mirror of
https://github.com/yusufipk/dikte.git
synced 2026-09-11 10:56:10 +00:00
Icarus Murqin
b5ef0040b4
The README has Arch and Ubuntu on it, and the two things that differ on Fedora are the two that decide whether anything works at all. The package names are its own, and `systemctl --user enable --now ydotool` has nothing to enable there: Fedora ships ydotool as a system service only, and its ydotoold holds a root-owned socket at mode 600. The unit is green, the daemon is up, and every paste is refused. The drop-in the README now spells out points ydotoold at $XDG_RUNTIME_DIR/.ydotool_socket and hands it over by uid, which is the path the client already looks at, so nothing has to carry YDOTOOL_SOCKET. Red Hat closed the same report as NOTABUG in 2023, so this stays a step the user takes rather than one a later package will take for them. install.sh was asking whether the unit was up, which is the question that answers wrongly here. It now asks whether the socket is one this user may write to, which is what auto-paste actually needs, and it names which of the three ways it failed: a socket handed to nobody, a daemon that put its socket somewhere else, or no daemon at all. On Arch and everywhere else the answer is the same one as before. ffmpeg-free out of Fedora's own repositories is enough, against the usual advice to reach for RPM Fusion. That build disables four video decoders, h264, hevc, vc1 and vvc, and keeps every audio decoder it has, AAC among them, while Dikte only ever asks a video file for its audio track. The models that run on this machine ask for nothing either, which is worth saying because it is now the way Dikte starts. The Ubuntu builds run on Fedora unchanged; whisper.cpp transcribed a clip here without a package being added, and llama.cpp came down in its Vulkan build and found the card. That last part is not luck: kwin-libs requires libvulkan.so.1, so the loader is on every Plasma desktop by way of the compositor, and it recommends the Mesa drivers alongside itself.
209 lines
11 KiB
Markdown
209 lines
11 KiB
Markdown
# 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](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-agent.webp" width="410" alt="Ajan"> | <img src="docs/settings-meeting.webp" width="410" alt="Toplantı"> |
|
||
| <img src="docs/settings-audio-file.webp" width="410" alt="Ses dosyası"> | <img src="docs/settings-shortcuts.webp" width="410" alt="Kısayollar"> |
|
||
|
||
## 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 "Meta+Space" "Meta+Shift+Space"
|
||
dikte # ilk açılışta ayarlar penceresi gelir
|
||
```
|
||
|
||
Fedora KDE'de paket adları farklı, `ydotool` da bir adım fazla istiyor:
|
||
|
||
```sh
|
||
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:
|
||
|
||
```sh
|
||
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:
|
||
|
||
```sh
|
||
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](LICENSE) dosyasına bak.
|