home.social

#диктовка — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #диктовка, aggregated by home.social.

fetched live
  1. Своя диктовка для macOS на Deepgram: горячая клавиша, прогретое соединение и три грабли PyObjC

    Я диктую по полторы-три минуты подряд: мысль для поста, письмо, правка к задаче. Готовые приложения для голосового ввода на маке я перепробовал, но для длинных кусков они не годились, и в итоге я за пару вечеров собрал свою диктовку на Python. Зажимаешь правый Command, говоришь, отпускаешь, и текст вставляется туда, где стоит курсор. Распознаёт Deepgram. Статья про то, как это устроено, и про три места, где я потерял больше всего времени. Все три связаны с тем, что обычный Python-скрипт и приложение, которое macOS запускает сама при входе в систему, ведут себя по-разному. Код ниже взят из рабочего файла, лишнее я выкинул.

    habr.com/ru/articles/1090872/

    #macos #распознавание_речи #launchd #диктовка #deepgram #pyobjc

  2. Диктовка без «ну» и «вот»: Whisper на своём компьютере и маленький посредник к LLM

    Я пишу книги, и кроме самих книг за день набирается много другого текста: сообщения, письма, задания нейросетям. Говорить быстрее, чем печатать, поэтому большую часть этого я диктую. Только живая речь, записанная слово в слово, читается плохо. Вот фраза, которую Whisper распознал без единой ошибки:

    habr.com/ru/companies/miip/art

    #python #голосовой_ввод #handy #диктовка #whisper #llm #claude

  3. Как Google Play сделал публикацию бесплатного приложения настоящим испытанием

    Привет, Хабр! Если вы читали мои прошлые статьи, то знаете Гига Писаря: зажимаешь кнопку, говоришь, отпускаешь, и текст появляется там, где стоит курсор. Речь распознаёт модель GigaAM от Сбера прямо на телефоне, без интернета и без облака. До сих пор Android-версию можно было поставить только файлом с сайта. Работает, но неудобно: телефон пугает «неизвестным приложением», а для специальных возможностей приходится лезть в «ограниченные настройки». Поэтому я решил выложить Писарь в Google Play, но там есть нюанс и мне потребуется ваша помощь

    habr.com/ru/companies/gigapisa

    #open_source #android #бетатестирование #распознавание_речи #голосовой_ввод #закрытое_тестирование #google_play #диктовка #gigaam #гига_писарь

  4. Если у вас Android, жизнь стала чуточку легче

    Привет, Хабр! Если вы читали прошлые статьи, то знаете Гига Писаря: зажимаешь клавишу, говоришь, отпускаешь, и текст появляется там, где стоит курсор. Распознаёт речь модель GigaAM от Сбера, прямо на устройстве, без интернета. Сначала был мак, потом Windows, а про Android я даже не думал. Диктовка я думал актуальнее на компе, клавиатура, рабочие письма, документы, телефон был где-то за гранью моего видения

    habr.com/ru/companies/gigapisa

    #гига_писарь #gigaam #android #диктовка #голосовой_ввод #распознавание_речи #open_source #нейросеть #deepseek #вайбкодинг

  5. Гига Писарь Большое обновление для мака, в котором мы навели красоту и перестали вам мешать

    Привет, Хабр! Это обновление для тех, кто диктует на маке, и оно самое заметное за всё время. Окно настроек Гига Писаря переделано полностью: новое устройство, картинки вместо таблиц, анимация, открываешь, и кажется, что это раздел системных настроек, а не отдельная программа. Рассказываю, что изменилось, и немного о том, кто всё это делает, спойлер, уже не только я.

    habr.com/ru/companies/gigapisa

    #гига_писарь #gigaam #диктовка #распознавание_речи #macos #open_source #локальная_нейросеть #qwen #gigachat #вайбкодинг

  6. Гига Писарь: первый пулреквест на Windows и Мозг со своим ключом в облаке

    Привет, Хабр! После того как я выпустил Писаря для Windows, скачали его уже больше трёхсот раз, спасибо всем, кто поставил, попробовал и написал, что не работает, первые баги из комментариев я починил в тот же день. А сегодня прилетел первый пулреквест в Windows-версию.

    habr.com/ru/companies/gigapisa

    #гига_писарь #диктовка #распознавание_речи #gigaam #deepseek #нейросеть #open_source #пулреквест #windows #macos

  7. Гига Писарь теперь и на Windows

    В прошлой статье я подвёл итоги первых полутора недель и повесил опрос. По итогам голосования я понял, что у большинства не мак, могу предположить, что Винда. Так что спустя пару дней я запилил Писаря для Windows. Что это Первая версия, без всего лишнего. Без Мозга (что это такое, я описал в предыдущей статье), без команд над выделенным текстом, просто Писарь с базовым функционалом: нажал правый Ctrl, держишь, говоришь, отпустил, и текст мгновенно вставляется туда, где курсор, должен работать в любой программе, но это нужно тестировать. Распознавание то же, что на маке: модель GigaAM v3 от Сбера, целиком на процессоре, без интернета, видеокарта не используется, я специально целился в обычный лаптоп, на моём стенде 13 секунд речи распознаются за 0,35 секунды, даже на слабом ноутбуке должно быть меньше секунды, памяти уходит примерно 600 МБ. Скачать: gigapisar.github.io , кнопка «Скачать для Windows». Код: github.com/moznoazachem/giga-pisar-win , MIT. Как переносил Ядро распознавания у Писаря одно на все версии: звук превращается в мел-спектрограмму, идёт в энкодер, дальше декодирование RNN-T и склейка кусочков слов. На маке это написано на Swift, для Linux на Python, для Windows я перенёс его на C#, ONNX Runtime там есть родной. Оболочка написана заново, по правилам Windows: значок в трее, обычный мастер установки «Далее, Установить, Готово», системные уведомления, язык интерфейса берётся из системы, плашка с волной у курсора в стиле Windows 11. Плашку можно перетащить мышью, она запомнит место.

    habr.com/ru/companies/gigapisa

    #гига_писарь #gigaam #диктовка #распознавание_речи #windows #open_source #локальная_нейросеть #голосовой_ввод

  8. Гига Писарь: полторы недели после первой статьи. Сколько установок и какие грабли

    Привет, Хабр! С моей первой статьи прошло чуть больше недели, я не ждал, что её вообще одобрят, у меня до этого даже аккаунта на Хабре не было. Программированием я никогда не занимался, хотя интересно было всегда, а потом пришли новые технологии, и код за тебя теперь могут писать роботы. Пересказывать, как я решился сделать Писаря, не буду, про это была первая статья, здесь хочу подвести небольшой итог. Если коротко: увидел, как GigaAM от Сбера распознаёт русскую речь, офигел и сделал диктовку для себя, а вам спасибо за такую высокую оценку, я её не ожидал. Теперь к цифрам, не знаю, много это или мало, но кроме одной статьи на Хабре я нигде про Писаря не рассказывал, просмотры вы и так видите под первой статьёй, а установок уже больше четырёх сотен. Приятно. Ещё меня заметили на Хабре и предложили вести блог, я с удовольствием согласился, мне это ничего не стоит, и мне это интересно, а вам, возможно, будет полезно посмотреть, как не программист дорабатывает приложение и как оно расходится по людям, какие хотелки появляются, на какие сложности я натыкаюсь и как их решаю. Скачать и обновиться После статьи посыпались баги, я разумеется их правил, и версии пошли одна за другой, а значит, нужно было как-то обновляться, тут была первая засада, так как опыта у меня не было, сначала я сделал как проще: приложение сообщало, что вышла новая версия, и отправляло человека на страницу GitHub, а там список файлов с непонятными названиями, разработчику, даже начинающему, всё ясно, человек с улицы привык нажать одну кнопку «Установить», а тут надо угадать, какой из файлов качать. Что сломалось и как чинил

    habr.com/ru/articles/1084906/

    #гига_писарь #gigaam #диктовка #распознавание_речи #macos #open_source #локальная_нейросеть #qwen #gigachat #вайбкодинг

  9. Я печатаю медленнее, чем думаю: локальная диктовка на Whisper для Windows, телефона и Telegram

    Я диктую постоянно: сообщения, заметки, постановку задач — говорить в разы быстрее, чем печатать, а мысль не успевает остыть. Проблема в том, что удобной диктовки, которая не гонит звук в чужое облако, я не нашёл. Так появился PasteTalk: локальная диктовка для Windows по горячей клавише, а вокруг неё — собственный сервер, приложение для телефона и Telegram-бот. Отдельным требованием стала мама: из-за слабого зрения печатать на телефоне она почти не может, и телефонная часть проектировалась под самый жёсткий случай — одна кнопка на весь экран, крупный шрифт, ошибки словами. Забегая вперёд: правки «для мамы» сделали приложение удобнее и для всех остальных. Под катом — архитектура, цифры и четыре бага, каждый из которых молча съедал наговорённый текст. Как это устроено →

    habr.com/ru/articles/1068152/

    #whisper #диктовка #распознавание_речи #speechtotext #selfhosted #telegramбот #локальные_нейросети #fasterwhisper

  10. Как я решил проблему русской диктовки для ИИ

    По мере погружения в ИИ и вайб‑кодинг, я столкнулся с одним неудобным моментом — отсутствием возможности диктовать на русском языке в некоторых программах. И если OpenAI в своем приложении позаботились об этом, то в Anthropic такой возможности на тот момент просто не оказалось. А мне уже так понравилось, откинувшись на спинку кресла с чашкой чая, надиктовывать промпты без клавиатуры. Но я быстро нашел выход, хоть и костыльный — просто диктовать свой текст в окошке GPT, потом копировать его и вставлять в Claude. Вроде несложно, но и удобным этот метод я бы не назвал. И я задумался, как этот процесс оптимизировать. И какая же идея могла прийти в голову в 3 часа ночи человеку, который полжизни занимается программированием? Ну конечно же — разработать свое приложение. Посоветовавшись с Claude и GPT, я набросал небольшой план и приступил к разработке. Поскольку я работаю на macOS, то для начала не стал заморачиваться с мультиплатформенностью и решил делать все на Swift.

    habr.com/ru/articles/1039248/

    #AI #OpenAI #Claude #Whisper #speechtotext #диктовка #voice_input #Apple_Silicon

Share on Mastodon

Enter the server where you have an account.