منصوبے کے بارے میں

ہینڈی ایک کراس پلیٹ فارم ڈیسک ٹاپ ایپلیکیشن ہے جو سادہ اور پرائیویسی پر مرکوز تقریر کی ٹرانسکرپشن فراہم کرتی ہے۔ یہ مفت، اوپن سورس اور قابل توسیع ہے، اور مکمل طور پر آف لائن کام کرنے کے لیے ڈیزائن کی گئی ہے، بغیر کسی آڈیو ڈیٹا کو کلاؤڈ پر بھیجے۔ بنیادی ورک فلو سیدھا ہے: ایک قابل ترتیب کی بورڈ شارٹ کٹ دبائیں، بولیں، اور چھوڑ دیں تاکہ آپ کے الفاظ ٹرانسکرائب ہو کر براہ راست اس ٹیکسٹ فیلڈ میں چسپاں ہو جائیں جو آپ استعمال کر رہے ہیں۔ یہ ایپلیکیشن ونڈوز، میک او ایس (انٹیل اور ایپل سلکان دونوں) اور لینکس کو سپورٹ کرتی ہے۔ یہ مقامی تقریر کی شناخت کے ماڈلز استعمال کرتی ہے، خاص طور پر Whisper فیملی کے ماڈلز (Small, Medium, Turbo, Large) جن میں جب ممکن ہو GPU ایکسلریشن شامل ہے، اور Parakeet V3، جو ایک CPU-آپٹمائزڈ ماڈل ہے جس میں خودکار زبان کی شناخت ہوتی ہے۔ ٹرانسکرپشن سے پہلے Silero کے ساتھ وائس ایکٹیویٹی ڈیٹیکشن (VAD) کے ذریعے خاموشی فلٹر کی جاتی ہے۔ ہینڈی ایک Tauri ایپلیکیشن کے طور پر بنائی گئی ہے جو React + TypeScript فرنٹ اینڈ کو Tailwind CSS کے ساتھ سیٹنگز یوزر انٹرفیس کے لیے، اور Rust بیک اینڈ کو سسٹم انٹیگریشن، آڈیو پروسیسنگ اور ML انفرنس کے لیے یکجا کرتی ہے۔ بنیادی لائبریریوں میں Whisper ماڈلز کے لیے transcribe-cpp، Parakeet ماڈلز کے لیے transcribe-rs، کراس پلیٹ فارم آڈیو I/O کے لیے cpal، وائس ایکٹیویٹی ڈیٹیکشن کے لیے vad-rs، گلوبل کی بورڈ شارٹ کٹس کے لیے rdev، اور آڈیو ریزیمپلنگ کے لیے rubato شامل ہیں۔ ایپ کئی ریکارڈنگ موڈز پیش کرتی ہے: ہولڈ-ٹو-ریکارڈ، ٹیپ-ٹو-ٹوگل، ہولڈ-ونلی اور ٹوگل-ونلی۔ اس میں کی بورڈ شارٹ کٹ کے ذریعے قابل رسائی ڈیبگ موڈ، ریموٹ کنٹرول اور اسٹارٹ اپ حسب ضرورت کے لیے CLI پیرامیٹرز، اور Raycast انٹیگریشن شامل ہے جو ریکارڈنگ کو کنٹرول کرنے، ٹرانسکرپٹ ہسٹری براؤز کرنے، ڈکشنریز منظم کرنے اور ماڈلز اور زبانوں کو تبدیل کرنے کی سہولت دیتا ہے۔ لینکس صارفین کے لیے، ہینڈی کو ڈسپلے سرور کے لحاظ سے ٹیکسٹ ان پٹ کے لیے اضافی ٹولز درکار ہوتے ہیں: X11 کے لیے xdotool، Wayland کے لیے wtype یا dotool۔ لینکس پر فوکس چوری کرنے کے مسائل سے بچنے کے لیے ریکارڈنگ اوورلے بطور ڈیفالٹ غیر فعال ہے۔ Wayland پر گلوبل کی بورڈ شارٹ کٹس ڈیسک ٹاپ ماحول یا ونڈو مینیجر کے ذریعے ترتیب دیے جانے چاہئیں، انٹیگریشن کے لیے CLI فلیگز دستیاب ہیں۔ ہینڈی پراکسی یا محدود نیٹ ورک ماحول کے پیچھے صارفین کے لیے ماڈلز کی دستی تنصیب کو سپورٹ کرتی ہے، اور ماڈلز ڈائریکٹری میں رکھے گئے کسٹم Whisper GGML ماڈلز کو خود بخود دریافت کر سکتی ہے۔ ریلیز آرٹیفیکٹس Tauri کے اپڈیٹر دستخطی فارمیٹ سے دستخط شدہ ہوتے ہیں اور minisign کے ذریعے تصدیق کی جا سکتی ہے۔ یہ پروجیکٹ فعال طور پر ترقی یافتہ ہے جس میں ڈیبگ لاگنگ، میک او ایس کی بورڈ میں بہتری، آپٹ اِن اینالیٹکس، سیٹنگز ری فیکٹرنگ اور Tauri کمانڈز کی صفائی پر جاری کام ہے۔ معروف حدود میں میک او ایس پر بلوٹوتھ ہیڈسیٹ مائیکروفون کے مسائل، ایپل کی بورڈز پر صرف fn/Globe کلیدی شارٹ کٹس کا کام کرنا، بعض سسٹم کنفیگریشنز پر Whisper ماڈل کا کریش ہونا، اور محدود Wayland سپورٹ شامل ہیں۔