mirror of
https://github.com/yusufipk/dikte.git
synced 2026-09-11 10:56:10 +00:00
yusufipk
60c8006725
The cleanup prompt now asks the model to fix words the transcriber misheard when the context makes the intended one clear, and to leave them alone when it does not. Speech models fail phonetically on proper nouns, and that is exactly what context can recover. The names you enter for the transcription hint are handed to the cleanup model as a glossary too. Knowing the spelling is what lets it recognise "kuber netis" as Kubernetes. A failed cleanup used to be almost invisible: the raw transcript was pasted and a progress line flashed by, so a rejected key looked exactly like working dictation for days. It now leaves the indicator amber with the reason, sends a notification, and records the error in the history. HTTP 401, 402 and 429 are reported as what they are, naming the service. Also: - Settings can test the OpenRouter key, not just the OpenAI one - Tray menu and CLI gained Restart, which re-execs in place - Defaults saved into the config by older versions are recognised by their fingerprint and dropped, so an untouched prompt keeps getting improvements - The IPC socket is user-only; Qt puts it in /tmp
190 lines
8.7 KiB
Markdown
190 lines
8.7 KiB
Markdown
# Dikte
|
||
|
||
`Ctrl+Space`'e bas, konuş, tekrar bas. Ses OpenAI'ye gidip yazıya çevrilir,
|
||
OpenRouter'daki bir model transkripti temizler (ıı'lar, tekrarlar, eksik
|
||
noktalama), sonuç panoya kopyalanır ve o an yazdığın pencereye yapıştırılır.
|
||
|
||
KDE Plasma 6 / Wayland için yazıldı. Sistem paketleri dışında bağımlılığı yok:
|
||
sadece Python standart kütüphanesi ve PyQt6.
|
||
|
||
*[English README](README.md)*
|
||
|
||
<p align="center">
|
||
<img src="docs/settings-general.webp" width="820" alt="Dikte ayarları, Genel sekmesi">
|
||
</p>
|
||
|
||
| | |
|
||
|---|---|
|
||
| <img src="docs/settings-api.webp" width="410" alt="API ve modeller"> | <img src="docs/settings-cleanup.webp" width="410" alt="Temizleme kuralları"> |
|
||
| <img src="docs/settings-audio-file.webp" width="410" alt="Ses dosyası"> | <img src="docs/settings-history.webp" width="410" alt="Geçmiş"> |
|
||
|
||
## Kurulum
|
||
|
||
```sh
|
||
./install.sh # ya da: ./install.sh "Ctrl+Alt+Space"
|
||
dikte # ilk açılışta ayarlar penceresi gelir
|
||
```
|
||
|
||
Gereken sistem paketleri (Arch/CachyOS):
|
||
|
||
```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.
|
||
|
||
## Kullanım
|
||
|
||
| Ne | Nasıl |
|
||
| --- | --- |
|
||
| Kaydı başlat / bitir | `Ctrl+Space`, ya da tepsi simgesine tıkla |
|
||
| Kaydı iptal et | Tepsi menüsü → *Kaydı iptal et*, ya da `dikte cancel` |
|
||
| Ayarlar | Tepsi menüsü → *Ayarlar*, ya da `dikte settings` |
|
||
| 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.
|
||
|
||
## Sessizlik API'ye gitmez
|
||
|
||
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.
|
||
|
||
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:
|
||
|
||
- 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.
|
||
|
||
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.
|
||
|
||
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.
|
||
|
||
## Dosyalar
|
||
|
||
```
|
||
dikte.py giriş noktası, tepsi simgesi, durum makinesi, IPC
|
||
audio.py pw-record ile ham PCM kaydı ve seviye ölçer
|
||
api.py OpenAI transkript + OpenRouter temizleme (yalnız stdlib)
|
||
worker.py transkript → temizleme → pano → yapıştırma
|
||
vad.py kayıtta gerçekten konuşma var mı kararı
|
||
filetranscribe.py dosyadan transkript: ffmpeg, parçalama, zaman damgaları
|
||
overlay.py köşedeki gösterge
|
||
settings_ui.py ayarlar penceresi
|
||
hotkey.py KDE kısayol kurulumu ve evdev dinleyici
|
||
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.
|
||
|
||
## Lisans
|
||
|
||
GPL-3.0, [LICENSE](LICENSE) dosyasına bak.
|