goodroot/hyprwhspr

Native speech-to-text for Linux - Fast, accurate and private system-wide dictation

What it solves

Linux ユーザー向けに、ネイティブでシステム全体に対応した音声認識（STT）ディクテーションツールを提供します。音声を即座にテキストに変換し、手動で入力することなく任意のアクティブアプリケーションのバッファに貼り付けられます。

How it works

マイクから音声を取得し、複数の文字起こしバックエンドで処理します。プライバシーと速度を重視したローカルのインメモリモデルに加え、REST や WebSocket 経由で Gemini や ElevenLabs などのクラウド API も利用可能です。Wayland セッション向けに設計され、systemd ユーザーサービスと統合してバックグラウンドで動作します。

Who it’s for

Wayland 上の Linux ユーザー、特に高速でプライベートかつ高度にカスタマイズ可能なディクテーション体験を求める方に最適です。最高性能を引き出すためにハイエンド NVIDIA GPU を搭載した環境を想定していますが、onnx-asr を用いた CPU のみの構成もサポートします。

Highlights

Flexible Backends：Cohere Transcribe、Parakeet TDT V3、Whisper、クラウド API をサポート。
Linux Native：Wayland 用に構築され、Arch、Debian、Ubuntu、Fedora、openSUSE など複数ディストリビューションに対応。
Automatic Integration：テキストを自動でアクティブバッファに貼り付け、録音中にシステム音量を下げるオーディオダッキング機能もオプションで提供。
Visual Feedback：テーマ化されたビジュアライザーと OSD オーバーレイで録音状態を表示。
Hardware Optimized：CUDA（NVIDIA）および Vulkan（AMD/Intel）アクセラレーションに最適化し、高速 CPU オプションも用意。
Multi-lingual：英語以外の音声を英語に翻訳し、マルチランゲージでの文字起こしをサポート。