mirror of
https://github.com/yusufipk/dikte.git
synced 2026-09-11 10:56:10 +00:00
yusufipk
efa8687b23
Ctrl+Space starts and stops a recording. The audio goes to OpenAI for transcription, a model on OpenRouter strips the fillers and restores punctuation, and the result is copied and pasted into the focused window. Only the Python standard library and PyQt6 — HTTP, multipart uploads and WAV writing are all hand-rolled. - pw-record captures raw 16 kHz mono PCM with a live level meter - the corner indicator is drawn through XWayland, since a Wayland client cannot position its own window - silence is caught before it costs an API call, relative to each recording's own noise floor, plus a filter for the stock phrases models invent when handed silence - audio and video files can be transcribed too, optionally with [mm:ss] timestamps, chunked through ffmpeg for long inputs - global shortcut installs as a KDE custom shortcut, with an evdev listener as a fallback until the session is restarted - Turkish and English interface, following the system locale by default
161 lines
7.2 KiB
Markdown
161 lines
7.2 KiB
Markdown
# 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](README.md)*
|
||
|
||
<p align="center">
|
||
<img src="docs/settings-general.png" width="820" alt="Dikte ayarları — Genel">
|
||
</p>
|
||
|
||
| | |
|
||
|---|---|
|
||
| <img src="docs/settings-api.png" width="410" alt="API ve modeller"> | <img src="docs/settings-cleanup.png" width="410" alt="Temizleme kuralları"> |
|
||
| <img src="docs/settings-audio-file.png" width="410" alt="Ses dosyası"> | <img src="docs/settings-history.png" width="410" alt="Geçmiş"> |
|
||
|
||
## Kurulum
|
||
|
||
```sh
|
||
./install.sh # ya da: ./install.sh "Ctrl+Alt+Space"
|
||
dikte # ilk açılışta ayarlar penceresi gelir
|
||
```
|
||
|
||
Gereken sistem paketleri (Arch/CachyOS):
|
||
|
||
```sh
|
||
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` |
|
||
| 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 — 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.
|
||
|
||
## 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. 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 — 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 |
|
||
| Transkripsiyon ipucu | Sık geçen özel isim ve terimler, doğru yazılsınlar diye |
|
||
| 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](LICENSE) dosyasına bak.
|