enviouswispr

EnviousWispr — бесплатное приложение для AI-диктовки и распознавания речи на macOS с открытым исходным кодом, созданное для Apple Silicon и рассчитанное на полностью локальную работу. Аудио обрабатывается на устройстве и никогда не загружается; аккаунт и подписка не требуются, приложение работает офлайн. Основной сценарий: нажмите глобальную горячую клавишу в любом приложении, говорите, и приложение локально транскрибирует речь, при необходимости улучшает текст с помощью LLM, затем копирует его в буфер обмена и может автоматически вставить в активное приложение. В README описана транскрипция менее чем за секунду, при этом полный путь от нажатия клавиши до вставки обычно занимает около полутора секунд при включённой AI-обработке. Silero VAD определяет, когда вы прекратили говорить, и автоматически завершает запись. Режимы горячей клавиши включают push-to-talk, переключение и hands-free (двойное нажатие для фиксации при длительной диктовке). Предлагаются два движка ASR. Parakeet TDT v3 (NVIDIA NeMo, через FluidAudio) используется по умолчанию, работает на Apple Neural Engine, поддерживает 25 европейских языков и требует примерно 460 МБ на диске. WhisperKit (OpenAI Whisper Large v3 Turbo, через argmax) работает на GPU, поддерживает 99+ языков с автоматическим определением языка и требует примерно 1,6 ГБ. Оба работают через CoreML; при первом запуске модель скачивается и компилируется. AI-обработка опциональна и по умолчанию выполняется на устройстве. Варианты включают EG-1 — собственную дообученную модель проекта для очистки текста (около 2,9 ГБ, macOS 14+); S1-mini от Superwhisper (около 484 МБ, ориентирована на английский, с настройками стиля Tone, Structure и Context); Apple Intelligence (macOS 26+, без дополнительной загрузки); и Ollama (локально или размещённая). Облачная обработка через OpenAI, Gemini или Claude использует собственный ключ и отправляет только текст, никогда не аудио. В README указано, что EG-1 распространяется по собственной лицензии модели, а не по GPLv3 приложения, и является дообученной производной от Qwen3-4B-Instruct-2507. Ключевые возможности из README: Live Preview слов в индикаторе записи во время речи; Escape Recovery, сохраняющий текст отменённой диктовки на 24 часа (только текст, никогда не аудио); Snippets, вставляющие сохранённый текст слово в слово с подстановкой даты, времени или буфера обмена; Transcribe a File для существующего аудио/видео (m4a, mp3, wav, aiff, caf, mp4, mov, flac) с разбивкой по репликам говорящих, когда голоса можно разделить; пользовательский словарь и наборы словарей с импортом из Contacts; Quick Add для сохранения исправленного написания из любого места macOS; диктовка эмодзи по названию; детерминированное форматирование чисел, дат и денежных сумм на английском; история с фильтрами All/Dictations/Transcripts; присутствие в строке меню; и автообновления Sparkle. В README также описана работа над надёжностью: критический путь (запись, транскрипция, вставка) отделён от опциональных улучшений, чтобы сбои в обработке или сохранении истории не блокировали доставку; многоступенчатый путь вставки автоматически переключается на резервный вариант для приложений, сопротивляющихся стандартной вставке; онбординг требует разрешения Accessibility и повторно проверяет его при отзыве; а речевой движок работает внутри приложения, а не в отдельном помощнике, чтобы избежать зависаний в простое. Релизы описаны как подписанные, нотаризованные и проверенные Gatekeeper. Требования: macOS 14 (Sonoma) или новее и Apple Silicon (M1 или новее). Установка через Homebrew cask (saurabhav88/tap/enviouswispr) или загрузку DMG; запрашиваются разрешения для Microphone, Accessibility и (при первом резервном варианте вставки) Automation. Сборка из исходного кода использует Swift Package Manager для компиляции, а запускаемый .app собирается через Tuist и движок сборки Xcode; релизные DMG создаются скриптом, требующим полного Xcode 26+, mise и Tuist. Заметки об архитектуре в README описывают конечный автомат конвейера (idle, recording, transcribing, polishing, complete), строгую конкурентность Swift 6 с изоляцией акторов, намеренно раздельные бэкенды Parakeet и WhisperKit и паттерн "Heart & Limbs", при котором критический путь никогда не даёт сбоев, а опциональные функции деградируют плавно. Конфиденциальность: аудио обрабатывается локально и не загружается, хотя локальное восстановление может временно сохранять аудио. Анонимная продуктовая аналитика (PostHog) и отчёты о сбоях (Sentry) включены по умолчанию и могут быть отключены в настройках по отдельности; отчёты о сбоях исключают продиктованный текст и аудио. Проект лицензирован под GPLv3 для кода приложения, при этом веса модели EG-1 распространяются по отдельной лицензии сообщества, ограничивающей перераспространение и использование для обучения конкурирующих моделей. Название и логотип являются товарными знаками.