Trim both READMEs, and fix what they claimed about shortcuts

"Shortcut presses during Transcribing… are ignored" read as though Dikte
blocked the session's shortcuts while it worked. It only ignores its own:
pressing Ctrl+Space with a transcript in flight does nothing and queues
nothing, while the rest of KDE keeps working normally. That is now said
where it belongs, next to the indicator.

The rest is shorter. Silence detection, misheard words and file
transcription became bullets under one heading, the settings table is gone
because the window already says what each setting does, and Known limits
folded into a line under the file map. The numbers worth knowing stayed: the
10 dB over each recording's own noise floor, the 0.3 s, the -55 dBFS, and
the one logout KWin needs before the global shortcut fires.
This commit is contained in:
yusufipk
2026-07-25 20:12:21 +07:00
parent 2cbc369132
commit f901c995c4
2 changed files with 102 additions and 247 deletions
+51 -123
View File
@@ -21,25 +21,22 @@ sadece Python standart kütüphanesi ve PyQt6.
## Kurulum
```sh
sudo pacman -S --needed pipewire-audio wl-clipboard ydotool ffmpeg python-pyqt6
systemctl --user enable --now ydotool # otomatik yapıştırma için
./install.sh # ya da: ./install.sh "Ctrl+Alt+Space"
dikte # ilk açılışta ayarlar penceresi gelir
```
Gereken sistem paketleri (Arch/CachyOS):
`install.sh` `dikte` komutunu, menü girdisini, oturum açılışında otomatik
başlatmayı ve KDE kısayolunu kurar.
```sh
sudo pacman -S --needed pipewire-audio wl-clipboard ydotool ffmpeg python-pyqt6
systemctl --user enable --now ydotool # otomatik yapıştırma için
```
Ayarlar penceresinde iki anahtar istenir:
- **OpenAI**: sesi yazıya çevirir (`gpt-4o-transcribe`). Boş bırakırsan
`OPENAI_API_KEY` ortam değişkeni kullanılır.
- **OpenRouter**: transkripti temizler (varsayılan
`google/gemini-3.5-flash-lite`, listedeki her model çalışır). Boşsa
`OPENROUTER_API_KEY` kullanılır. Temizlemeyi tamamen kapatabilirsin; o zaman
ham transkript yapıştırılır.
Ayarlar penceresinde iki anahtar istenir: sesi yazıya çeviren **OpenAI**
(`gpt-4o-transcribe`) ve transkripti temizleyen **OpenRouter** (varsayılan
`google/gemini-3.5-flash-lite`, listedeki her model çalışır). Boş bırakırsan
`OPENAI_API_KEY` ve `OPENROUTER_API_KEY` kullanılır; anahtarlar
`~/.config/dikte/config.json` içinde, izinler 600. Temizlemeyi tamamen
kapatabilirsin, o zaman ham transkript yapıştırılır.
## Kullanım
@@ -51,113 +48,50 @@ Ayarlar penceresinde iki anahtar istenir:
| Güncelleme sonrası yeniden yükle | Tepsi menüsü → *Yeniden başlat*, ya da `dikte restart` |
| Çık | Tepsi menüsü → *Çık*, ya da `dikte quit` |
Kayıt sırasında ekranın sol alt köşesinde küçük bir gösterge belirir: kırmızı
kayıt noktası, canlı ses dalgası, süre. Ardından "Yazıya çevriliyor…",
"Temizleniyor…" ve son olarak yapıştırılan metnin ilk satırı görünür. Gösterge
odak almaz, yani yazdığın pencereden çıkmazsın.
Ekranın köşesindeki gösterge kırmızı kayıt noktasını, canlı ses dalgasını ve
süreyi, ardından hangi aşamada olduğunu gösterir. Odak almaz. Dikte çalışırken
`Ctrl+Space`'e tekrar basmak bir şey yapmaz, sıraya da girmez.
## Sessizlik API'ye gitmez
## Neler yapıyor
Sessize yakın bir ses verildiğinde transkripsiyon modeli boş dize döndürmez,
bir cümle uydurur. Whisper bunun ünlü örneği: iki saniyelik sessizliğe
"Altyazı M.K." ya da "Thanks for watching" der. Yanlışlıkla basılan bir
`Ctrl+Space` yoksa sana hem bir API çağrısına mal olur hem de hiç söylemediğin
bir cümleyi yapıştırır.
- **Sessizlik API'ye gitmez.** Sessize yakın bir ses verildiğinde model boş dize
döndürmez, bir cümle uydurur ("Altyazı M.K.", "Thanks for watching"). *O
kaydın kendi* gürültü tabanının 10 dB üstüne en az 0,3 saniye çıkan bir şey
yoksa kayıt atılır; ne kadar yüksek olursa olsun sabit fanı ya da cızırtıyı
eleyen de budur. Kaydın gürültülü ucu -55 dBFS altındaysa da atılır. Gösterge
ölçtüğü seviyeyi yazar, eşiği ona bakarak ayarlarsın.
- **Yanlış duyulan kelimeler düzeltilir.** Konuşma modelleri özel isimlerde sesçe
benzer bir şeye kayıyor; temizleme modelinden bunları bağlamdan onarması,
bağlam netleştirmiyorsa dokunmaması isteniyor. Temizleme kuralları sekmesine
yazdığın isimler transkripsiyon modeline ipucu, temizleme modeline sözlük
olarak gidiyor; "kuber netis"i tanımasını sağlayan da bu:
Dikte çağrıyı harcamadan önce kontrol eder ve bu kontrol mutlak değil göreli
yapılır, çünkü mikrofon kazancı makineden makineye o kadar değişir ki sabit bir
eşik bir şey ifade etmez. Şunlardan biri bile geçerliyse kayıt atılır:
```
ham ıı bugün şey kuber netis üzerinde çalışan servisleri güncelledim
yani sonra grafanada bir panel açtım hani ve pay kut ile arayüzü
şey bitirdim işte
- kaydın gürültülü ucu mutlak tabanın altındaysa (varsayılan -55 dBFS);
- **o kaydın kendi** gürültü tabanının 10 dB üstüne en az 0,3 saniye çıkan bir
şey yoksa; ne kadar yüksek olursa olsun sabit fan ya da cızırtıyı eleyen de
budur;
- seviye taban civarında hiç hareket etmediyse.
sonuç Bugün Kubernetes üzerinde çalışan servisleri güncelledim. Sonra
Grafana'da bir panel açtım ve PyQt ile arayüzü bitirdim.
```
- **Başarısız temizleme sessizce geçmez.** Dikte kaybolmasın diye ham transkript
yine yapıştırılır ama gösterge kehribar rengine döner ve nedenini söyler,
normal bir çalışma gibi görünmez.
- **Ses ve video dosyaları** Ayarlar → Ses dosyası sekmesinde aynı modellerden
geçer; istersen `[dd:ss]` zaman damgalarıyla, uzun dosyalar ffmpeg ile
parçalanarak.
- **Geçmiş** Ayarlar → Geçmiş sekmesinde; boyut sınırı var, sağ tıklayıp
silebilirsin.
- **Türkçe ve İngilizce arayüz**, varsayılan olarak sistem dilini izler.
Yine de bir şey sızarsa, ikinci bir filtre modellerin sığındığı kalıp cümleleri
yakalar; ama yalnızca altı saniyeden kısa kayıtlarda, ki gerçekten söylenmiş
bir "izlediğiniz için teşekkürler" elenmesin.
## Global kısayol için bir kez oturum kapatmak gerekir
Gösterge ölçtüğü seviyeyi de yazar (`Ses algılanmadı (-56 dB)`); mikrofonun
alışılmadık ölçüde kısık ya da gürültülüyse eşiği buna bakarak ayarlarsın.
## Yanlış duyulan kelimeleri düzeltme
Konuşma modelleri özel isimleri katlediyor. Ürün adları, teknik terimler ve
kısaltmalar sesçe benzeyen ama anlamsız bir şeye dönüşüyor; kelimenin kendisi
yanlışsa noktalama düzeltmenin bir faydası olmuyor. Temizleme modelinden bunları
bağlamdan onarması isteniyor, bağlam hangi kelime olduğunu netleştirmiyorsa da
dokunmaması söyleniyor; yani tahmin etmiyor, düzeltiyor.
Temizleme kuralları sekmesine girdiğin isim listesi burada iki iş görüyor:
transkripsiyon modeline ipucu, temizleme modeline sözlük olarak gidiyor. İkinci
modelin bozuk bir transkriptte o ismi tanıyabilmesi, doğru yazımını bilmesine
bağlı. Kutuya `Kubernetes, Grafana, PyQt` yazıldığında:
```
ham ıı bugün şey kuber netis üzerinde çalışan servisleri güncelledim
yani sonra grafanada bir panel açtım hani ve pay kut ile arayüzü
şey bitirdim işte
sonuç Bugün Kubernetes üzerinde çalışan servisleri güncelledim. Sonra
Grafana'da bir panel açtım ve PyQt ile arayüzü bitirdim.
```
Temizlemenin kendisi başarısız olursa, reddedilen bir anahtar ya da boşalmış bir
hesap yüzünden, dikte kaybolmasın diye ham transkript yine yapıştırılır; ama
gösterge kehribar rengine döner ve neyin ters gittiğini söyler, tam gerekçe de
bildirimde yazar. Temizlenmemiş bir metni model çalışmış gibi sessizce eline
tutuşturmaz.
## Dosyadan transkript
Ayarlar → **Ses dosyası** sekmesi, herhangi bir ses ya da video dosyasını aynı
modellerden geçirir. İki seçenek var, ikisi de hatırlanır:
- **Zaman damgası ekle**: her bölümün başına `[dd:ss]` koyar. Bunun için bölüm
zamanı döndüren tek model olan `whisper-1` kullanılır.
- **Sonrasında temizleme modelinden geçir**: canlı diktedeki temizlemenin
aynısı, üstüne modele damgalara dokunmamasını söyleyen bir kural eklenir.
Uzun dosyalar ffmpeg ile 16 kHz mono'ya çevrilip onar dakikalık parçalara
bölünür; her parça sırayla çevrilir ve zaman damgaları kendi yerine kaydırılır.
Sonuç panoya kopyalanabilir ya da `.txt` olarak kaydedilebilir.
## Global kısayol hakkında
KWin, `kglobalshortcutsrc` dosyasını yalnızca açılışta okur. `install.sh`
kısayolu doğru yere yazar ama **oturumu yeniden açana kadar tetiklenmez.**
İki seçenek:
1. Oturumu kapat-aç. Temiz çözüm bu: tuşu KWin yuttuğu için diğer uygulamalara
sızmaz.
2. Ayarlar → Kısayol → **Yerleşik dinleyici**'yi aç. `/dev/input` üzerinden
kombinasyonu kendisi yakalar, anında çalışır. Tek farkı: tuşu yutmaz, yani
`Ctrl+Space` odaktaki uygulamaya da iletilir (bazı editörlerde otomatik
tamamlama açılabilir). Rahatsız ederse kısayolu `Ctrl+Alt+Space` gibi bir
kombinasyona çevir.
Yerleşik dinleyici `input` grubunda olmayı gerektirir:
`sudo usermod -aG input $USER`.
## Ayarlar
`~/.config/dikte/config.json` içinde, izinler 600, çünkü API anahtarları orada durur.
| Ayar | Açıklama |
| --- | --- |
| Arayüz dili | Türkçe, İngilizce ya da sistem diline uy |
| Mikrofon | Belirli bir kaynak seç, ya da varsayılanı kullan |
| Konuşma dili | Transkripsiyona dil ipucu verir; otomatik algılama da olur |
| Yapıştırma tuşu | `ctrl+v` / `ctrl+shift+v` / `shift+insert`. Terminaller genelde ikincisini ister |
| Panoyu geri koy | Yapıştırdıktan sonra eski pano içeriğini iade eder |
| Sessiz kayıtları atla | Konuşma içermeyen kayıtları API'ye gitmeden eler, yukarıya bak |
| Temizleme kuralları | Temizleme modeline verilen sistem talimatı. Ne kadar müdahale edeceğini burada belirlersin |
| İsimler ve terimler | Transkripsiyon modeline ipucu, temizleme modeline sözlük; özel isimlerin doğru yazılması için |
| Ses kayıtlarını sakla | WAV'lar `~/.local/share/dikte/recordings` altında kalır |
Geçmiş `~/.local/share/dikte/history.jsonl` dosyasında tutulur; son 200 kayıt
Ayarlar → Geçmiş sekmesinden görülebilir.
KWin `kglobalshortcutsrc` dosyasını yalnızca açılışta okur, yani `install.sh`'ın
yazdığı kısayol oturumu yeniden açana kadar tetiklenmez. O zamana kadar Ayarlar
Kısayol → **yerleşik dinleyici** `/dev/input` üzerinden kombinasyonu kendisi
yakalar. Tek farkı: tuşu yutmaz, yani `Ctrl+Space` odaktaki uygulamaya da iletilir
(bazı editörlerde otomatik tamamlama açılabilir). Dinleyici kullanıcının `input`
grubunda olmasını gerektirir: `sudo usermod -aG input $USER`.
## Dosyalar
@@ -175,14 +109,8 @@ paste.py wl-clipboard ve ydotool sarmalayıcıları
i18n.py metin tablosu
```
## Bilinen sınırlar
- Gösterge XWayland üzerinden çizilir; Wayland'da bir pencereyi belirli bir
köşeye yerleştirmenin yolu yok. `dikte.py` bu yüzden `QT_QPA_PLATFORM=xcb`
ayarlar.
- Otomatik yapıştırma `ydotool`'un sanal klavyesiyle yapılır; `ydotoold`
çalışmıyorsa metin yalnızca panoya kopyalanır ve gösterge bunu söyler.
- "Yazıya çevriliyor…" sürerken gelen kısayol basışları yok sayılır.
Gösterge XWayland üzerinden çizilir; Wayland'da bir pencereyi belirli bir köşeye
yerleştirmenin yolu yok, `dikte.py` bu yüzden `QT_QPA_PLATFORM=xcb` ayarlar.
## Lisans