enviouswispr

EnviousWispr é um aplicativo gratuito e de código aberto de ditado por IA e fala para texto para macOS, criado para Apple Silicon e projetado para funcionar inteiramente no dispositivo. O áudio é processado localmente e nunca é enviado; não é necessária conta ou assinatura, e o aplicativo funciona offline. Fluxo principal: pressione um atalho global de qualquer aplicativo, fale, e o aplicativo transcreve localmente, opcionalmente aprimora o texto com um LLM, copia para a área de transferência e pode colar automaticamente no aplicativo ativo. O README descreve transcrição em menos de um segundo, com o fluxo completo de atalho para colagem geralmente em cerca de um segundo e meio quando o aprimoramento por IA está ativado. O Silero VAD detecta quando você para de falar e encerra a gravação automaticamente. Os modos de atalho incluem pressionar para falar, alternar e mãos livres (pressione duas vezes para travar para ditado longo). Dois mecanismos ASR são oferecidos. Parakeet TDT v3 (NVIDIA NeMo, via FluidAudio) é o padrão, roda no Apple Neural Engine, suporta 25 idiomas europeus e precisa de cerca de 460 MB de disco. WhisperKit (OpenAI Whisper Large v3 Turbo, via argmax) roda na GPU, suporta 99+ idiomas com detecção automática de idioma e precisa de cerca de 1,6 GB. Ambos rodam via CoreML; o primeiro lançamento baixa e compila o modelo. O aprimoramento por IA é opcional e, por padrão, permanece no dispositivo. As opções incluem EG-1, o modelo de limpeza ajustado do próprio projeto (cerca de 2,9 GB, macOS 14+); S1-mini da Superwhisper (cerca de 484 MB, voltado para inglês, com configurações de estilo Tom, Estrutura e Contexto); Apple Intelligence (macOS 26+, sem download extra); e Ollama (local ou hospedado). O aprimoramento em nuvem via OpenAI, Gemini ou Claude é com chave própria e envia apenas texto, nunca áudio. O README afirma que o EG-1 é distribuído sob sua própria licença de modelo, em vez da GPLv3 do aplicativo, e é um derivado ajustado do Qwen3-4B-Instruct-2507. Os destaques do README incluem: Pré-visualização ao vivo das palavras na pílula de gravação enquanto fala; Recuperação por Escape, que mantém o texto de ditado cancelado por 24 horas (apenas texto, nunca áudio); Trechos que colam texto salvo palavra por palavra com preenchimento de data, hora ou área de transferência; Transcrever um Arquivo para áudio/vídeo existente (m4a, mp3, wav, aiff, caf, mp4, mov, flac) com turnos de fala quando as vozes podem ser separadas; vocabulário personalizado e pacotes de vocabulário com importação de Contatos; Adição Rápida para salvar uma grafia corrigida de qualquer lugar no macOS; ditado de emojis por nome; formatação determinística de números, datas e dinheiro em inglês; histórico com filtros Tudo/Ditados/Transcrições; presença na barra de menus; e atualizações automáticas via Sparkle. O README também documenta o trabalho de confiabilidade: o caminho crítico (gravar, transcrever, colar) é mantido separado dos aprimoramentos opcionais, para que falhas no aprimoramento ou no salvamento do histórico não bloqueiem a entrega; um caminho de colagem em várias etapas cai automaticamente para aplicativos que resistem à colagem padrão; o onboarding exige permissão de Acessibilidade e verifica novamente se for revogada; e o mecanismo de fala roda dentro do aplicativo, em vez de um helper separado, para evitar congelamentos em espera. Os lançamentos são descritos como assinados, notarizados e verificados pelo Gatekeeper. Requisitos: macOS 14 (Sonoma) ou posterior e Apple Silicon (M1 ou mais novo). A instalação é via cask do Homebrew (saurabhav88/tap/enviouswispr) ou download de DMG; permissões para Microfone, Acessibilidade e (na primeira falha de colagem) Automação são solicitadas. A compilação a partir do código-fonte usa Swift Package Manager para a compilação, enquanto o aplicativo executável .app é montado via Tuist e o mecanismo de compilação do Xcode; os DMGs de lançamento são produzidos por um script que requer Xcode 26+ completo, mise e Tuist. Notas de arquitetura no README descrevem uma máquina de estados de pipeline (ocioso, gravando, transcrevendo, aprimorando, completo), concorrência estrita do Swift 6 com isolamento de atores, backends deliberadamente separados para Parakeet e WhisperKit, e um padrão "Coração e Membros" onde o caminho crítico nunca falha e os recursos opcionais degradam graciosamente. Privacidade: o áudio é processado localmente e não é enviado, embora a recuperação local possa reter áudio temporariamente. Análises anônimas de produto (PostHog) e relatórios de falhas (Sentry) estão ativados por padrão e podem ser desativados nas configurações; os relatórios de falhas excluem texto ditado e áudio. O projeto é licenciado sob GPLv3 para código do aplicativo, com os pesos do modelo EG-1 sob uma licença de modelo comunitária separada que restringe a redistribuição e o uso para treinar modelos concorrentes. O nome e o logotipo são marcas registradas.