acerca de
Aquí no hay cajas negras. Esta es la lista completa de lo que va en el archivo: qué hace cada pieza, cuándo se ejecuta y bajo qué licencia, incluidos todos los modelos que ofrece el catálogo.
Yo: Vitalii Yemets, un desarrollador. No hay empresa, ni equipo, ni inversores: una persona lo escribe, responde los issues y publica las versiones, todo a la vista en GitHub.
Escribí HoldToType para mi propio equipo con Windows: quería dictar sin suscripción y sin que mi voz fuera a ningún sitio. Luego mis compañeros empezaron a usarlo, y ahora está disponible para todos. Es gratis y seguirá siéndolo.
Si algo va mal, escríbeme: un issue en GitHub o holdtotype@outlook.com.
Cada uno es un ejecutable aparte junto a la aplicación. El programa arranca el que hace falta, habla con él por un puerto local y lo detiene tras diez minutos sin uso.
whisper-server.exe — ejecuta la familia de modelos Whisper y su modo de traducción al inglés.
Mientras un modelo Whisper sirva al idioma en el que dicta.
MIT
sherpa-server.exe y sherpa-online-server.exe — todo lo que no es Whisper, de una pasada o en flujo mientras habla.
Mientras un modelo sherpa sirva al idioma, o esté elegido un modelo en flujo.
Apache 2.0
llama-server.exe — el modelo editor que ejecuta sus prompts tras el reconocimiento.
Solo mientras el posprocesado esté encendido.
MIT
Las matemáticas de tensores dentro de whisper.cpp y llama.cpp. No es un archivo aparte; va compilado en ambos.
Con el motor que lo usa.
MIT
Ejecuta los modelos dentro de sherpa-onnx. Compilado en los ejecutables de sherpa.
Con sherpa.
MIT
La aplicación está escrita en Go. Estas son las únicas bibliotecas ajenas que usa.
Dibuja la ventana de ajustes, que es una página HTML dibujada por el componente WebView2 que Windows ya trae.
MIT
Carga las bibliotecas de WebView2. La usa go-webview2.
MIT
Capta el micrófono: la llamada de audio que llena el búfer mientras sujeta las teclas.
Unlicense
El enlace websocket con el reconocedor en flujo, que devuelve texto mientras usted sigue hablando.
BSD-2
Las llamadas a la API de Windows: el enganche de teclado, el icono del área de notificación, la ventana de la barra, los objetos de trabajo de los procesos hijos.
BSD-3
La única tipografía en la que se compone cada diseño, incluida en el ejecutable para que se lea igual en cualquier máquina.
OFL 1.1
Parte de Windows, no lo entregamos nosotros. Es lo que de verdad pinta la página de ajustes.
Microsoft
Los modelos se descargan a petición, desde los repositorios de abajo, y cada archivo se compara con un SHA-256 publicado antes de usarse. Ninguno viene con el programa.
La opción por defecto para cualquier idioma, y los modelos que sostienen la traducción: al inglés por su propia tarea de traducción, a los demás idiomas diciéndoles que el habla ya está en el idioma de destino. Las versiones cuantizadas llevan la marca q5.
MIT
Un modelo de un solo idioma que puntúa por sí mismo. En una frase de 11 segundos tardó 0,47 s frente a los 11,6 s de Whisper Medium, y 277 MB de memoria frente a 814 MB.
MIT
La generación anterior del mismo modelo: la misma velocidad, sin la puntuación.
MIT
25 idiomas europeos en un solo modelo estrecho, puntúa por sí mismo.
CC-BY-4.0
Escribe mientras habla: texto parcial en la barra, 40 idiomas, con puntuación.
OpenMDW-1.1
Inglés, alemán, español y francés, y traduce entre ellos sin Whisper.
CC-BY-4.0
Unos 30 idiomas, el más pesado y el más preciso del catálogo.
Apache 2.0
Pequeño y rápido, para un idioma a la vez en equipos modestos.
MIT
El posprocesado ejecuta cualquier modelo GGUF que le indique, buscado y descargado desde Hugging Face dentro del programa.
según el modelo
Los motores son servidores HTTP y websocket normales atados a 127.0.0.1. No se alcanzan desde la red, y el programa se niega a arrancar uno en un puerto que otro proceso ya ocupa.
8910whisper-server
HTTP
un modelo Whisper atiende el idioma
8911llama-server
HTTP, clave de sesión
el posprocesado está activado
8912sherpa-server
HTTP
un modelo sherpa atiende el idioma
8913sherpa-online-server
websocket
hay elegido un modelo en streaming
HoldToType en sí se publica bajo licencia MIT: úsalo, léelo, cámbialo, publica el tuyo. Cada motor y biblioteca de arriba lleva su propia licencia permisiva, indicada al lado.
holdtotype@outlook.com para cualquier cosa. Los issues en GitHub para problemas y peticiones, donde otros pueden verlos y añadir. El programa también figura en AlternativeTo.