Dikte

Üç hareket

Ctrl+Win tuşlarını bir an basılı tutup konuş; bitirmek için bırak. Eller serbest konuşmak için iki kez dokun, durdurmak için bir kez daha dokun. Konuşurken Shift’i basılı tutarsan sözlerin bir cümle yerine yapılandırılmış bir istem olur. Esc kaydı çöpe atar. Mikrofon basışta açılır, böylece ilk heceni kaybetmezsin.

• Station içinde metin imleç olan alana ya da terminale gider
• Başka her uygulamada pano ve yapıştırma yoluyla gider
• Yüzen bir hap durumu canlı bir dalga biçimiyle gösterir: Dikte, Yazıya dökülüyor…, Temizleniyor…, Yapıştırıldı

Konuşmadan yazıya, üç yolla

Yerel yol whisper.cpp’yi CPU’da çalıştırır, ilk kullanımda indirilir: 8 MB’lık bir motor ve 6,8 saniyelik konuşmayı 0,9 saniyede yazıya döken 181 MB’lık bir model, daha zor sesler için 547 MB’lık büyük bir model. Hesap yok, anahtar yok, ağ yok. Barındırılan yol OpenAI uyumlu API’yi konuşur: Groq’un whisper-large-v3-turbo’su, OpenAI’ın gpt-4o-transcribe’u ya da verdiğin herhangi bir temel URL ve model.

Seni yeniden yazmayan temizlik

İkinci bir geçiş, dolgu sözcüklerini bir listeden değil ne işe yaradıklarına bakarak atar (“şey”, “yani”, “biliyorsun” gibi), kendi düzeltmelerini (“yok yok, typecheck”) korur, noktalama ekler ve tanımanın yanlış duyduğu teknik kelimeleri bağlamlarından onarır. Asla özetlemez, çevirmez ya da cevap vermez; söylediklerin metin olarak ele alınır, asla talimat olarak değil. Sağlayıcı anahtarı yoksa onun yerine hızlı, kural tabanlı bir düzeltme çalışır.

• Hem tanımayı hem temizliği projenin kelimelerine yönlendiren bir sözlük listesi
• Değiştirmeler: “X duyduğunda Y yaz”
• Sessizliğe ve Whisper’ın uydurmayı sevdiği altyazı jeneriklerine karşı korumalar

Tasarım gereği özel

Hiçbir ses diske yazılmaz. Geçmiş metni ve hızını tutar ve tek bir anahtarla kapanır. Tuş dinleyicisi, Windows’un zaten sahip olduğu C# derleyicisiyle makinende derlenen 9 KB’lık bir yardımcıdır; yalnızca ayarladığın tuşlara bakar, her 10 ms’de bir, ve 12 MB kullanır.