172 lines
11 KiB
Markdown
172 lines
11 KiB
Markdown
<div align="center">
|
||
|
||
<h1>Transcript Desktop</h1>
|
||
|
||
<p><strong>Ditado offline para Windows e Linux: grave com um atalho global, revise o texto e cole no app em foco.</strong></p>
|
||
|
||
<a href="#-quickstart">Quickstart</a> ·
|
||
<a href="#-arquitetura">Arquitetura</a> ·
|
||
<a href="#-documentação">Documentação</a> ·
|
||
<a href="https://git.evandro.dev.br/evandro/transcript/issues">Issues</a>
|
||
|
||
|
||
|
||
|
||
|
||
</div>
|
||
|
||
<hr />
|
||
|
||
## 📌 O problema
|
||
|
||
Ditar texto em qualquer aplicativo do desktop exige gravar, transcrever e colar o resultado por conta própria, e boa parte das opções depende de serviço online. O Transcript fica residente na bandeja, grava por atalho global, transcreve localmente e deixa o texto editável antes de inseri-lo no aplicativo em foco.
|
||
|
||
## ✨ O que faz
|
||
|
||
- Alterna a gravação com o atalho global `Ctrl+Shift+Space` (evento `transcript://toggle-recording` para o frontend).
|
||
- Captura o microfone em WAV (cpal + hound) na pasta de dados do app.
|
||
- Transcreve localmente chamando o sidecar `sherpa-onnx-offline` com o modelo Parakeet TDT 0.6B int8 e guarda um diagnóstico de cada tentativa (etapa, exit code, final de stdout/stderr).
|
||
- Inclui adaptadores para o sidecar CrispASR (modelo GGUF legado) e para APIs compatíveis com OpenAI.
|
||
- Mostra o texto num editor, com os botões Copiar e Inserir, para revisar antes de colar.
|
||
- Cola no app em foco: copia para o clipboard e aciona `Ctrl+V` (PowerShell no Windows, `xdotool` no X11).
|
||
- Mantém ícone na bandeja com o menu Mostrar app, Iniciar gravação e Sair; o clique esquerdo mostra a janela.
|
||
- Lista o catálogo de modelos com status e baixa o modelo padrão.
|
||
|
||
## 🚀 Quickstart
|
||
|
||
| Ferramenta | Versão |
|
||
|---|---|
|
||
| Node.js + npm | 22 (usada nos workflows; não há `.nvmrc` nem `engines`) |
|
||
| Rust (cargo) | `stable`, edition 2021 (workflows usam `dtolnay/rust-toolchain@stable`) |
|
||
| Tauri CLI | `^2.9.0` (devDependency) |
|
||
| Linux (build) | `libwebkit2gtk-4.1-dev libappindicator3-dev librsvg2-dev patchelf libasound2-dev` |
|
||
| Linux X11 (colar) | `xdotool`, opcional |
|
||
| `tar` com bzip2 | usado por `scripts/setup-fixtures.mjs` |
|
||
|
||
```bash
|
||
npm ci
|
||
node scripts/setup-sidecar.mjs # baixa sherpa-onnx-offline para src-tauri/binaries/
|
||
npm run tauri:dev # app em desenvolvimento (Vite em 127.0.0.1:1420)
|
||
npm run tauri:build # bundles em src-tauri/target/release/bundle/
|
||
```
|
||
|
||
O modelo não vai no instalador: o app o baixa para a pasta de dados (`%LOCALAPPDATA%\transcript\models` no Windows, `~/.local/share/transcript/models` no Linux) pelo comando Tauri `download_default_model_command`. As gravações ficam em `recordings/` na mesma pasta.
|
||
|
||
Não há `.env.example` e nenhuma variável é obrigatória. As opcionais:
|
||
|
||
| Variável | Obrigatória | Descrição |
|
||
|---|---|---|
|
||
| `SHERPA_ONNX_SIDECAR` | Não | Caminho do sidecar; tem prioridade sobre `src-tauri/binaries/` e sobre o `PATH`. |
|
||
| `SHERPA_ONNX_VERSION` | Não | Versão do release sherpa-onnx baixada por `setup-sidecar.mjs` (padrão `v1.12.23`). |
|
||
| `SHERPA_ONNX_TRIPLE` | Não | Target triple do sidecar (padrão: detectado via `rustc -vV`). |
|
||
|
||
## 🧱 Arquitetura
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
HK["Hotkey global Ctrl+Shift+Space"] --> UI["Frontend TypeScript"]
|
||
UI --> CMD["Comandos Tauri em Rust"]
|
||
CMD --> REC["Gravação WAV com cpal e hound"]
|
||
REC --> ASR["Sidecar sherpa-onnx-offline"]
|
||
ASR --> UI
|
||
UI -->|Inserir| INS["Clipboard e Ctrl+V no app em foco"]
|
||
```
|
||
|
||
O hotkey emite um evento que o frontend escuta para iniciar ou parar a gravação. Ao parar, `stop_recording_and_transcribe` fecha o WAV, roda o sidecar e devolve o texto num snapshot para o editor. Só depois da revisão o botão Inserir chama `request_insert_text`, que copia o texto e tenta colar. As threads do sidecar são limitadas a 1–4.
|
||
|
||
### Caminhos de transcrição
|
||
|
||
| Caminho | Arquivo | Estado no código |
|
||
|---|---|---|
|
||
| Sidecar sherpa-onnx (local) | `transcription/sherpa_onnx.rs` | É o único chamado por `stop_recording_and_transcribe`. Procura o binário em `SHERPA_ONNX_SIDECAR`, depois em `src-tauri/binaries/sherpa-onnx-offline-<triple>`, depois no `PATH`. |
|
||
| Sidecar CrispASR (local) | `transcription/crispasr.rs` | Adaptador que executa `<sidecar> -m <modelo.gguf> -f <audio.wav> -t <threads>`. Hoje nenhum comando o instancia. O spec original recomendava compilar o `parakeet-main` do CrispASR (branch `parakeet`). |
|
||
| API OpenAI-compatible | `transcription/openai.rs` | Adaptador de envio do WAV. `settings` guarda `mode` (`localFirst` ou `apiOnly`, padrão `apiOnly`) e o endpoint padrão `http://localhost:8022/v1/audio/transcriptions`. |
|
||
|
||
### Modelos
|
||
|
||
| ID | Formato | Tamanho no catálogo | Idiomas | Uso |
|
||
|---|---|---|---|---|
|
||
| `sherpa-onnx-nemo-parakeet-tdt-0.6b-v2-int8` | tarball `.tar.bz2` do release `asr-models` do k2-fsa/sherpa-onnx (`encoder`, `decoder`, `joiner` int8 + `tokens.txt`) | ~640 MB | 25 idiomas europeus, incluindo `pt` | Padrão; recomendado para PC simples |
|
||
| `parakeet-tdt-0.6b-v3-q8_0` | GGUF `Q8_0`, repositório `cstr/parakeet-tdt-0.6b-v3-GGUF` | 745121600 bytes | `pt`, `en` | Legado, para o adaptador CrispASR |
|
||
|
||
### Compatibilidade por sistema
|
||
|
||
| Sistema | Inserção no app em foco | Fallback |
|
||
|---|---|---|
|
||
| Windows | Clipboard + `Ctrl+V` via PowerShell `SendKeys` | Se o `Ctrl+V` falhar, o texto fica copiado e a mensagem avisa. |
|
||
| Linux X11 | Clipboard + `xdotool key --clearmodifiers ctrl+v` | Sem `xdotool`, o texto fica copiado para colar manualmente. |
|
||
| Linux Wayland | Só copia (suporte parcial) | Sem colagem automática: cole com `Ctrl+V`. |
|
||
| Linux sem sessão detectada | Só copia | Cole manualmente no aplicativo desejado. |
|
||
|
||
A sessão é detectada por `XDG_SESSION_TYPE`, `WAYLAND_DISPLAY` e `DISPLAY`. O método de inserção configurável é `clipboardPaste` (padrão), `keyTyping` ou `manualCopy`.
|
||
|
||
## 🗂️ Estrutura
|
||
|
||
```text
|
||
src/ Frontend TypeScript (app.ts, main.ts, styles.css, app.test.ts)
|
||
src-tauri/src/
|
||
audio/ Captura do microfone em WAV
|
||
transcription/ sherpa_onnx.rs, crispasr.rs, openai.rs
|
||
injection/ Clipboard, paste automático e fallback manual
|
||
models/ Catálogo e download de modelos
|
||
settings/ Configuração padrão
|
||
tray.rs shortcuts.rs ui_commands.rs app_state.rs diagnostics.rs error.rs
|
||
src-tauri/binaries/ Sidecar sherpa-onnx-offline e DLLs onnxruntime (Windows)
|
||
src-tauri/tests/fixtures/ Modelo ONNX grande para teste real (o clone passa de 1 GB)
|
||
scripts/ setup-sidecar.mjs, setup-fixtures.mjs
|
||
.github/workflows/ ci.yml, build.yml, release.yml
|
||
```
|
||
|
||
## 🧪 Scripts
|
||
|
||
| Comando | O que faz |
|
||
|---|---|
|
||
| `npm run dev` | Vite em `127.0.0.1:1420`, só o frontend. |
|
||
| `npm run build` | `tsc --noEmit` e `vite build`. |
|
||
| `npm test` | `vitest` (ambiente jsdom); em modo não interativo use `npm test -- --run`, como o CI. |
|
||
| `npm run typecheck` | `tsc --noEmit`. |
|
||
| `npm run tauri:dev` | `tauri dev`. |
|
||
| `npm run tauri:build` | `tauri build`. |
|
||
| `cargo test --manifest-path src-tauri/Cargo.toml` | Testes Rust. |
|
||
| `node scripts/setup-sidecar.mjs` | Baixa o release `*-shared` do sherpa-onnx e extrai `sherpa-onnx-offline` para `src-tauri/binaries/`. Plataformas: Linux x64/arm64, macOS, Windows x64. |
|
||
| `node scripts/setup-fixtures.mjs` | Baixa `parakeet-sample.wav` para `src-tauri/tests/fixtures/`. |
|
||
|
||
### Workflows (`.github/workflows/`)
|
||
|
||
| Arquivo | Gatilho | O que faz |
|
||
|---|---|---|
|
||
| `ci.yml` | PR e push em `main` | Em `ubuntu-22.04` com Node 22: `npm ci`, `typecheck`, `npm run test -- --run`, `build` e `cargo test`. Depois prepara sidecar, fixture e modelo, e roda o teste real de transcrição com `--ignored`. |
|
||
| `build.yml` | Push em `main` e manual | Matriz `windows-latest` e `ubuntu-22.04`: `npm run tauri:build` e upload de `src-tauri/target/release/bundle/**/*` (`windows-bundles`, `linux-bundles`). |
|
||
| `release.yml` | Tag `v*.*.*` e manual (input `tag`) | `tauri-apps/tauri-action@v0` nas mesmas duas plataformas; publica a GitHub Release `Transcript <tag>`, sem rascunho e sem pré-release. |
|
||
|
||
## 📚 Documentação
|
||
|
||
- [Design do app](docs/superpowers/specs/2026-06-10-transcription-app-design.md)
|
||
- [sherpa-onnx como sidecar](docs/superpowers/specs/2026-06-11-sherpa-onnx-sidecar.md)
|
||
- [Redesign do frontend](docs/superpowers/specs/2026-08-08-frontend-redesign-design.md)
|
||
- Planos: [MVP](docs/superpowers/plans/2026-06-10-transcription-app-mvp.md), [integrações nativas](docs/superpowers/plans/2026-06-10-transcription-app-native-integrations.md), [redesign](docs/superpowers/plans/2026-08-08-frontend-redesign.md)
|
||
- Tauri: [commands](https://v2.tauri.app/develop/calling-rust), [system tray](https://v2.tauri.app/learn/system-tray), [sidecars](https://v2.tauri.app/develop/sidecar), [pipelines GitHub](https://v2.tauri.app/distribute/pipelines/github), [pré-requisitos Linux](https://v2.tauri.app/start/prerequisites)
|
||
- Modelos: [NVIDIA Parakeet v3](https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3/blob/main/README.md), [cstr GGUF](https://huggingface.co/cstr/parakeet-tdt-0.6b-v3-GGUF)
|
||
|
||
## 🛣️ Limitações e próximos passos
|
||
|
||
- **whisper.cpp:** só aparece no spec do redesign, e `bundle.resources` aponta para `resources/whisper/`, pasta que não existe no repositório. Não há código nem modelo Whisper no catálogo; `whisper-1` é só um exemplo de nome de modelo na API.
|
||
- O app ainda não escolhe o caminho de transcrição por `mode`: `stop_recording_and_transcribe` sempre usa o sherpa-onnx.
|
||
- `tauri.conf.json` não declara `bundle.externalBin`, embora o spec preveja o sidecar empacotado no instalador.
|
||
- Divergências vistas na leitura do código, que não foi compilado: o frontend invoca `stop_recording`, `transcribe_pending`, `minimize_window`, `close_window`, `save_openai_api_key` e `clear_openai_api_key`, ausentes do `invoke_handler` de `lib.rs`; `openai.rs` importa `crate::secrets`, que `lib.rs` não declara; `ui_commands.rs` lê `settings.transcription.model_id` e `settings` usa `shortcuts::DEFAULT_HOTKEY`, e nenhum dos dois existe.
|
||
- O hotkey `Ctrl+Shift+Space` é fixo em `shortcuts.rs`, e o item Iniciar gravação da bandeja só mostra a janela.
|
||
- O catálogo aponta para o modelo `v2-int8`, mas o `ci.yml` baixa o `v3-int8` (~670 MB) e cita o teste `real_transcription_returns_known_text`, que não está em `sherpa_onnx.rs`.
|
||
- As versões divergem: `0.1.0` em `package.json` e `Cargo.toml`, `0.3.1` em `tauri.conf.json`.
|
||
|
||
## 🤝 Contribuindo
|
||
|
||
Mantenha módulos pequenos, com responsabilidades claras. Antes de abrir o PR, estes comandos devem passar:
|
||
|
||
```bash
|
||
npm run typecheck && npm test -- --run && cargo test --manifest-path src-tauri/Cargo.toml
|
||
```
|
||
|
||
## 📄 Licença
|
||
|
||
Sem licença definida — todos os direitos reservados.
|