mirror of https://github.com/yusufipk/dikte.git synced 2026-09-11 19:06:11 +00:00

Files

T

yusufipk 761245a305 Transcribe on OpenRouter too, not just OpenAI

OpenRouter mirrors OpenAI's /audio/transcriptions field for field, so one
multipart request serves both providers and only the key, the base URL and
the model id change. That puts a dozen speech models behind the key that was
already there for the cleanup, and makes a single OpenRouter key enough for
the whole chain.

Its transcription endpoint takes no hint field, so the words from Cleanup
rules are not sent there; they still reach the cleanup model as a glossary.
Timestamps switch to openai/whisper-1, the namespaced id of the only model
that returns segment times.

The API tab is now grouped by role rather than by service, because a key no
longer belongs to a single job: both keys sit at the top, the two jobs below.
Each provider keeps its own model, so switching back and forth does not
overwrite the other one's.

2026-07-25 23:01:21 +07:00

5.6 KiB

Raw Blame History

Dikte

Ctrl+Space'e bas, konuş, tekrar bas. Ses OpenAI'ye ya da OpenRouter'a 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

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

install.sh dikte komutunu, menü girdisini, oturum açılışında otomatik başlatmayı ve KDE kısayolunu kurar.

Ayarlar penceresinde iki anahtar istenir: OpenAI ve OpenRouter. Sesi yazıya çevirme ikisinden birinde çalışır (varsayılan gpt-4o-transcribe), temizleme her zaman OpenRouter'da (google/gemini-3.5-flash-lite), yani tek bir OpenRouter anahtarı ikisine de yeter. 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

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`

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.

Neler yapıyor

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:
```
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.
```
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.

Global kısayol için bir kez oturum kapatmak gerekir

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

dikte.py          giriş noktası, tepsi simgesi, durum makinesi, IPC
audio.py          pw-record ile ham PCM kaydı ve seviye ölçer
api.py            iki sağlayıcıda 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

Gösterge XWayland üzerinden çizilir; Wayland'da bir pencereyi belirli bir köşeye yerleştirmenin yolu yok, dikte.py bu yüzden QT_QPA_PLATFORM=xcb ayarlar.

Lisans

GPL-3.0, LICENSE dosyasına bak.

5.6 KiB Raw Blame History Unescape Escape