douvo

Douvo es una aplicación ligera de entrada de voz para macOS diseñada para Macs con Apple Silicon y macOS 14.0 o superior. Utiliza Doubao ASR (reconocimiento automático del habla) como motor principal de voz a texto, con posprocesamiento de IA opcional para limpiar las transcripciones antes de insertarlas. La aplicación funciona como una utilidad de barra de menús con una superposición flotante de grabación. El usuario presiona una tecla de activación configurable para empezar a grabar, habla y vuelve a presionarla para detener e insertar el texto reconocido en la posición actual del cursor en cualquier aplicación. También hay un modo de pulsar para hablar. Douvo admite tres vías de ASR: Doubao Web, Doubao Android y Youdao Bage Shuo. Se pueden seleccionar varias vías a la vez, que se ejecutan en paralelo y cuyos resultados se fusionan mediante el posprocesamiento de IA. La vía predeterminada es Web. Las características principales incluyen: - Dictar en cualquier aplicación con grabación por pulsación corta o pulsar para hablar. - Posprocesamiento de IA opcional para corregir redacción, puntuación, muletillas, tono y estilo de salida. - Edición por voz del texto seleccionado (hasta 500 caracteres). - Traducción bajo demanda con una tecla de traducción configurable. - Vocabulario personalizado e inyección de contexto (términos del proyecto, rutas, nombres, identidad del usuario, hora actual, aplicación activa, título de la ventana). - Elección entre modelos MLX locales en el dispositivo o proveedores remotos de LLM. - Interfaz de barra de menús, superposición flotante de grabación, cambio de apariencia, inserción con conocimiento del portapapeles y diagnósticos locales. Para el posprocesamiento de IA, Douvo ofrece modelos locales, incluidos S1-mini de Superwhisper (solo inglés, 335 MB), Spark-X2.5 1.7B y 4B (corrección y razonamiento en chino), o proveedores remotos de LLM. Los estilos de salida incluyen Natural, Conciso, Estructurado y Personalizado, con fuerza de estilo ajustable. La aplicación requiere permisos de micrófono y accesibilidad. Se distribuye como DMG desde GitHub Releases o mediante Homebrew Cask. Las compilaciones actuales no están notarizadas, por lo que macOS puede requerir la eliminación manual de la cuarentena en el primer inicio. Douvo está diseñado para flujos de trabajo mixtos de chino e inglés, donde los modelos de voz locales convencionales tienen dificultades con la calidad del reconocimiento. Envuelve la potente vía de Doubao ASR como una herramienta de entrada de voz independiente de la aplicación, con posprocesamiento, vocabulario, traducción, edición de texto seleccionado, inserción con conocimiento del portapapeles y diagnósticos locales. El proyecto depende del comportamiento observado de los clientes de Doubao y Youdao Bage Shuo y no es una API, SDK ni integración oficial de ninguno de estos servicios. El usuario necesita una cuenta válida de Doubao e iniciar sesión por sí mismo. El audio enviado para el reconocimiento es procesado por el servicio de Doubao. El proyecto se publica bajo la Licencia MIT.