vosk-cli-dictation

Sprache · Deutsch
Herunterladenv0.5.4-beta

Echtzeit-Sprachdiktat für Ihren Linux-Workflow, in jeder Anwendung

Verwandeln Sie Ihre Stimme sofort in Text in jeder Anwendung. Entwickelt mit Python und Vosk, vollständig Open-Source und datenschutzfreundlich — nichts, was Sie sagen, verlässt jemals Ihren Computer.

Los geht's Mehr erfahren →

v0.5.4-beta · en / fr / de / es · 100% offline · RTF < 1

vosk-cli-dictation ist keine Spracherkennungssoftware – es ist eine Befehlszeilen-Diktierfunktion, die auf Vosk, einem Open-Source-Offline- Spracherkennungswerkzeug, aufbaut. Vosk nimmt das Audio auf; dieses Projekt verwaltet globale Hotkeys, Sprachbefehle, Interpunktion, sprachspezifische Typografie und die Eingabe des Ergebnisses in die Anwendung, die gerade aktiv ist.

Funktioniert mit bescheidener Hardware

Die Leistung von vosk-cli-dictation wurde offline ohne Beschleunigung auf einem Raspberry Pi 4, einem Raspberry Pi 5, einem Laptop mit AMD A4-6210 (Baujahr 2014) und Desktop-Computern mit x86-Prozessor gemessen. Auf jedem dieser Geräte hält die Transkription mit der Sprache Schritt – der Echtzeitfaktor bleibt selbst auf dem langsamsten System unter 1, sodass die Live-Diktierfunktion niemals hinterherhinkt.

  • Ungefähr 300 MB RAM werden verwendet, abhängig vom Sprachmodell — ungefähr 210 MB für Spanisch, 335–360 MB für Französisch.
  • Im Ruhezustand sinkt die CPU-Auslastung für das Hintergrund-Listening auf 0 %, da das Audio-Gerät freigegeben wird und nichts ausgeführt wird.
  • Mit der eingeschränkten Grammatik für das Aktivierungswort verbraucht das Hintergrund-Listening auf einem Raspberry Pi 4 nur einen Bruchteil eines CPU-Kerns, und das Aktivierungswort wird in weniger als einer Sekunde erkannt.
MaschineRAM beim DiktierenEchtzeitfaktor
Raspberry Pi 4 (8 GB)286 MB0,22
Raspberry Pi 5291 MB0,08
Laptop AMD A4-6210 (2014)316 MB0,25
Aktueller x86-Desktop (Ryzen 9 3950X)314 MB0,05

Kalt gemessen, Maschinen im Ruhezustand, mit dem deutschen Modell (vosk-model-small-de-0.15) — dem Modell, das diese Seite durchgängig verwendet, von den Speicherangaben oben bis zur Tabelle. Jede Sprachseite zeigt die Werte ihres eigenen Modells: ein Abstand zwischen zwei Sprachen ist ein Unterschied zwischen Modellen, kein Widerspruch. Der Echtzeitfaktor ist die Verarbeitungsdauer geteilt durch die Audiodauer: unter 1 läuft die Transkription schneller als die Sprache. Die Aufschlüsselung je Maschine und Sprache steht in den PDF-Handbüchern.

Sehen Sie es in Aktion

Derselbe Text, diktiert in ein Terminal, KWrite, LibreOffice und dann einen Online-Übersetzer — die Einleitung ist auf Englisch, der Rest auf Französisch.

Hauptmerkmale

Echtzeit-Transkription

Ihre Stimme wird sofort in Text umgewandelt, in jeder aktiven Anwendung auf Ihrem System.

Mehrsprachige Unterstützung

Englisch, Französisch, Deutsch und Spanisch, jeweils mit eigenem Vosk-Modell. Sprachbefehle, Meldungen und Typografie je Sprache.

Vollständige Kontrolle

Globale Hotkeys, Sprachbefehle und manuelle Befehle für ein personalisiertes Erlebnis.

Erweiterte Konfiguration

Passen Sie alles an über config.yaml: Thema, Hotkeys, Erkennungs-Aliasnamen und mehr.

Vollständige Interpunktion

Diktieren Sie jedes Satzzeichen mit natürlichen Sprachbefehlen, in jeder Sprache.

100 % offline

Keine Daten verlassen Ihren Computer. Basiert auf Vosk, einer Open-Source-Erkennungs-Engine.

Adaptive Benutzeroberfläche

Das gleiche Werkzeug, in Ihrer Sprache

vosk-cli-dictation --help · DE
------------------------------------------------------------------
  - Sagen Sie „diktat starten“ oder drücken Sie [Alt+H], um zu
    starten/stoppen.
  - Sagen Sie „diktat stoppen“, drücken Sie [Alt+S], oder führen Sie
    „vosk-cli-dictation --finalize“ aus, um zu stoppen und zu kopieren.
  - Tastenkombinationen erreichen das fokussierte Fenster und verfehlen
    native Wayland-Fenster; verwenden Sie --finalize.

  Manuelle Befehle:
  - '/cancel', '/delete-word', '/nl'

  Satzzeichen-Befehle:
  anführungszeichen auf („)  anführungszeichen zu (“)
  auslassungspunkte (…)      ausrufezeichen (!)
  doppelpunkt (:)             eckige klammer auf ([)
  eckige klammer zu (])       fragezeichen (?)
  gedankenstrich (–)         klammer auf (()
  klammer zu ())              komma (,)
  neue zeile (\n)             neuer absatz (\n\n)
  punkt (.)                   semikolon (;)
------------------------------------------------------------------
Drücken Sie Strg+C, um das Programm zu beenden.
vosk-cli-dictation --help · EN
------------------------------------------------------------------
  - Say 'start dictation' or press [Alt+H] to start/stop.
  - Say 'stop dictation', press [Alt+S], or run 'vosk-cli-dictation
    --finalize' to stop and copy.
  - Hotkeys reach the focused window and miss native-Wayland windows; use
    --finalize.

  Manual commands:
  - '/cancel', '/delete-word', '/nl'

  Punctuation commands:
  close bracket (])      close parenthesis ())
  close quote (")        colon (:)
  comma (,)              dash (–)
  ellipsis (…)          exclamation mark (!)
  new line (\n)          new paragraph (\n\n)
  open bracket ([)       open parenthesis (()
  open quote (")         period (.)
  question mark (?)      semicolon (;)
------------------------------------------------------------------
Press Ctrl+C to exit the program.
Sprachauswahl beim Start
Übersetzte Hilfenachrichten und Statusmeldungen, über gettext
Sprachspezifische Sprachbefehle

Alles ist Konfiguration

Tastenkombinationen, Design, Sprachbefehle, Homophon-Korrekturen – alles in einer gut lesbaren YAML-Datei.

config.yaml
hotkeys:
  toggle_recording:
    pynput_keys: ["alt_l", "h"]
    display_name: "[Alt+H]"
  finalize_session:
    pynput_keys: ["alt_l", "s"]
    display_name: "[Alt+S]"

theme:
  ready_message: "GREEN"
  info: "BLUE"
  warning: "YELLOW"
  error: "RED"

Thema und Verknüpfungen

Legen Sie die Farben der Benutzeroberfläche fest und definieren Sie Ihre eigenen globalen Tastenkombinationen für jede Aktion.

  • Anpassbare Farbe pro Nachrichtentyp.
  • Konfigurierbare globale Hotkeys.
  • Eigene Start-/Stopp-Sprachbefehle, pro Sprache.
config.yaml
language_settings:
  fr:
    recognition_aliases:
      "de points": "deux points"
      "tirer": "tiret"
      "tirait": "tiret"
    custom_vocabulary:
      "vosk": "Vosk"
      "gemini": "Gemini"
      "ia": "IA"

Erweiterte Einstellungen

Korrigiere ein falsch verstandenes Wort mit recognition_aliases, oder erzwinge die Großschreibung eines Namens, den Vosk korrekt erkannt hat, aber in Kleinbuchstaben steht, mit custom_vocabulary — zwei separate Tabellen für zwei verschiedene Probleme.

  • Alias-Tabelle zur Behebung häufiger Fehlinterpretationen.
  • Sprachspezifische Anpassung der Sprachbefehle.
  • Erweiterbares Wörterbuch für Interpunktion.

Installieren Sie es

Unter Debian, Fedora, openSUSE oder Arch Linux: ein Befehl und ein Modell. Die vollständige Anleitung deckt außerdem die Installation aus dem Quellcode, die Sprachmodelle und die Desktop-Verknüpfungen ab.

Vollständige Installationsanleitung →

1

Paket installieren

Holen Sie sich das Paket Ihrer Distribution von der Download-Seite, dann:

# Debian 12+, Ubuntu 24.04+, Mint 22+...
sudo apt install ./vosk-cli-dictation_0.5.4~beta_all.deb
# Fedora
sudo dnf install ./vosk-cli-dictation-0.5.4~beta-1.fc42.noarch.rpm
# openSUSE Leap
sudo zypper install ./vosk-cli-dictation-0.5.4~beta-1.leap156.noarch.rpm
# Arch Linux
sudo pacman -U ./vosk-cli-dictation-0.5.4_beta-1-any.pkg.tar.zst

Beim ersten Konfigurieren erstellt das Paket eine private virtuelle Umgebung und installiert die Vosk-Engine hinein (dafür ist Netzzugang nötig).

2

Ein Modell herunterladen

Laden Sie das kleine Modell einer Sprache herunter (per SHA256 geprüft):

vosk-cli-dictation --download-model de  # auch: en, fr, es

Ist kein Modell vorhanden, bietet das Werkzeug den Download beim ersten Start an.

3

Diktieren

Starten Sie eine Sitzung in der gewünschten Sprache:

vosk-cli-dictation -l de
4

Aus dem Quellcode (zum Entwickeln)

Um am Code zu arbeiten, führen Sie ihn aus einem Git-Klon aus:

git clone https://github.com/RonanDavalan/vosk-cli-dictation.git
cd vosk-cli-dictation
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
python3 src/main.py -l de