.аудио
DotAudio
Диктовка, Live-субтитры и медиафайлы проходят через один локальный конвейер.
суть
DotAudio подходит для короткой диктовки, но этим сценарий не ограничивается. Глобальная горячая клавиша запускает запись, Live-режим слушает микрофон или системный звук, а импортированный файл открывается в редакторе с таймкодами. Результат можно отправить в буфер обмена или сохранить в одном из форматов экспорта.
Загрузка моделей, распознавание, запись и экспорт не блокируют GUI-поток. Черновик Live остаётся в памяти, подтверждённые сегменты сохраняются в SQLite, а ассистент отвечает рядом с исходной расшифровкой и не меняет её. Windows получает полную интеграцию; для Linux и macOS в репозитории есть установщики и общее ядро, но end-to-end сценарии ещё не проверены на целевых машинах.
масштаб
размер и срок: что стоит за продуктом.
архитектура
Источник диктовки: блоки PCM нормализуются до mono, 16 kHz.
- capture.py
WASAPI loopback на Windows или monitor / BlackHole на других ОС.
- capture.py
Импортированный файл с таймкодами и словными границами.
- capture.py
Собирает микрофон, loopback и HTTP-потоки, не зная о QML.
- bounded pipeline
Endpointing, preview, final-очередь и отмена живут в одном контракте.
- faster-whisper decode
Локальный ASR на CTranslate2, с профилями CPU / GPU и кешем модели.
- NeMo Sortformer optional
- Qt Quick / QML
- SQLite history
Опционально размечает до четырёх голосов только в расшифровке файла.
- SQLite history
Остров, Live-сцена, редактор и страницы приложения получают сигналы Qt.
Сохраняет сессии, сегменты, исходный текст, правки и локальные настройки.
- 10 exports
- local assistant
TXT, Markdown, субтитры, таблицы, JSON и LRC рендерятся из одних данных.
llama.cpp или Ollama отвечает по сохранённым частям и таймкодам.
- Qt Quick / QML
стек
- Язык 2
- Фреймворк 4
- Данные 2
- Инфраструктура 4
- Клиент 3
- AI / ML 3
Язык
- Python 3.12
- QML / JavaScript
Фреймворк
- PySide6
- Qt Quick
- faster-whisper
- FastAPI (optional)
Данные
- SQLite
- TXT / SRT / VTT / JSON / LRC
Инфраструктура
- Git installer
- FFmpeg
- pytest
- Ruff
Клиент
- Windows hotkeys
- WASAPI loopback
- pynput
AI / ML
- CTranslate2
- NeMo-Speech.cpp
- llama.cpp / Ollama
что умеет
ключевые возможности продукта прямо сейчас.
Диктовка с безопасной вставкой
Горячая клавиша запускает запись, финальный текст попадает в буфер и при включённой опции пытается вернуться в ожидаемое окно.
Escape отменяет диктовку без вставки. Приложение не нажимает Enter и не отправляет сообщение за пользователя.
Live-субтитры из реального сигнала
Остров показывает уровень входа и состояние распознавания, а отдельная сцена выводит текущую фразу поверх других окон.
Черновик остаётся в памяти, подтверждённые фразы сохраняются. При отставании модели очередь ограничена, а перегрузка получает явный статус.
Медиа с таймкодами
Аудио и видео открываются в редакторе сегментов: можно перейти к реплике, сохранить исходный текст и экспортировать результат.
Каталог экспорта описан данными: TXT, Markdown, SRT, VTT, CSV, JSON, LRC и варианты с ролями и протоколом используют общий рендерер.
Говорящие как отдельный слой
NeMo-Speech.cpp размечает голоса в файловой расшифровке, но не блокирует текст, если опциональный рантайм недоступен.
Sortformer различает до четырёх голосов. При смене голоса фраза режется по границе, а роль можно переименовать и фильтровать.
Локальный ассистент по записям
llama.cpp или Ollama отвечает по выбранной записи, строит выжимки и возвращает таймкоды, не выдавая ответ за расшифровку.
Длинная запись делится на части, а локальная модель подбирается по железу. Запрос запускается только явным действием пользователя.
Работа вне GUI-потока
Загрузка моделей, inference, запись и экспорт уходят в фоновые задачи, а QML получает только Qt-сигналы и готовые состояния.
Один контракт сегментов связывает локальный путь и необязательный FastAPI-сервис. Серверный режим остаётся локальным адаптером, а не публичным API.
хронология
как продукт рос от первой версии.
-
7 Sep 2026
Live-конвейер
Захват микрофона и системного звука, ограниченная очередь, остров и отдельная сцена субтитров.
-
8 Sep 2026
Читаемый текст и ассистент
Стабильная композиция Live, локальный чат по записям, выжимки частей и переход к таймкоду из ответа.
-
9 Sep 2026
Автонастройка и медиа
Мастер выбирает профиль по железу, медиа получают экспорт и говорящих, а Windows-окно ведёт себя как обычное приложение.
-
10 Sep 2026
Установщики для трёх ОС
Git-установка и обновления для Windows, Linux и macOS, с честной оговоркой: Unix end-to-end ещё нужно пройти на целевых машинах.