Что это такое?
Расширение распознавания речи для агента Pi: вы нажимаете горячую клавишу, говорите, и расшифровка вставляется в позицию курсора в вашем редакторе. Всё распознаётся локально, на вашем компьютере.
Расширение распознавания речи для агента Pi: вы нажимаете горячую клавишу, говорите, и расшифровка вставляется в позицию курсора в вашем редакторе. Всё распознаётся локально, на вашем компьютере.Это отдельное приложение или оно встраивается во что-то?Оно встраивается в Pi как расширение, а не отдельное приложение. Оно добавляет горячую клавишу записи, команду /transcribe для настроек и инструмент transcribefile, который агент может вызывать для локальных аудио- и видеофайлов.
Оно встраивается в Pi как расширение, а не отдельное приложение. Оно добавляет горячую клавишу записи, команду /transcribe для настроек и инструмент transcribefile, который агент может вызывать для локальных аудио- и видеофайлов.Как его настроить?Установите его прямо с GitHub (релиз через npm планируется), затем один раз выполните /transcribe в интерактивном TUI Pi, чтобы выбрать модель и скачать её после вашего подтверждения.
Установите его прямо с GitHub (релиз через npm планируется), затем один раз выполните /transcribe в интерактивном TUI Pi, чтобы выбрать модель и скачать её после вашего подтверждения.Что нужно установить, кроме самого расширения?Node.js 22 или новее. FFmpeg нужен только для расшифровки аудио- и видеофайлов — диктовка с микрофона работает без него; если FFmpeg не лежит в PATH, вы можете указать путь к нему для pi-transcribe перед запуском Pi.
Node.js 22 или новее. FFmpeg нужен только для расшифровки аудио- и видеофайлов — диктовка с микрофона работает без него; если FFmpeg не лежит в PATH, вы можете указать путь к нему для pi-transcribe перед запуском Pi.Могу ли я начать запись из любого приложения на моём компьютере?Нет — горячая клавиша работает только внутри терминала Pi, это не системный глобальный хоткей, поэтому запись начинается только когда Pi в фокусе.
Нет — горячая клавиша работает только внутри терминала Pi, это не системный глобальный хоткей, поэтому запись начинается только когда Pi в фокусе.Мой голос куда-то отправляется с компьютера?Нет: аудио расшифровывается локально моделью, которую вы скачали после подтверждения в TUI. Единственный сетевой шаг — то разовое скачивание модели.
Нет: аудио расшифровывается локально моделью, которую вы скачали после подтверждения в TUI. Единственный сетевой шаг — то разовое скачивание модели.Может ли агент сам расшифровывать аудиофайлы?Да, через свой инструмент transcribefile. Задачи используют одну загруженную модель, диктовка с микрофона имеет приоритет после завершения активной задачи, а одновременно выполняется не более двух задач по файлам с одним декодером FFmpeg и лимитом декодирования 128 МиБ (около 35 минут).
Да, через свой инструмент transcribefile. Задачи используют одну загруженную модель, диктовка с микрофона имеет приоритет после завершения активной задачи, а одновременно выполняется не более двух задач по файлам с одним декодером FFmpeg и лимитом декодирования 128 МиБ (около 35 минут).Все ли модели расшифровывают речь, пока вы ещё говорите?Нет — модели с поддержкой потоковой обработки обрабатывают фрагменты примерно по 500 мс во время записи, а остальные модели расшифровывают всю запись целиком только после того, как вы остановитесь.
Нет — модели с поддержкой потоковой обработки обрабатывают фрагменты примерно по 500 мс во время записи, а остальные модели расшифровывают всю запись целиком только после того, как вы остановитесь.Если что-то пошло не так, можно ли пройти настройку заново?Да, но это только для отладки: запустите Pi с PITRANSCRIBEDEBUG=1 и выполните /transcribe-onboarding. Отмена до выбора модели оставляет текущую конфигурацию без изменений.
Да, но это только для отладки: запустите Pi с PITRANSCRIBEDEBUG=1 и выполните /transcribe-onboarding. Отмена до выбора модели оставляет текущую конфигурацию без изменений.What are similar projects?DeepSpeech, lipflow, jot-gemini-transcribe-macOS, yapsnap, omarchy-meeting-recorder, murmur-youtube, openless, sherpa-onnx
DeepSpeech, lipflow, jot-gemini-transcribe-macOS, yapsnap, omarchy-meeting-recorder, murmur-youtube, openless, sherpa-onnxWhich topics is it in?dictation, pi-coding-agent, asr, on-device, transcription, voice, speech-to-text, speech-recognition, ffmpeg, audio, local-first, coding-agent
dictation, pi-coding-agent, asr, on-device, transcription, voice, speech-to-text, speech-recognition, ffmpeg, audio, local-first, coding-agent