dikte/README.tr.md

Dikte

Ctrl+Space'e bas, konuş, tekrar bas. Ses varsayılan olarak bu makinede yazıya çevrilir, 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 "Meta+Space" "Meta+Shift+Space"
dikte                        # ilk açılışta ayarlar penceresi gelir

Fedora KDE'de paket adları farklı, ydotool da bir adım fazla istiyor:

sudo dnf install pipewire-utils wl-clipboard ydotool ffmpeg-free python3-pyqt6

Fedora ydotool'u kullanıcı servisi değil sistem servisi olarak kuruyor; ydotoold de root'a ait bir sokete bağlanıyor, oturumun oraya yazamadığı için servis çalışırken bile otomatik yapıştırma tutmuyor. Soketi ydotool istemcisinin zaten baktığı yola al ve sahipliğini devret:

sudo mkdir -p /etc/systemd/system/ydotool.service.d
printf '[Service]\nExecStart=\nExecStart=/usr/bin/ydotoold --socket-path=%s/.ydotool_socket --socket-own=%s:%s\n' \
  "$XDG_RUNTIME_DIR" "$(id -u)" "$(id -g)" \
  | sudo tee /etc/systemd/system/ydotool.service.d/override.conf >/dev/null
sudo systemctl daemon-reload
sudo systemctl enable --now ydotool

O çalışma dizini oturumuna ait olduğu için yeniden başlatmanın ardından servis sen giriş yapana kadar kendini yeniden deneyip ondan sonra oturuyor. Fedora'nın kendi depolarındaki ffmpeg-free yetiyor, RPM Fusion gerekmiyor: özgür yapının dışarıda bıraktığı şey H.264 ve HEVC video çözümü, Dikte ise video dosyasının yalnızca ses izini alıyor; onun AAC, MP3 ve Opus çözücüleri yapının içinde.

Bu makinede koşan modeller için de eklenecek bir şey yok. O sürümler Ubuntu'da derleniyor ve burada olduğu gibi çalışıyor; libvulkan.so.1'i KWin'in kendisi bağladığı için Plasma masaüstünde llama.cpp'nin Vulkan yapısıyla gelip gelmeyeceğini belirleyen yükleyici zaten kurulu, Mesa sürücüleri de onunla birlikte geliyor. whisper.cpp ise Linux için hiç GPU yapısı yayımlamıyor, nerede çalışırsa çalışsın işlemcide çeviriyor.

Ubuntu/GNOME X11 için kayıt PulseAudio üzerinden, pano ve yapıştırma ise X11 araçlarıyla çalışır:

sudo apt install pulseaudio-utils xclip xdotool ffmpeg

install.sh dikte komutunu, menü girdisini, oturum açılışında otomatik başlatmayı ve iki global kısayolu kurar; tuşları da iki argümanı. ./update.sh son sürümü çeker ve bunları senin seçtiğin tuşlarla yerine koyar; ./uninstall.sh hepsini geri alır, --purge demedikçe ayarlarına ve diktelerine dokunmaz.

Sesi yazıya çevirme ve temizleme, ayarlar penceresinde ayrı ayrı sağlayıcı seçer; ikisi de varsayılan olarak burada, kendi modellerinle çalışır. Bulutu seçersen sesi yazıya çevirme OpenAI, Groq ya da OpenRouter'da (varsayılan gpt-4o-transcribe), temizleme OpenRouter'da (google/gemini-3.5-flash-lite) ya da kuruluysa Claude Code veya Codex'te çalışır. Anahtarları boş bırakırsan OPENAI_API_KEY, GROQ_API_KEY ve OPENROUTER_API_KEY kullanılır; anahtarlar ~/.config/dikte/config.json içinde, izinler 600. Temizlemeyi tamamen kapatabilirsin, o zaman ham transkript yapıştırılır; modelin yanındaki kutudan düşünme seviyesini de seçebilirsin.

Kullanım

Ne	Nasıl
Kaydı başlat / bitir	Ctrl+Space, ya da tepsi simgesine tıkla
Kaydı iptal et	Ctrl+Alt+Space, tepsi menüsü, ya da dikte cancel
Ajana sesle komut ver	Tepsi menüsü → Claude'a sor, ya da dikte ask
Toplantıyı başlat / bitir	Tepsi menüsü → Toplantı kaydet, ya da dikte meeting
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. Dikte ile ajana verilen komut yalnızca mikrofon için birbirini bekler, o da tek aygıt olduğu için; başka hiçbir şeyde beklemezler. Her birinin kendi göstergesi var, ikisi birden ekrandayken ikincisi birincinin üstüne yerleşir.

Ayarlar penceresindeki her şeyin bir de komutu var; bir betik ya da bir ajan yazılımın tamamını çalıştırabilsin diye: dikte record --seconds 8 söyleneni geri verir, dikte transcribe konusma.mp4 --srt altyazıyı yazar, ayarlar, geçmiş ve toplantılar da yanlarında durur. Hepsini dikte --help sayar, hepsi --json kabul eder, yalnızca mikrofona ihtiyacı olanlar uygulamanın açık olmasını ister.

Neler yapıyor

• Her şey varsayılan olarak bu makinede çalışır. Sesi yazıya çevirme whisper.cpp, temizleme llama.cpp üzerinde; ikisini de önceden kurman gerekmez: ayarlar penceresi programı ve modeli indirir, sha256'sını doğrular, checksum'suz yayınlanmış bir indirmeyi reddeder, sen dikte ettikçe sunucuyu ayakta tutar. Derleme destekliyorsa ekran kartına CUDA, ROCm ya da Vulkan üzerinden ulaşılır. Anahtar yok, hesap yok, makineden çıkan bir şey yok.

• 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.

• Dikte bunun yerine bir komut da olabilir. Kendi kısayolu transkripti yapıştırmak yerine Claude Code'a (claude -p) gönderir ve oradan döneni yapıştırır: cevabı ya da ne yapıldığını söyleyen bir cümle. Kendi açacağın oturumun aynısıdır, yani skill'lerin ve bağlı servislerin oradadır; "bunu perşembe üçe takvime koy" cümlesini Claude olmayan bir pencerede söyleyebilir olmanı sağlayan da budur. Codex (codex exec) da aynı şekilde çalışır; OpenRouter ise ikisi de kurulu olmayan bir makinede düz soru cevap için duruyor. Sağlayıcı, model, izinler ve çalışma dizini Ayarlar → Ajan sekmesinde; arka arkaya verilen komutlar tek bir konuşmada kalır.

• Toplantılar mikrofonla hoparlör çıkışından aynı anda kaydedilir; kimin ne dediği tahmin edilmez, sesin hangi kanaldan geldiğiyle belli olur. İki taraf ayrı ayrı yazıya çevrilip tek bir zaman damgalı transkriptte birleştirilir, ardından Ayarlar → Toplantı sekmesinden seçtiğin ikinci bir model kendi talimatıyla bunu tutanağa çevirir: kararlar, aksiyonlar, açık sorular. Sonuç ~/.local/share/dikte/meetings altına ve Ayarlar → Tutanaklar sekmesine düşer. Yarıda kalan bir işlem ses kaydını saklar, yeniden denemede parası ödenmiş transkriptin üstünden devam eder.

• Ses ve video dosyaları Ayarlar → Ses dosyası sekmesinde aynı modellerden geçer; istersen [dd:ss] zaman damgalarıyla, uzun dosyalar ffmpeg ile parçalanarak, sonuç .txt ya da .srt altyazı olarak kaydedilerek; temizleme burada kendi kurallarıyla, altyazı için yazılmış haliyle çalışır: satırlar yerinde kalır, hiçbir şey kısaltılmaz.

• Geçmiş Ayarlar → Geçmiş sekmesinde; boyut sınırı var, sağ tıklayıp silebilirsin.

• Türkçe ve İngilizce arayüz, varsayılan olarak sistem dilini izler.

Global kısayollar için bir kez oturum kapatmak gerekir

KWin kglobalshortcutsrc dosyasını yalnızca açılışta okur, yani install.sh'ın yazdığı kısayollar oturumu yeniden açana kadar tetiklenmez. O zamana kadar Ayarlar → Kısayollar → 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
cli.py            komut satırı: bütün fiiller ve verdikleri cevap
ipc.py            yerel sokette bir istek, bir cevap
audio.py          PCM kaydı: diktede pw-record, toplantıda ffmpeg
meeting.py        kanal ayırma, konuşmacı etiketi, temizleme, tutanak
assistant.py      dikteyi Claude Code, Codex ya da OpenRouter'dan geçirme
api.py            transkript ve temizleme istekleri (yalnız stdlib)
cleanup.py        transkripti kim temizler: OpenRouter, burası, Claude ya da Codex
ggml.py           whisper.cpp ve llama.cpp'yi indirip burada çalıştırma
hub.py            GitHub ve Hugging Face'te bugün ne olduğu
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.