Десктоп · Червень 2026

SpeakAnywhere — голосове введення тексту (Windows)

Надшвидкий легкий desktop-застосунок для Windows для голосового введення тексту в будь-якому вікні системи. За глобальною гарячою клавішею (push-to-talk) застосунок розпізнає мовлення локально і миттєво вставляє готовий текст в активне поле будь-якої програми — VS Code, Telegram, Notion, Slack, браузери. Обробка аудіо за замовчуванням повністю локальна, без телеметрії (privacy-first).

Що реалізовано:

Наскрізний конвеєр обробки: захоплення мікрофона (CPAL) → шумозаглушення і VAD → аудіо-буфер у памʼяті → розпізнавання (Whisper) → очищення тексту локальною LLM → вставка в активне вікно
Ultra-low latency: ціль від відпускання клавіші до тексту <200–500 мс на потужних ПК, <1000 мс на середньому залізі, <150 МБ RAM у простої
Модульний Rust-бекенд (audio, hotkeys, stt, llm, injection, overlay, settings, tray, windows) на асинхронних каналах tokio mpsc
Локальний STT на whisper.cpp з GPU-прискоренням (DirectML/CUDA) та опціональними хмарними провайдерами (OpenAI/Groq/Deepgram)
AI-форматування тексту через llama.cpp (Qwen 2.5 3B / Phi-4 mini): пунктуація, регістр, граматика
Трирівнева стратегія вставки тексту: Windows SendInput (Unicode) → Clipboard fallback → UI Automation (Accessibility API)
Нативний UX: системний трей, always-on-top overlay-індикатор запису з waveform, глобальні гарячі клавіші, автозапуск; налаштування в SQLite
Інтерфейс налаштувань та онбордингу на React + TypeScript, багатомовність

Безпека: аудіо зберігається лише в памʼяті, без запису на диск; передача в хмару — лише за явного Cloud Mode з TLS 1.3; мінімум прав (мікрофон + емуляція введення).

Стек: Tauri 2.x, Rust, Tokio, Win32 API, CPAL, whisper.cpp, llama.cpp, DirectML/CUDA, React, TypeScript, Vite, SQLite.

Роль: проєктування та розробка застосунку (Rust-бекенд, системна інтеграція Windows, React-інтерфейс).

Кадри проєкту

Кадр 1
Кадр 2
Кадр 3
Кадр 4