منصوبے کے بارے میں

Douvo ایک ہلکا پھلکا macOS وائس ان پٹ ایپلیکیشن ہے جو Apple Silicon Macs کے لیے بنائی گئی ہے جو macOS 14.0 یا اس سے نئے ورژن پر چلتی ہے۔ یہ Doubao ASR (خودکار تقریر کی شناخت) کو اپنے بنیادی اسپیچ ٹو ٹیکسٹ انجن کے طور پر استعمال کرتا ہے، جس میں اختیاری AI پوسٹ پروسیسنگ شامل ہے تاکہ داخل کرنے سے پہلے ٹرانسکرپٹس کو صاف کیا جا سکے۔ ایپ مینو بار یوٹیلیٹی کے طور پر کام کرتی ہے جس میں فلوٹنگ ریکارڈنگ اوورلے ہوتا ہے۔ صارف ریکارڈنگ شروع کرنے کے لیے ایک کنفیگر قابل ٹرگر کلید دباتا ہے، بولتا ہے، اور پھر رکنے اور پہچانی گئی متن کو کسی بھی ایپلیکیشن میں موجودہ کرسر پوزیشن پر داخل کرنے کے لیے دوبارہ دباتا ہے۔ ہولڈ ٹو ٹاک موڈ بھی دستیاب ہے۔ Douvo تین ASR راستے سپورٹ کرتا ہے: Doubao Web، Doubao Android، اور Youdao Bage Shuo۔ ایک ساتھ متعدد راستے منتخب کیے جا سکتے ہیں، جو متوازی چلتے ہیں اور نتائج AI پوسٹ پروسیسنگ کے ذریعے مل جاتے ہیں۔ ڈیفالٹ راستہ Web ہے۔ اہم خصوصیات میں شامل ہیں: - کسی بھی ایپ میں شارٹ پریس یا ہولڈ ٹو ٹاک ریکارڈنگ کے ساتھ ڈکٹیٹ کریں - الفاظ، رموز، بھرنے والے الفاظ، لہجہ، اور آؤٹ پٹ اسٹائل کو ٹھیک کرنے کے لیے اختیاری AI پوسٹ پروسیسنگ - منتخب متن کی وائس سے چلنے والی ترمیم (500 حروف تک) - کنفیگر قابل ترجمہ کلید کے ساتھ مانگ پر ترجمہ - کسٹم词汇 اور سیاق و سباق انجکشن (پروجیکٹ کی اصطلاحات، راستے، نام، صارف کی شناخت، موجودہ وقت، سامنے والی ایپ، ونڈو کا عنوان) - ڈیوائس پر مقامی MLX ماڈلز یا ریموٹ LLM فراہم کنندگان کے درمیان انتخاب - مینو بار UI، فلوٹنگ ریکارڈنگ اوورلے، ظاہری شکل سوئچنگ، کلپ بورڈ سے آگاہ داخل، اور مقامی تشخیص AI پوسٹ پروسیسنگ کے لیے، Douvo مقامی ماڈلز پیش کرتا ہے جن میں Superwhisper کا S1-mini (صرف انگریزی، 335 MB)، Spark-X2.5 1.7B اور 4B (چینی تصحیح اور استدلال)، یا ریموٹ LLM فراہم کنندگان شامل ہیں۔ آؤٹ پٹ اسٹائل میں قدرتی، مختصر، منظم، اور کسٹم شامل ہیں جن میں ایڈجسٹ اسٹائل کی طاقت ہے۔ ایپ کو مائیکروفون اور رسائی کی اجازت درکار ہے۔ یہ GitHub Releases سے DMG کے طور پر یا Homebrew Cask کے ذریعے تقسیم کیا جاتا ہے۔ موجودہ بلڈز تصدیق شدہ نہیں ہیں، لہذا macOS کو پہلی بار لانچ پر دستی قرنطینہ ہٹانے کی ضرورت پڑ سکتی ہے۔ Douvo مخلوط چینی/انگریزی ان پٹ ورک فلو کے لیے بنایا گیا ہے جہاں مرکزی دھارے کے مقامی تقریری ماڈل معیار کی شناخت میں جدوجہد کرتے ہیں۔ یہ مضبوط Doubao ASR راستے کو ایپ سے غیر منسلک وائس ان پٹ ٹول کے طور پر لپیٹتا ہے جس میں پوسٹ پروسیسنگ،词汇، ترجمہ، منتخب متن میں ترمیم، کلپ بورڈ سے آگاہ داخل، اور مقامی تشخیص شامل ہیں۔ یہ پروجیکٹ Doubao اور Youdao Bage Shuo کلائنٹ کے مشاہدہ شدہ رویے پر منحصر ہے اور یہ کسی بھی سروس کے لیے سرکاری API، SDK، یا انضمام نہیں ہے۔ صارفین کو درست Doubao اکاؤنٹ کی ضرورت ہے اور انہیں خود لاگ ان کرنا ہوگا۔ شناخت کے لیے بھیجا گیا آڈیو Doubao کی سروس کے ذریعے پروسیس کیا جاتا ہے۔ یہ پروجیکٹ MIT لائسنس کے تحت جاری کیا گیا ہے۔