про програму
Тут немає чорних скриньок. Це повний список того, що лежить в архіві: що робить кожна частина, коли вона працює і за якою ліцензією, включно з усіма моделями, які пропонує каталог.
Я: Віталій Ємець, один розробник. Немає компанії, команди й інвесторів: одна людина пише програму, відповідає на issues і випускає релізи, усе відкрито на GitHub.
Я написав HoldToType для свого комп'ютера з Windows: хотів диктувати без підписки і так, щоб мій голос нікуди не йшов. Потім нею почали користуватися колеги, і тепер вона доступна всім. Вона безкоштовна і такою залишиться.
Якщо щось не так, напишіть мені: issue на GitHub або holdtotype@outlook.com.
Кожен — окремий виконуваний файл поруч із застосунком. Програма запускає потрібний, розмовляє з ним через локальний порт і зупиняє через десять хвилин простою.
whisper-server.exe — запускає родину моделей Whisper та їхній режим перекладу англійською.
Поки мову, якою ви диктуєте, обслуговує модель Whisper.
MIT
sherpa-server.exe і sherpa-online-server.exe — усе, що не Whisper, одним проходом або потоком під час мовлення.
Поки мову обслуговує модель sherpa або обрано потокову модель.
Apache 2.0
llama-server.exe — модель-редактор, яка виконує ваші промпти після розпізнавання.
Лише поки увімкнена постобробка.
MIT
Тензорна математика всередині whisper.cpp і llama.cpp. Не окремий файл; вкомпільована в обидва.
Разом із рушієм, який її використовує.
MIT
Запускає моделі всередині sherpa-onnx. Вкомпільований у виконувані файли sherpa.
Разом із sherpa.
MIT
Застосунок написано на Go. Це єдині зовнішні бібліотеки, якими він користується.
Малює вікно налаштувань — це HTML-сторінка, яку відмальовує компонент WebView2, уже наявний у Windows.
MIT
Завантажує бібліотеки WebView2. Використовується go-webview2.
MIT
Знімає звук із мікрофона: зворотний виклик, що наповнює буфер, поки ви тримаєте клавіші.
Unlicense
Websocket-зв'язок із потоковим розпізнавачем, який надсилає текст, поки ви ще говорите.
BSD-2
Виклики Windows API: перехоплення клавіатури, значок у треї, вікно смужки, об'єкти завдань для дочірніх процесів.
BSD-3
Єдиний шрифт, яким набрано кожен дизайн; він вшитий у виконуваний файл, тож читається однаково на будь-якій машині.
OFL 1.1
Частина Windows, ми її не постачаємо. Саме вона й малює сторінку налаштувань.
Microsoft
Моделі завантажуються на запит, із репозиторіїв нижче, і кожен файл перед використанням звіряється з опублікованим SHA-256. Жодна не постачається разом із програмою.
Вибір за замовчуванням для будь-якої мови і моделі, на яких тримається переклад: англійською — їхнім власним завданням перекладу, іншими мовами — тим, що їм називають мову результату як мову мовлення. Квантовані збірки позначені q5.
MIT
Одномовна модель, сама розставляє розділові знаки. На фразі в 11 секунд їй знадобилося 0,47 с проти 11,6 с у Whisper Medium і 277 МБ пам'яті проти 814 МБ.
MIT
Попереднє покоління тієї самої моделі: та сама швидкість, але без розділових знаків.
MIT
25 європейських мов в одній вузькій моделі, знаки ставить сама.
CC-BY-4.0
Друкує під час мовлення: шматки тексту на смужці, 40 мов, із розділовими знаками.
OpenMDW-1.1
Англійська, німецька, іспанська та французька — і перекладає між ними без Whisper.
CC-BY-4.0
Близько 30 мов, найважча і найточніша в каталозі.
Apache 2.0
Мала і швидка, на одну мову за раз і на скромному залізі.
MIT
Постобробка запускає будь-яку GGUF-модель, яку ви вкажете; пошук і завантаження з Hugging Face є всередині програми.
за моделлю
Рушії — звичайні HTTP- та websocket-сервери, прив'язані до 127.0.0.1. З мережі вони недоступні, а запускати рушій на порту, який уже тримає інший процес, програма відмовляється.
8910whisper-server
HTTP
мову обслуговує модель Whisper
8911llama-server
HTTP, ключ сесії
увімкнено постобробку
8912sherpa-server
HTTP
мову обслуговує модель sherpa
8913sherpa-online-server
websocket
обрано потокову модель
Сам HoldToType опубліковано під ліцензією MIT: користуйтеся, читайте, змінюйте, випускайте своє. Кожен рушій і бібліотека вище має власну дозвільну ліцензію, зазначену поруч.
holdtotype@outlook.com для будь-яких питань. Issues на GitHub для проблем і побажань, там їх бачать і доповнюють інші. Програму також внесено на AlternativeTo.