Об этом проекте

Douvo — это легковесное приложение для голосового ввода на macOS, предназначенное для Mac на Apple Silicon под управлением macOS 14.0 или новее. Оно использует Doubao ASR (автоматическое распознавание речи) в качестве основного движка преобразования речи в текст, с опциональной AI-постобработкой для очистки транскриптов перед вставкой. Приложение работает как утилита в строке меню с плавающим оверлеем записи. Пользователь нажимает настраиваемую клавишу запуска для начала записи, говорит, затем нажимает снова, чтобы остановить и вставить распознанный текст в позицию курсора в любом приложении. Также доступен режим удержания для разговора (hold-to-talk). Douvo поддерживает три пути ASR: Doubao Web, Doubao Android и Youdao Bage Shuo. Можно выбрать несколько путей одновременно; они работают параллельно, а результаты объединяются через AI-постобработку. Путь по умолчанию — Web. Основные возможности: - Диктовка в любое приложение с записью по короткому нажатию или удержанию - Опциональная AI-постобработка для исправления формулировок, пунктуации, слов-паразитов, тона и стиля вывода - Управление голосом редактированием выделенного текста (до 500 символов) - Перевод по запросу с настраиваемой клавишей перевода - Пользовательский словарь и внедрение контекста (термины проекта, пути, имена, личность пользователя, текущее время, активное приложение, заголовок окна) - Выбор между локальными моделями MLX на устройстве и удалёнными LLM-провайдерами - Интерфейс в строке меню, плавающий оверлей записи, переключение внешнего вида, вставка с учётом буфера обмена и локальная диагностика Для AI-постобработки Douvo предлагает локальные модели, включая S1-mini от Superwhisper (только английский, 335 МБ), Spark-X2.5 1.7B и 4B (исправление китайского и рассуждения), или удалённые LLM-провайдеры. Стили вывода включают Natural, Concise, Structured и Custom с настраиваемой силой стиля. Приложению требуются разрешения на доступ к микрофону и специальным возможностям (Accessibility). Оно распространяется в виде DMG из GitHub Releases или через Homebrew Cask. Текущие сборки не нотаризованы, поэтому при первом запуске macOS может потребовать ручного снятия карантина. Douvo создан для смешанных китайско-английских сценариев ввода, где массовые локальные модели речи не обеспечивают достаточное качество распознавания. Он оборачивает мощный путь Doubao ASR в инструмент голосового ввода, независимый от приложений, с постобработкой, словарём, переводом, редактированием выделенного текста, вставкой с учётом буфера обмена и локальной диагностикой. Проект основан на наблюдаемом поведении клиентов Doubao и Youdao Bage Shuo и не является официальным API, SDK или интеграцией для этих сервисов. Пользователям нужна действующая учётная запись Doubao, и они должны войти самостоятельно. Отправляемый для распознавания звук обрабатывается сервисом Doubao. Проект выпущен под лицензией MIT.