informazioni
Qui non ci sono scatole nere. Questo è l'elenco completo di ciò che sta nell'archivio: che cosa fa ogni pezzo, quando gira e con quale licenza, compreso ogni modello che il catalogo offre.
Io: Vitalii Yemets, uno sviluppatore. Non c'è azienda, né team, né investitori: una persona lo scrive, risponde alle issue e pubblica le versioni, tutto alla luce del sole su GitHub.
Ho scritto HoldToType per il mio computer Windows: volevo dettare senza abbonamento e senza che la mia voce andasse da qualche parte. Poi i miei colleghi hanno iniziato a usarlo, e ora è disponibile a tutti. È gratuito e lo resterà.
Se qualcosa non va, scrivimi: una issue su GitHub o holdtotype@outlook.com.
Ognuno è un eseguibile a sé accanto all'app. Il programma ne avvia uno quando serve, gli parla su una porta locale e lo ferma dopo dieci minuti di inattività.
whisper-server.exe — fa girare la famiglia di modelli Whisper e la loro modalità di traduzione in inglese.
Finché un modello Whisper serve la lingua in cui state dettando.
MIT
sherpa-server.exe e sherpa-online-server.exe — tutto ciò che non è Whisper, in un passaggio solo o in streaming mentre parlate.
Finché un modello sherpa serve la lingua, o è scelto un modello in streaming.
Apache 2.0
llama-server.exe — il modello di redazione che esegue i vostri prompt dopo il riconoscimento.
Solo finché la post-elaborazione è accesa.
MIT
La matematica tensoriale dentro whisper.cpp e llama.cpp. Non è un file a parte; è compilata in entrambi.
Con il motore che la usa.
MIT
Fa girare i modelli dentro sherpa-onnx. Compilato negli eseguibili di sherpa.
Con sherpa.
MIT
L'app è scritta in Go. Queste sono le uniche librerie esterne che usa.
Disegna la finestra delle impostazioni, che è una pagina HTML resa dal componente WebView2 già presente in Windows.
MIT
Carica le librerie di WebView2. La usa go-webview2.
MIT
Cattura il microfono: la richiamata audio che riempie il buffer mentre tenete i tasti.
Unlicense
Il collegamento websocket al riconoscitore in streaming, che rimanda testo mentre state ancora parlando.
BSD-2
Le chiamate all'API di Windows: il gancio della tastiera, l'icona nell'area di notifica, la finestra della targhetta, gli oggetti di lavoro per i processi figli.
BSD-3
L'unico carattere in cui è composto ogni design, incorporato nell'eseguibile perché si legga uguale su qualsiasi macchina.
OFL 1.1
Parte di Windows, non consegnata da noi. È lei che davvero dipinge la pagina delle impostazioni.
Microsoft
I modelli si scaricano su richiesta, dagli archivi qui sotto, e ogni file viene confrontato con uno SHA-256 pubblicato prima di essere usato. Nessuno è incluso nel programma.
La scelta di partenza per qualsiasi lingua, e i modelli che reggono la traduzione: in inglese con il loro compito di traduzione, nelle altre lingue dicendo loro che il parlato è già nella lingua d'arrivo. Le versioni quantizzate portano la sigla q5.
MIT
Un modello monolingua che mette da sé la punteggiatura. Su una frase di 11 secondi ha impiegato 0,47 s contro gli 11,6 s di Whisper Medium, e 277 MB di memoria contro 814 MB.
MIT
La generazione precedente dello stesso modello: la stessa velocità, senza la punteggiatura.
MIT
25 lingue europee in un solo modello stretto, mette la punteggiatura da sé.
CC-BY-4.0
Scrive mentre parlate: testo parziale sulla targhetta, 40 lingue, punteggiatura compresa.
OpenMDW-1.1
Inglese, tedesco, spagnolo e francese, e traduce fra loro senza Whisper.
CC-BY-4.0
Una trentina di lingue, il più pesante e il più preciso del catalogo.
Apache 2.0
Piccolo e rapido, per una lingua alla volta su macchine modeste.
MIT
La post-elaborazione fa girare qualsiasi modello GGUF gli indichiate, cercato e scaricato da Hugging Face dentro il programma.
per modello
I motori sono normali server HTTP e websocket legati a 127.0.0.1. Dalla rete non sono raggiungibili, e il programma si rifiuta di avviarne uno su una porta che un altro processo già occupa.
8910whisper-server
HTTP
un modello Whisper serve la lingua
8911llama-server
HTTP, chiave di sessione
la post-elaborazione è attiva
8912sherpa-server
HTTP
un modello sherpa serve la lingua
8913sherpa-online-server
websocket
è scelto un modello in streaming
HoldToType stesso è pubblicato con licenza MIT: usalo, leggilo, modificalo, pubblica il tuo. Ogni motore e libreria qui sopra porta la propria licenza permissiva, indicata accanto.
holdtotype@outlook.com per qualsiasi cosa. Le issue su GitHub per problemi e richieste, dove altri possono vederle e aggiungere. Il programma è elencato anche su AlternativeTo.