kstonekuan/tambourine-voice

解決的問題

Tambourine 提供一個通用的語音轉文字介面，讓使用者能將語音輸入到電腦上的任何應用程式中。它克服了原生語音輸入工具的限制，提供高度個人化、可移除填充詞、並支援使用多種 AI 提供商進行語音辨識與格式化處理的彈性。

工作原理

此系統由基於 Tauri 的桌面應用程式和 Python 伺服器組成。當使用者觸發快捷鍵時，應用程式會捕獲音訊，並透過 WebRTC 將其串流至伺服器。伺服器使用語音轉文字（STT）提供者將音訊轉錄為文字，然後透過大型語言模型（LLM）清理填充詞、添加標點符號並套用自訂格式規則。最終潤飾後的文字會自動在目前活躍的應用程式中光標位置輸入。

適用對象

適用於希望比打字更快記錄想法的使用者，需要高度可客製化語音介面以應對專業或技術工作流程的使用者，以及偏好開源替代品而非專有語音輸入軟體的使用者。

主要亮點

• 通用相容性：適用於郵件、訊息、文件、程式碼編輯器和終端機等各類應用程式。
• 彈性 AI 後端：支援多種 STT（如 Deepgram、Groq、OpenAI）和 LLM（如 Anthropic、Gemini、Cerebras）提供者，包括透過 Whisper 和 Ollama 實現的完全本機化選項。
• 上下文感知格式化：自動偵測目前聚焦的應用程式，以調整輸出風格（例如，郵件使用正式風格，訊息使用隨意風格）。
• 可自訂控制：使用者可定義自己的格式化提示，並維護個人技術術語詞典。
• 雙模式錄音：透過全域快捷鍵提供「按住錄音」和「切換」兩種模式。