इस प्रोजेक्ट के बारे में

FluidVoice macOS के लिए एक ओपन-सोर्स वॉइस-टू-टेक्स्ट डिक्टेशन एप्लिकेशन है, जिसे क्लाउड डिक्टेशन सेवाओं के लोकल विकल्प के रूप में प्रस्तुत किया गया है। यह GPLv3 के अंतर्गत वितरित किया जाता है और Homebrew cask या मैनुअल रिलीज़ डाउनलोड के माध्यम से इंस्टॉल किया जा सकता है। मुख्य क्षमता ग्लोबल हॉटकी से ट्रिगर होने वाली स्पीच-टू-टेक्स्ट डिक्टेशन है, जिसमें टेक्स्ट accessibility APIs के जरिए सीधे किसी भी ऐप में डाला जाता है। एक लाइव प्रीव्यू ओवरले बोलते समय ट्रांसक्रिप्शन दिखाता है, जिसमें MacBooks के लिए notch-aware लेआउट भी शामिल है। स्पीच रिकग्निशन डिवाइस पर चलता है। समर्थित मॉडलों में Nemotron Speech 3.5 वेरिएंट, Parakeet Flash, Parakeet TDT v3 और v2, Cohere Transcribe, Apple Speech, और Whisper के Tiny से Large तक के साइज़ शामिल हैं। भाषा कवरेज मॉडल के अनुसार बदलती है: Parakeet TDT v3 25 भाषाएँ, Cohere Transcribe 14, Nemotron लगभग 40, और Whisper 99 तक कवर करता है। अधिकांश मॉडलों के लिए Apple Silicon आवश्यक है; Intel Macs को Whisper के माध्यम से सपोर्ट किया जाता है। साधारण डिक्टेशन के अलावा, ऐप Command Mode प्रदान करता है जिससे आवाज़ द्वारा Mac को नियंत्रित किया जा सकता है (ऐप लॉन्च करना, shortcuts चलाना, सिस्टम क्रियाएँ ट्रिगर करना) और Write Mode किसी भी टेक्स्ट फ़ील्ड में टेक्स्ट लिखने या फिर से लिखने के लिए। वैकल्पिक AI एन्हांसमेंट OpenAI, Groq, कस्टम प्रोवाइडर, या Fluid Intelligence नामक एक बंडल किए गए लोकल मॉडल का उपयोग करके ट्रांसक्रिप्ट को पोस्ट-प्रोसेस कर सकता है, जो डेटा मशीन से बाहर भेजे बिना फ़ॉर्मेटिंग, capitalization, और cleanup संभालता है। प्रति-ऐप prompt सेट कॉन्फ़िगर करने योग्य हैं। अन्य सुविधाओं में budget controls और ZIP export के साथ वैकल्पिक लोकल ऑडियो हिस्ट्री, दैनिक उपयोग आँकड़े, adaptive light/dark theming, menu bar integration, वैकल्पिक beta channel के साथ auto-updates, और कॉन्फ़िगर करने योग्य overlay साइज़ शामिल हैं। प्रोजेक्ट बताता है कि यह local-first है: आवाज़, ऑडियो, और ट्रांसक्राइब किया गया टेक्स्ट डिवाइस पर ही रहते हैं जब तक कि क्लाउड AI प्रोवाइडर स्पष्ट रूप से सक्षम न किया जाए। डिफ़ॉल्ट रूप से अनाम साप्ताहिक activity analytics भेजे जाते हैं और इन्हें बंद किया जा सकता है। आवश्यकताएँ macOS 15.0 या बाद का संस्करण, microphone access, accessibility permissions, और एक स्पीच मॉडल के लिए लगभग 1 GB डिस्क स्थान हैं (वैकल्पिक Fluid Intelligence मॉडल के लिए लगभग 3.5 GB अतिरिक्त)। सोर्स से बिल्ड करने में Xcode के साथ Swift Package Manager का उपयोग होता है; एक build script signed और unsigned builds को सपोर्ट करता है, और integration tests xcodebuild के माध्यम से चलते हैं। README में उल्लेख है कि iOS और Windows संस्करण योजनाबद्ध हैं लेकिन अभी उपलब्ध नहीं हैं।