FnScribe transkriberer talen din lokalt med Whisper, uten sky

Algorithmic Research Group har lagt FnScribe ut på GitHub under GPL-3.0, og verdien ligger i det som ikke skjer: lyden forlater aldri maskinen. Talegjenkjenningen kjører på en innebygd Whisper-modell, og både lyd og transkripsjon holdes bare i minnet. Repoet ble opprettet 5. august, og versjon 0.0.4 kom 27. august.

«Talegjenkjenningen kjører i sin helhet på Mac-en din med en innebygd Whisper-modell. Lyd og transkripsjoner holdes bare i minnet: det finnes ingen konto, skytjeneste, transkripsjonshistorikk eller notatdatabase.» — FnScribes README på GitHub

Appen er skrevet i Rust med Tauri 2 og bor i menylinjen, ikke i Dock. Du holder fn- eller Globe-tasten mens du snakker og slipper for å få teksten inn i vinduet som har fokus. fn + Space gir håndfri modus for lengre resonnementer, og opptak stopper automatisk etter to minutter. Kravet er en Mac med Apple Silicon eller 64-bits Intel på macOS 13 Ventura eller nyere.

Opprydningen som er slått på fra start, fjerner fyllordene um, uh og erm og tolker uttalte skilletegn som «comma» og «new paragraph». Sier du «scratch that», forsvinner setningen du holdt på med. Den personlige ordboken lagres i en lokal innstillingsfil med rettigheter kun for eieren, og sendes aldri ut av maskinen.

Begrensningene er reelle. FnScribe transkriberer foreløpig bare engelsk tale, så norsk diktering er ikke et alternativ ennå. Innlimingen går via en kortlivet, skjult utklippstavle-oppføring som legger tilbake det forrige innholdet etterpå, så teksten er innom systemets utklippstavle et øyeblikk. Med 17 stjerner og fire utgivelser på tre uker er dette tidlig programvare.

Hva bør du gjøre?

1. Last ned DMG-en for Apple Silicon eller Intel og gi appen tilgang til både mikrofon og tastatur. Uten Accessibility-tilgang oppdager den ikke hurtigtasten og får ikke satt inn tekst.
2. Sett miljøvariabelen FNSCRIBE_MODEL til stien til en annen whisper.cpp GGML-modell hvis standardmodellen bommer på fagordene dine.
3. Bygg selv med Rust 1.85, CMake, Clang og Tauri CLI hvis du vil lese koden før du slipper den til på tastaturet.