dictation-toolbox/dragonfly

何を解決するか

Dragonfly は Python 用の音声認識フレームワークであり、カスタム音声コマンドの作成を簡素化します。ユーザーは Python スクリプト、マクロ、アプリケーションと音声認識エンジンを統合し、コンピュータ操作の自動化、音声によるプログラミング、または文章の音声入力を実現できます。

動作方法

Dragonfly は音声コマンドと文法オブジェクトを一等の Python オブジェクトとして扱います。CompoundRule や MappingRule などのルールを定義するフレームワークを提供し、発話されたフレーズを特定のアクション（キーストロークのシミュレーションやテキスト入力など）にマッピングできます。特定のアプリケーションコンテキスト（たとえば、Notepad ウィンドウがフォーカスされているときのみ有効）に基づいてアクティブにすることも可能です。

対象ユーザー

Python を使って複雑な音声制御の自動化やプログラミングツールを作成したい開発者やパワーユーザー。

特徴

• マルチエンジン対応: Nuance Dragon、Windows Speech Recognition (WSR)、Kaldi、CMU Pocket Sphinx をサポート。
• クロスプラットフォーム: Windows、macOS、Linux (X11) で動作。
• アクションフレームワーク: テキスト入力やキーストロークのシミュレーション用の組み込みアクションを備えています。
• コンテキスト対応: AppContext を使って、特定のアプリケーションにコマンドを制限できます。