Alpha · Windows

Voice2Text: диктовка, привязки и обработка через LLM Voice2Text: dictation, bindings and LLM processing

Voice2Text — отдельная программа Screph для диктовки и вставки текста в совместимое окно Windows. Распознанный текст можно проверить перед вставкой. Привязка может дополнительно снять выбранную область экрана, передать изображение и диктовку настроенной LLM и вставить преобразованный ответ. Voice2Text is a separate Screph application for dictation and text insertion into a compatible Windows target. Recognized text can be reviewed before insertion. A binding can also capture a selected screen region, send the image and dictation to a configured LLM, and insert the transformed response.

ВидеоVideo

Текущий архив Current archive

Voice2Text запускается файлом Voice2Text.exe из ZIP-архива, распакованного в отдельный каталог. Приложение работает из системного трея; отдельный установщик не требуется. Voice2Text runs from Voice2Text.exe in the ZIP archive after it is extracted to a separate directory. The app operates from the system tray; no separate installer is required.

Скачать текущий Alpha-архив Download the current Alpha archive

ФайлFile: Voice2Text_latest.zip, 340.5 MB
Изменён, UTCModified, UTC: 2026-07-22 22:14 — это время файла, не подтверждённая дата сборки— this is file time, not a verified build date
SHA-256: effbb4bba5a1db5ba40ace13b9eb420aac2b43064994583ff0aecd23c39fe9bb
ManifestManifest: Voice2Text 1.0.0 · full · Nuitka · 2026-07-21T21:59:43.4289985Z
Исполняемый файлExecutable: AMD64 · PE32+ · Windows GUI
Authenticode: подпись отсутствуетnot signed
Локальная модельLocal model: vosk-model-small-ru-0.22 входит в архивvosk-model-small-ru-0.22 is included

Что реализовано What is implemented

Запись открывается из меню трея командой Start recording; команда Show widget показывает уже созданный виджет.Recording opens from the tray with Start recording; Show widget reveals an existing widget.
Voice2Text распознаёт речь выбранным speech-provider и показывает текст для проверки. Ctrl+Enter завершает ввод, Esc закрывает или отменяет текущий виджет.Voice2Text transcribes speech with the selected speech provider and shows the text for review. Ctrl+Enter finishes input; Esc closes or cancels the current widget.
Обычный результат отправляется в активное совместимое окно Windows. Это эмуляция ввода, а не универсальный API всех приложений; цели с другим уровнем привилегий или нестандартным редактором могут не принять текст.A normal result is sent to the active compatible Windows target. This is input simulation, not a universal API for every app; targets at another privilege level or with a custom editor may reject the text.
Привязка запоминает целевое окно и точку. Перед вставкой приложение выполняет и проверяет реальный клик, foreground и принадлежность точки окну; если проверка не проходит, вставка прекращается.A binding remembers a target window and point. Before insertion the app performs and validates a real click, foreground state and point ownership; insertion stops if validation fails.
Для привязки можно задать область снимка и LLM-профиль. Тогда в модель уходит изображение области вместе с продиктованным запросом, а в цель вставляется преобразованный ответ.A binding can define a capture region and an LLM profile. The region image and dictated request are then sent to the model, and the transformed response is inserted into the target.

Глобальное сочетание клавиш для записи сейчас не является рабочей функцией. В коде есть менеджер и старый диалог регистрации, но регистрация при запуске не подключена к текущей работе из системного трея. Запись запускается через меню трея; локальные клавиши действуют только в окне виджета.A global recording shortcut is not a working function today. The code contains a manager and an older registration dialog, but startup registration is not connected to the current system-tray operation. Recording starts from the tray menu; widget-local shortcuts work only in the widget window.

Меню и настройки Menu and settings

ПоверхностьSurface	Текущий контрактCurrent contract
Меню треяTray menu	Start recording, Show widget, Bindings (управление и быстрая новая привязка), Settings, LLM history, Language, Exit.Start recording, Show widget, Bindings (management and quick new binding), Settings, LLM history, Language and Exit.
НастройкиSettings	Application, Recognition, LLM, Screen Capture и Bindings; здесь же настраиваются автозапуск, поведение буфера обмена и сохранение истории.Application, Recognition, LLM, Screen Capture and Bindings, including autostart, clipboard behavior and history persistence.
ПривязкиBindings	Несколько кнопок/точек для одного окна, выбор области экрана, LLM-профиля и способа вставки.Multiple buttons or points for one window, plus screen-region, LLM-profile and insertion-method selection.
АвтозапускAutostart	При включении Voice2Text записывает команду в `HKCU\Software\Microsoft\Windows\CurrentVersion\Run`.When enabled, Voice2Text writes its command to `HKCU\Software\Microsoft\Windows\CurrentVersion\Run`.

Распознавание и сеть Recognition and network use

Provider	Что делаетWhat it does	Граница данныхData boundary
Vosk	Локальное потоковое распознавание; текущий ZIP уже содержит малую русскую модель.Local streaming recognition; the current ZIP already includes the small Russian model.	Аудио не уходит в speech cloud. Другой язык или модель требуют отдельно указанных локальных файлов.Audio is not sent to a speech cloud. Another language or model requires separately supplied local files.
Yandex	Облачное распознавание речи.Cloud speech recognition.	Аудио и параметры запроса передаются настроенному сервису Yandex.Audio and request parameters are sent to the configured Yandex service.
Google	Google Cloud Speech через файл credentials.Google Cloud Speech using a credentials file.	Аудио передаётся Google; в настройках хранится путь к credentials, сам файл остаётся по указанному пути.Audio is sent to Google; settings store the credentials path while the file remains at that path.
OpenAI	Облачная транскрипция через настроенный API.Cloud transcription through the configured API.	Аудио передаётся OpenAI-совместимому endpoint; ключи сохраняются через системное хранилище секретов.Audio is sent to the configured OpenAI-compatible endpoint; keys are stored through the system secret store.
LLM binding	Преобразует диктовку с необязательным снимком области.Transforms dictation with an optional region capture.	Текст и выбранное изображение уходят provider профиля; включайте это только для данных, которые разрешено передавать ему.Text and the selected image go to the profile provider; enable this only for data you are allowed to send.

Локальные данные и история Local data and history

В packaged-запуске настройки, модели и включённая файловая LLM-история находятся в переносимом каталоге Voice2TextData рядом с приложением. VOICE2TEXT_CONFIG_DIR задаёт другой корень данных.In a packaged run, settings, models and enabled file-based LLM history live in the portable Voice2TextData directory beside the app. VOICE2TEXT_CONFIG_DIR selects another data root.
Привязки packaged-приложения сейчас являются исключением: они сохраняются в %APPDATA%\Voice2Text\bindings.json, а не в Voice2TextData.Packaged-app bindings are currently an exception: they are stored in %APPDATA%\Voice2Text\bindings.json, not in Voice2TextData.
Лог сначала создаётся рядом с executable как voice2text.log; если каталог недоступен для записи, используется %LOCALAPPDATA%\Voice2Text\logs.The log is first created beside the executable as voice2text.log; if that location is not writable, %LOCALAPPDATA%\Voice2Text\logs is used.
Ключи API сохраняются через keyring/Windows Credential Manager. Обычные настройки содержат endpoint, model и пути, но не должны содержать ключ в открытом виде.API keys are stored through keyring/Windows Credential Manager. Ordinary settings contain endpoint, model and paths, but should not contain a plaintext key.
LLM-история в памяти ограничена 200 записями. Запись prompt/response в файл выключена по умолчанию, включается пользователем и очищается из интерфейса.In-memory LLM history is limited to 200 entries. Persisting prompts and responses to a file is off by default, can be enabled by the user and can be cleared in the UI.
Опция постоянного копирования помещает распознанный или преобразованный текст в системный буфер обмена; учитывайте историю буфера Windows.The always-copy option places recognized or transformed text on the system clipboard; account for Windows clipboard history.

Системные требования System requirements

OS: Windows 10/11 x64.
Устройства: рабочий микрофон; для screen/target bindings — интерактивный Windows desktop.Devices: a working microphone; screen and target bindings require an interactive Windows desktop.
Офлайн: bundled Vosk-модель распознаёт русский локально. Облачные speech/LLM providers и их проверка требуют сети и собственных credentials.Offline: the bundled Vosk model recognizes Russian locally. Cloud speech and LLM providers and their checks require network access and your own credentials.
Дополнительный Python: новый standalone build не включает Torch, Transformers, Whisper и Librosa; при необходимости они подключаются через Voice2TextData\optional-python\site-packages и manifest optional dependencies.Optional Python: the new standalone build does not bundle Torch, Transformers, Whisper or Librosa; when needed they are supplied through Voice2TextData\optional-python\site-packages and the optional-dependencies manifest.