peteonrails/voxtype

🗣️ Voxtype: Voice-to-text nhanưa trên CPU, không cần đám mây

Giữ phím nóng (mặc định ScrollLock) để ghi âm, thả ra là chuyển thành văn bản ngay tại vị trí con trỏ.

Voxtype là công cụ chuyển giọn thành văn bản cho Linux, chạy hoàn toàn trên CPU với tốc độ 9-11× thời gian thực nhờ mô hình Cohere Transcribe. Thiết kế theo phong cách đẩy phím (push-to-talk), hỗ trợ 7 động cơ khác nhau bao gồm Whisper, Parakeet, Moonshine... và tích hợp sẵn xử lý văn bản như thay thế từ, xóa từ điệu, hoặc gửi qua LLM tùy chọn. Hoàn toàn ngoại tuyến, không theo dõi, không abonnement.

✨ Điểm nổi bật

• Cohere Transcribe 9-11× thời gian thực trên CPU: Mô hình được nén xuống 1.5GB (q4f16), hỗ trợ dấu câu, viết hoa tự động và chuẩn hóa văn bản.
• Hỗ trợ 7 động cơ nhận dạng giọng nói: Whisper, Parakeet, Moonshine, SenseVoice, Paraformer, Dolphin, Omnilingual.
• Tích hợp xử lý văn bản: Chuyển đổi giọn từ spoken punctuation, bảng thay thế cá nhân hóa, hỗ trợ pipe qua LLM hoặc script.
• Tải động mô hình theo nhu cầu: Chỉ tải những động cơ đang dùng, giải phóng bộ nhớ khi không hoạt động.
• Chế độ họp: Ghi âm liên tục với phân biệt người nói, xuất file Markdown, JSON, SRT, VTT.
• Tích hợp sâu với compositor Linux: Hỗ trợ Hyprland, GNOME, KDE, Sway, River, Niri với keybinding tự nhiên.
• Tự động tạm dừng nhạc khi ghi âm: Thông qua giao thức MPRIS.
• Cấu hình qua TUI tương tác: voxtype configure hỗ trợ tải model và quản lý toàn bộ cài đặt.

💡 Vì sao đáng chú ý

Voxtype khác biệt từ các công cụ voice-to-text khác bởi tối ưu hoá toàn bộ quy trình trên CPU, mang lại tốc độ vượt trội mà không cần GPU đắt hoặc kết nối mạng. Với sự hỗ trợ đa dạng compositor và động cơ, cùng khả năng tùy biến cao qua cấu hình TOML và script bên ngoài, Voxtype trở thành lựa chọn lý tưởng cho người dùng Linux muốn chuyển giọn thành văn bản nhanh chóng, riêng tư và mạnh mẽ.

#VoiceToText #Linux #Rust #SpeechRecognition #TiniX