VoiceBox - macOS приложение, которое превращает голос в отформатированный текст и вставляет результат в активное окно. Распознавание выполняется через Whisper large-v3-turbo на Cloudflare Workers AI, форматирование - через LLМформатер Qwen3-30b-a3b-fp8. План Phase 2 предусматривает локальный бэкенд на faster-whisper и Ollama, чтобы снизить зависимость от облака.
VoiceBox — десктопное приложение для macOS, которое превращает речь в отформатированный текст и вставляет его в активное окно, где пользователь печатает. Это избавляет от необходимости копировать и вставлять текст вручную: результат появляется прямо в нужном месте сразу после окончания произнесения.
Распознавание речи выполняется через модель Whisper large-v3-turbo на платформе Cloudflare Workers AI. Полученная расшифровка затем поступает на обработку LLМформатером Qwen3-30b-a3b-fp8, который в контексте активного поля подстраивает форматирование под задачу.
Клиентская часть реализована на Go с использованием Wails внешняя инфраструктура
Архитектура клиента
- Клиентская часть реализована на Go с использованием Wails, внешняя инфраструктура описана как Cloudflare Worker с Durable Object. В текущей конфигурации доступна бесплатная подсистема Cloudflare Workers AI; однако сервис зависит от интернетсоединения и облачного цикла обработки.
Ограничения и требования
- Только macOS. Нужен доступ к микрофону и разрешение Accessibility для автопаста.
- Облачный бэкенд через Cloudflare Workers AI: требуется аккаунт Cloudflare и интернет; бесплатный уровень есть, но лимиты зависят от аккаунта.
Практическое применение
- VoiceBox пригодится для быстрой фиксации заметок, черновиков и длинных текстов, которые затем корректируются и разворачиваются в нужной форме внутри текстовых полей приложений. Автоматическое форматирование повышает читаемость и экономит время.
Параметры аудио и ограничения
- Частота дискретизации 16 кГц, моно, PCM 16бит LE, размер чанка ~4096 байт (примерно 128 мс), суммарная длительность записи ~13 минут. Эти значения влияют на скорость и точность распознавания, а также на сетевые требования.
Не подтверждено: 3, частично подтверждено: 2.
-
Частично подтверждено
VoiceBox is a macOS desktop application that converts speech into formatted text and inserts the result into the active window.
-
Не подтверждено
VoiceBox uses Whisper large-v3-turbo on Cloudflare Workers AI for recognition.
-
Не подтверждено
LLM formatter Qwen3-30b-a3b-fp8 formats text in VoiceBox.
-
Частично подтверждено
VoiceBox default hotkey is Ctrl+Cmd; holding records, releasing inserts into the active window.
-
Не подтверждено
Phase 2 plan includes a local backend on faster-whisper and Ollama to reduce cloud dependency.
Показать все источники Скрыть источники
