über
Hier gibt es keine schwarzen Kästen. Das ist die vollständige Liste dessen, was im Archiv liegt: was jedes Stück tut, wann es läuft und unter welcher Lizenz — samt jedem Modell, das der Katalog anbietet.
Ich: Vitalii Yemets, ein Entwickler. Es gibt keine Firma, kein Team und keine Investoren: eine Person schreibt es, beantwortet die Issues und liefert die Versionen aus, alles offen auf GitHub.
Ich habe HoldToType für meinen eigenen Windows-Rechner geschrieben: ich wollte diktieren ohne Abo und ohne dass meine Stimme irgendwohin geht. Dann fingen meine Kollegen an, es zu benutzen, und jetzt steht es allen offen. Es ist kostenlos und bleibt kostenlos.
Wenn etwas nicht stimmt, schreiben Sie mir: ein Issue auf GitHub oder holdtotype@outlook.com.
Jedes ist eine eigene ausführbare Datei neben der App. Das Programm startet eines, wenn es gebraucht wird, spricht über einen lokalen Port damit und beendet es nach zehn Minuten Leerlauf.
whisper-server.exe — betreibt die Whisper-Modellfamilie und deren Übersetzungsmodus ins Englische.
Solange ein Whisper-Modell die Sprache bedient, in der Sie diktieren.
MIT
sherpa-server.exe und sherpa-online-server.exe — alles, was nicht Whisper ist, in einem Durchgang oder im Strom während des Sprechens.
Solange ein sherpa-Modell die Sprache bedient oder ein Strommodell gewählt ist.
Apache 2.0
llama-server.exe — das Bearbeitungsmodell, das Ihre Prompts nach der Erkennung ausführt.
Nur solange die Nachbearbeitung eingeschaltet ist.
MIT
Die Tensorrechnerei in whisper.cpp und llama.cpp. Keine eigene Datei; in beide einkompiliert.
Mit dem Rechenkern, der sie benutzt.
MIT
Führt die Modelle in sherpa-onnx aus. In die sherpa-Programme einkompiliert.
Mit sherpa.
MIT
Die App ist in Go geschrieben. Das sind die einzigen fremden Bibliotheken, die sie benutzt.
Zeichnet das Einstellungsfenster, das eine HTML-Seite ist, dargestellt von dem WebView2-Baustein, den Windows schon mitbringt.
MIT
Lädt die WebView2-Bibliotheken. Wird von go-webview2 benutzt.
MIT
Nimmt das Mikrofon auf: der Audio-Rückruf, der den Puffer füllt, solange Sie die Tasten halten.
Unlicense
Die Websocket-Verbindung zur Stromerkennung, die Text zurückschickt, während Sie noch sprechen.
BSD-2
Die Windows-API-Aufrufe: der Tastaturhaken, das Symbol im Infobereich, das Leistenfenster, Job-Objekte für die Kindprozesse.
BSD-3
Die eine Schrift, in der jedes Design gesetzt ist, in die Exe eingebettet, damit sie auf jedem Rechner gleich aussieht.
OFL 1.1
Teil von Windows, nicht von uns mitgeliefert. Er ist es, der die Einstellungsseite tatsächlich malt.
Microsoft
Modelle werden auf Wunsch geladen, aus den Ablagen unten, und jede Datei wird vor der Nutzung gegen eine veröffentlichte SHA-256 geprüft. Keines liegt dem Programm bei.
Die Vorgabe für jede Sprache und die Modelle, die die Übersetzung tragen: ins Englische über ihre eigene Übersetzungsaufgabe, in andere Sprachen dadurch, dass man ihnen sagt, die Rede sei schon in der Zielsprache. Quantisierte Fassungen sind mit q5 gekennzeichnet.
MIT
Ein einsprachiges Modell, das die Zeichensetzung selbst erledigt. Für einen 11-Sekunden-Satz brauchte es 0,47 s gegen 11,6 s bei Whisper Medium und 277 MB Speicher gegen 814 MB.
MIT
Die vorige Fassung desselben Modells: gleiche Geschwindigkeit, ohne Zeichensetzung.
MIT
25 europäische Sprachen in einem schmalen Modell, setzt die Zeichen selbst.
CC-BY-4.0
Tippt beim Sprechen mit: Teiltext auf der Leiste, 40 Sprachen, Zeichensetzung inbegriffen.
OpenMDW-1.1
Englisch, Deutsch, Spanisch und Französisch — und es übersetzt zwischen ihnen ohne Whisper.
CC-BY-4.0
Etwa 30 Sprachen, das schwerste und genaueste im Katalog.
Apache 2.0
Klein und schnell, für eine Sprache auf einmal und bescheidene Hardware.
MIT
Die Nachbearbeitung führt jedes GGUF-Modell aus, auf das Sie sie richten; Suche und Download von Hugging Face stecken im Programm.
je Modell
Die Rechenkerne sind gewöhnliche HTTP- und Websocket-Server, gebunden an 127.0.0.1. Aus dem Netz sind sie nicht erreichbar, und einen Rechenkern auf einem Port zu starten, den ein anderer Prozess schon hält, verweigert das Programm.
8910whisper-server
HTTP
ein Whisper-Modell bedient die Sprache
8911llama-server
HTTP, Sitzungsschlüssel
die Nachbearbeitung an ist
8912sherpa-server
HTTP
ein sherpa-Modell bedient die Sprache
8913sherpa-online-server
websocket
ein Streaming-Modell gewählt ist
HoldToType selbst steht unter der MIT-Lizenz: benutzen, lesen, ändern, eigene Versionen ausliefern. Jede Engine und Bibliothek oben trägt ihre eigene freizügige Lizenz, daneben aufgeführt.
holdtotype@outlook.com für alles. Issues auf GitHub für Probleme und Wünsche, wo andere sie sehen und ergänzen können. Das Programm ist auch auf AlternativeTo gelistet.