dikte/README.tr.md

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

Kurulum

./install.sh                 # ya da:  ./install.sh "Ctrl+Alt+Space"
dikte                        # ilk açılışta ayarlar penceresi gelir

Gereken sistem paketleri (Arch/CachyOS):

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 dosyasına bak.