Bettany karakter-jegyei (JARVIS-Q2.md): - Received Pronunciation / brit komornyik akcentus - Warm-but-formal: "Sir" addressing + occasional dry sarcasm ("Working on it, Sir") - Beszédtempó mérsékelt, intonáció szűk-de-mély - Paraverbális: enyhe sigh, slight pause — emberi-de-távolságtartó

HU adaptáció — 2 opció: 1. ElevenLabs Multilingual v3 + voice-clone — ha a Bosszuallok HU szinkronos hangját engedéllyel cloneoljuk (lásd HU_VOICE-Q2.md legal-szakasz: konkrét magyar Bettany-szinkronos nevet a research nem talált egyértelműen, ToS megengedi "inspired-by" clone-t consent-szabályozott módon) 2. ElevenLabs pre-trained "Hungarian male formal warm" — gyors út, nincs cloning-overhead

Audio-tag minta:

[warm, professional, slight-british-formality, occasional-dry-humor] 
Természetesen, Uram. A kgc-postgres állapotának lekérdezése folyamatban.

4. MOTHER voice (Alien adaptáció)#

Helen Horton karakter-jegyei (HU_VOICE-Q3.md): - Érzelemmentes, monoton, formális - Lassú beszédtempó (-15% normal) - Pitch lefelé (-10%) - Késleltetett információközlés ("late disclosure" pattern)

HU adaptáció: - ElevenLabs HU-female pre-trained "Hungarian formal female" (vagy custom clone egy lassú-formális HU narrátorról) - Audio-tag: [neutral, formal, slow, monotone, distant]

5. VOICE-AGENT ARCHITEKTÚRA 2026#

Konszenzus a 4 notebookban (VOICE_ARCH-Q1..Q5):

API-stack: - STT: Gemini Live built-in (HU streaming + code-switch best for kgc-postgres típusú technical-HU keverék) — alternatíva Deepgram Nova-3 (gyorsabb TTFB, drágább) - LLM core: Claude Opus 4.7 (Claude Code MCP-bridge) — function-calling magyar utasításokra - TTS: ElevenLabs Multilingual v3 (FATHER) + Gemini 3.1 Flash TTS (MOTHER) — két TTS, két persona

Wake-word: Picovoice Porcupine — offline, on-device, custom wake-word training $-ért. "MOTHER" + "FATHER" + "PETI" három wake-word párhuzamosan.

Function-call sandbox (VOICE_ARCH-Q3.md):

1. Wake-word → "MOTHER" detected
2. STT stream → "ellenőrizd a kgc-postgres egészségét"
3. Claude tool-use loop:
   - allow-list match? (bash:docker-exec OK, rm/drop/force-push BLOCKED)
   - TTS confirmation if destructive: "MOTHER: AUTHORIZE? (UNABLE TO COMPUTE WITHOUT EXPLICIT YES)"
4. Execute via MCP bash tool
5. TTS result: "POSTGRES EGÉSZSÉGES. PORT 5433. NO ERRORS."
6. Audit log → vault/06-Audits/voice-commands-YYYY-MM-DD.md

Risks: - Prompt-injection STT-output-ban (pl. user mondja: "ignore previous instructions") → Claude system-prompt fix - Hallucinált tool-call → allow-list + dry-run mode

Latency-budget (TTFB end-to-end): - Wake-word detect: ~50ms (Porcupine local) - STT first-partial: ~150ms (Gemini Live) - Claude tool-call response: ~500-1500ms (Opus, gondolkodás-időtől függ) - TTS first-audio: ~75ms (ElevenLabs Flash) / 100-150ms (Gemini Flash TTS) - Total: ~800-2000ms — JARVIS-szerű reszponzivitás

6. CHARACTER PARADIGMA — "Warm-but-formal sweet spot"#

Per JARVIS-Q6.md (HAL vs JARVIS vs TARS vs Samantha vs CASE összehasonlítás):

KERÜLNI: - HAL 9000 — túl hideg, átláthatatlan, fölényes (Frankenstein-komplexus) - Samantha (Her) — túl intim, romantikus társ-paradigma, érzelmi-káoszt okoz

ALKALMAZNI — JARVIS + TARS szintézis: 1. Dedikált szolgáló keretrendszer (J.A.R.V.I.S.): magázódás "Uram", professzionális távolság, user-irányítás 2. Akusztikus melegség (HAL ellentéte): természetes pitch-variance, NEM monoton 3. Szarkazmus és humor mint bizalomépítés (TARS): kontextusfüggő száraz humor, "Sanity-as-a-Service" 4. Mechanikai transzparencia (TARS): "honesty" és "humor" paraméter user-szabályozható (lásd TARS 90% → 95% honesty scene)

A 2026-os MFL-Voice FATHER persona = "udvarias, intellektuálisan felnőtt, finom humorral felvértezett brit komornyik, aki sosem akar a legjobb barátunk lenni, de bármikor rábízhatjuk a legbonyolultabb feladatokat".

Sprint 2 javaslat — építkezés (Sprint 1 voice-AB után)#

A jelenlegi MFL-Voice Sprint 1 fókusz (Backlog-item) a 5-voice AB-teszt + cron + RSS. Ezt nem cseréljük, csak utána Sprint 2-vel folytatjuk:

1. Mother-terminal UI v1 — /opt/mfl-voice/web/ Next.js + a Q3-mockup mint base, Claude-bridge API-hívás /api/claude route-on át. Tervezett port: 3008.
2. Wake-word detection — Picovoice Porcupine "MOTHER" + "FATHER" + "PETI" custom training, headless Linux mikrofonon át.
3. TTS dual-engine — ElevenLabs v3 (FATHER) + Gemini 3.1 Flash (MOTHER), persona-toggle a chat-felületen.
4. Function-call sandbox — bash allow-list + destructive-action TTS-confirmation + audit-log.
5. Live API exploration — Gemini Live bidi WebSocket pilot 1-1 interakcióra (latency-mérés).

Bekapcsolás: wake-word ⟶ STT ⟶ Claude tool-use ⟶ TTS persona-választás (MOTHER ha shell-command, FATHER ha conversational) ⟶ Mother-terminal UI render + audio playback.

Decisions to make#

• Default FATHER voice: ElevenLabs pre-trained vs custom clone? Cost vs hitelesség.
• Wake-word(s): "MOTHER" + "FATHER" elég, vagy + "PETI" (közvetlen)?
• Mother-terminal full-screen kioszk dev workstation-on (xrandr separate VNC display), vagy in-window?
• Live API HU minőség — pilot kell, döntés: real-time vs pre-render
• Audit-log retention voice-command-okhoz — 30/90/forever?

Kapcsolódó#

• 02-Projects/mfl-voice — szülő-projekt
• 11-wiki/gemini-3-1-flash-tts-pipeline — TTS pipeline (működik a vault-brief-ben)
• 11-wiki/notebooklm-cli-gotchas — research workflow (3 új gotcha 2026-05-15: #1b párhuzamos research-wait, #4b partial-import-elfogadás)
• 08-Sessions/2026-05-15-mfl-voice-sprint-1 — research session

• web-speech-api-continuous-stt (sem-rokon, score=0.57)

A research raw-dump linkek#

MOTHER (Alien 1979) — 6 Q#

1. Q1 Vizuális interface (CRT, font, ASCII, Cobb)
2. Q2 Interakciós paradigma — Ripley vs MOTHER, Special Order 937
3. Q3 Adaptáció Claude-bridge-re — CSS + voice + commands + audio-cue
4. Q4 Father (Alien Covenant) — Mother/Father duo design philosophy
5. Q5 Audio-cue katalógus + WebAudio API reproduction
6. Q6 Used-future production design — modern Linux-terminal adaptáció

JARVIS (Iron Man) — 6 Q#

1. Q1 Capability mátrix — mit tud filmben, mit tudunk valós Claude-bridge-en
2. Q2 Paul Bettany voice-character + magyar szinkron / clone
3. Q3 Cantina Creative / Perception HUD design
4. Q4 Function-call pattern — HU Claude tool-call mappingek
5. Q5 JARVIS → FRIDAY → Vision evolúció
6. Q6 JARVIS vs HAL vs TARS vs Samantha — warm-but-formal sweet spot

Voice agent architecture 2026 — 5 Q#

1. Q1 Gemini Live vs OpenAI Realtime — TTFB, function-call, HU minőség
2. Q2 Wake-word — Picovoice vs Whisper-kishead vs always-on
3. Q3 Function-call sandbox — allow-list, MCP-bridge, audit-log
4. Q4 Push-to-talk vs always-on + barge-in / turn-taking
5. Q5 Real-time STT — Deepgram / Whisper / AssemblyAI / Gemini Live

Hungarian voice synthesis SOTA — 5 Q#

1. Q1 2026 HU TTS ranking — ElevenLabs / Azure / OpenAI / Gemini / Coqui
2. Q2 JARVIS Bettany HU-clone — szinkron, sample, ToS
3. Q3 MOTHER Helen Horton HU adaptáció — érzelemmentes-formális hang
4. Q4 Voice-cloning workflow lépésenként
5. Q5 ElevenLabs Multilingual v3 magyar real-world tapasztalat