mirror of
https://github.com/yusufipk/dikte.git
synced 2026-09-12 03:16:19 +00:00
yusufipk
e2551343e4
The two shared one state machine, which meant an agent thinking for a minute was a minute in which nothing could be dictated. That is the wrong trade: the work has nothing in common past the microphone, and the microphone is busy for the seconds you are speaking, not the minute afterwards. So they are two flows now, each with its own state, its own pipeline and its own indicator. Either can be working while the other records. Only the recorder is taken in turns, because there is one of it: whichever asks second is refused while the first holds it, and the menu entry greys out to say so rather than failing quietly. "Am I recording" is read off the two states rather than off the recorder's owner, which outlives the recording by the moment it takes the audio to arrive, and would otherwise report a microphone as busy after it was free. Two indicators in one corner would sit on top of each other, so an indicator can be told what it stacks on: it offsets by that one's height while it is showing and drops back into the corner when it goes, which the animation timer notices without anything having to tell it. Pasting is now under a lock. It is three steps rather than one, read the clipboard, write ours, press the key, and two runs finishing together would paste one answer and restore the other's clipboard over it. Calling off the agent is its own menu entry and its own command, instead of a cancel that meant different things depending on what was running. The tray icon still ends whichever recording is going.
144 lines
7.6 KiB
Markdown
144 lines
7.6 KiB
Markdown
# 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](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
|
||
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; modelin yanındaki kutudan düşünme seviyesini de seçebilirsin.
|
||
|
||
## 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` |
|
||
| 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.
|
||
|
||
## 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.
|
||
- **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.
|
||
- **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 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 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](LICENSE) dosyasına bak.
|