Gremble-io/Detto

解決的問題

Detto 是一款本地優先的 macOS 應用程式，旨在不將音訊或文字傳送至雲端的情況下，捕捉並轉錄語音資料。它透過提供一個完全在 Apple Silicon 硬體上運行的系統級工具，解決了雲端語音轉錄服務所帶來的資料鎖定與隱私疑慮，適用於會議記錄、語音備忘錄與語音輸入。

工作原理

Detto 使用雙串流音訊捕獲系統，將麥克風音訊與系統音訊（用於通話）分離，並使用裝置端 AI 模型處理這些資料。它在 Apple Neural Engine 上使用 Parakeet-TDT v3 模型進行自動語音辨識（ASR），並在 GPU 上透過 MLX 使用 Llama 3.2 3B 模型對文字進行優化，以修正標點與大小寫。輸出以帶有 YAML 前置元資料的純 Markdown 檔案形式儲存，與 Obsidian 等知識庫相容。

適用對象

主要面向維護「第二腦」或個人知識管理系統（如 Obsidian）的顧問、研究人員與專業人士，他們需要高隱私、離線的語音轉錄與語音輸入工具，並能直接整合至其基於檔案的工作流程中。

主要特色

• 本地優先架構：無需帳戶、無需伺服器，音訊不會儲存至磁碟。
• 基於通道的說話人分離：在通話中區分使用者（"You"）與他人（"Them"）。
• Vault 原生輸出：轉錄結果以帶結構化 YAML 元資料的 .md 檔案形式儲存。
• 客戶簡報功能：掃描本地 Markdown 檔案，提供會前背景資訊，並將客戶資料嵌入轉錄內容。
• 系統級語音輸入：透過快捷鍵驅動，可直接將轉錄文字注入任何活躍的應用程式。
• 會議應用偵測：根據目前活躍的應用程式（如 Zoom、Teams、Slack）自動為轉錄內容標記。
• 多語言支援：ASR 可自動偵測 25 種歐洲語言。