douvo

Douvo é um aplicativo leve de entrada por voz para macOS, projetado para Macs com Apple Silicon rodando macOS 14.0 ou superior. Ele utiliza o Doubao ASR (Reconhecimento Automático de Fala) como mecanismo principal de conversão de fala em texto, com pós-processamento opcional por IA para limpar transcrições antes da inserção. O aplicativo opera como um utilitário na barra de menus, com uma sobreposição flutuante de gravação. Os usuários pressionam uma tecla de gatilho configurável para iniciar a gravação, falam e pressionam novamente para parar e inserir o texto reconhecido na posição atual do cursor em qualquer aplicativo. Um modo de pressionar para falar também está disponível. O Douvo suporta três caminhos de ASR: Doubao Web, Doubao Android e Youdao Bage Shuo. Vários caminhos podem ser selecionados simultaneamente, rodando em paralelo com resultados mesclados por pós-processamento de IA. O caminho padrão é o Web. Os principais recursos incluem: - Ditar em qualquer aplicativo com gravação por toque curto ou pressionar para falar - Pós-processamento opcional por IA para corrigir redação, pontuação, palavras de preenchimento, tom e estilo de saída - Edição orientada por voz de texto selecionado (até 500 caracteres) - Tradução sob demanda com uma tecla de tradução configurável - Vocabulário personalizado e injeção de contexto (termos do projeto, caminhos, nomes, identidade do usuário, hora atual, aplicativo em primeiro plano, título da janela) - Escolha entre modelos locais MLX no dispositivo ou provedores remotos de LLM - Interface na barra de menus, sobreposição flutuante de gravação, alternância de aparência, inserção ciente da área de transferência e diagnósticos locais Para pós-processamento por IA, o Douvo oferece modelos locais, incluindo S1-mini da Superwhisper (somente inglês, 335 MB), Spark-X2.5 1.7B e 4B (correção e raciocínio em chinês), ou provedores remotos de LLM. Os estilos de saída incluem Natural, Conciso, Estruturado e Personalizado, com força de estilo ajustável. O aplicativo requer permissões de Microfone e Acessibilidade. Ele é distribuído como um DMG a partir dos lançamentos do GitHub ou via Homebrew Cask. As versões atuais não são notarizadas, então o macOS pode exigir remoção manual de quarentena no primeiro lançamento. O Douvo é construído para fluxos de trabalho de entrada mista em chinês/inglês, onde modelos locais de fala convencionais têm dificuldade com a qualidade do reconhecimento. Ele encapsula o forte caminho Doubao ASR como uma ferramenta de entrada por voz agnóstica de aplicativo, com pós-processamento, vocabulário, tradução, edição de texto selecionado, inserção ciente da área de transferência e diagnósticos locais. O projeto depende do comportamento observado dos clientes Doubao e Youdao Bage Shuo e não é uma API, SDK ou integração oficial para nenhum dos serviços. Os usuários precisam de uma conta válida do Doubao e devem fazer login por conta própria. O áudio enviado para reconhecimento é processado pelo serviço do Doubao. O projeto é lançado sob a Licença MIT.