Lokalne dyktowanie przytrzymaj, aby mówić dla bezpiecznej transkrypcji na urządzeniu.
Dyktuj do dowolnej aplikacji skupionej, przytrzymując klawisz skrótu: naciśnij, mów, puść, a tekst jest wpisywany tam, gdzie znajduje się kursor. Mohsen Seyedkazemi Ardebili stworzył YazSes jako narzędzie usługowe działające w tle, które działa lokalnie na komputerach stacjonarnych. Używa lokalnego silnika faster-whisper, wspiera transkrypcję plików i rejestrowanie spotkań oraz oferuje polecenia głosowe oparte na regex. Aplikacja jest odpowiednia dla profesjonalistów dbających o prywatność oraz deweloperów pracujących w środowiskach odizolowanych lub wrażliwych, którzy potrzebują offline speech-to-text.
Co robi narzędzie i jak wstrzykuje tekst
YazSes rejestruje dźwięk na żądanie i wstrzykuje transkrypcję do aktywnego okna. Aplikacja implementuje klawisz skrótu do mówienia na żywo oraz tryb spotkań bez użycia rąk do ciągłego rejestrowania. Akceptuje również pliki audio do transkrypcji wsadowej do TXT, MD, SRT, VTT lub JSON. Projekt skierowany jest na sytuacje, w których potrzebujesz tekstu wpisanego bezpośrednio do edytorów, terminali lub przeglądarek bez zmiany przepływu pracy.
Jak wpływa na zasoby systemowe podczas transkrypcji
Transkrypcja działa lokalnie na CPU i ma mierzalne potrzeby pamięciowe. Aplikacja używa szybszego-whisper z kwantyzacją int8, więc nie wymaga GPU, ale udokumentowane minimum to 4GB RAM, a 8GB jest zalecane dla płynniejszej pracy. Model przetwarzania działa na urządzeniu, co utrzymuje niską latencję dla dyktowania w czasie rzeczywistym na standardowych konsumenckich CPU, wykorzystując cykle CPU podczas aktywnej transkrypcji.
Bezpieczeństwo, prywatność i gwarancje operacyjne
Wszystkie przetwarzanie odbywa się na maszynie, a aplikacja nie zbiera telemetrii. YazSes działa bez przesyłania audio do zewnętrznych usług i nie wymaga kont ani kluczy API. Dla wrażliwych środowisk oznacza to, że żadne dane audio ani tekstowe nie opuszczają gospodarza. Opcjonalne zaawansowane funkcje mogą polegać na lokalnie zainstalowanych modelach, więc administratorzy muszą dostarczyć te artefakty zamiast wysyłać dane poza siedzibę.
Kto może to uruchomić i ile technicznego przygotowania to wymaga
Narzędzie oczekuje pewnej wygody z menedżerami pakietów i lokalną konfiguracją. Instalacja na Windows jest dostępna przez polecenie Menedżera Pakietów Windows, a instalacje macOS lub Linux używają Homebrew, Snap lub pipx. Makra głosowe używają gramatyki opartej na regex, co oferuje moc dla programistów, ale wymaga nauki składni. Aplikacja skierowana jest do użytkowników, którzy potrafią obsługiwać skromne kroki w wierszu poleceń i zarządzanie lokalnymi modelami.
Praktyczna lokalna dyktacja dla użytkowników skoncentrowanych na prywatności, z umiarkowanymi kompromisami w konfiguracji
YazSes to skoncentrowana opcja dla profesjonalistów, którzy potrzebują offline'owego rozpoznawania mowy i bezpośredniego wstrzykiwania tekstu do aplikacji; jego głównym kompromisem jest potrzeba umiarkowanej pamięci RAM i okazjonalnej konfiguracji z linii poleceń w celu zainstalowania lub wymiany lokalnych modeli. Dla każdego, kto działa w środowiskach odizolowanych lub wrażliwych, aplikacja zapewnia przewidywalną transkrypcję na urządzeniu bez polegania na usługach zewnętrznych.
