Offline-Sprachdiktat

Das Problem

Windows Voice Access ist cloud-basiert, unzuverlässig und verliert Kontext. Dritt-Tools verlangen entweder ein Abo oder schicken jedes gesprochene Wort auf einen fremden Server. Für vertrauliche Arbeit — Kundennotizen, medizinisch, rechtlich, Security-Research — geht beides nicht.

Was ich gebaut habe

Eine Electron-Tray-App, die einen globalen Hotkey registriert (Standard F9). F9 halten, sprechen, loslassen — der transkribierte Text erscheint in der gerade aktiven Anwendung, wo auch immer der Cursor steht. Kein Internet nötig. Keine Telemetrie. Kein Abo.

Architektur

• ▸

  Tray-Prozess

  Electron, minimale UI, persistentes Tray-Icon, globale Konfiguration

• ▸

  Hotkey-Hook

  uIOhook für echtes System-globales Key-Capture (funktioniert auch, wenn kein Fenster fokussiert ist)

• ▸

  Audio-Capture

  Node.js-Audio-Input, 16 kHz Mono PCM, aufgenommen während der Hotkey gehalten wird

• ▸

  Transkription

  whisper.cpp mit GPU-Beschleunigung (CUDA / Metal / CPU-Fallback), konfigurierbare Modellgröße (tiny/base/small/medium)

• ▸

  Textnormalisierung

  Satzzeichen-Wiederherstellung, Korrektur häufiger Phrasen, konfigurierbares Wörterbuch

• ▸

  Ausgabe

  Per Zwischenablage in die aktive Anwendung, oder simulierte Tastatureingaben für Apps, die Paste blockieren

Tech-Stack