https://github.com/ideasman42/nerd-dictation
Hallo,
heute mal Lust gehabt, einem Kollegen 'ne Nachricht zu schreiben, ohne die Tastatur zu benutzen. Auf Android ja kein Problem (und angeblich tun zumindest die Pixel-Smartphones nicht nach Hause telefonieren beim synthetisieren), aber Linux? Anscheinend gar nicht so einfach.
Nachdem ich KDE Simon aussortiert habe, weil kein KDE, habe ich mir nerd-dictation von ideasman42 näher angeschaut. Nerd-dictation ist 100% Python (GitHub stats), kann wohl noch ein paar leckere Extrafeatures,
die ich aber für's Erste auch nicht getestet habe. Wichtig waren mir nur
, die quasi das Zuhören starten bzw. stoppen; dabei wird der Text über xdotool direkt unter den Cursor geschrieben. (Und ja, da können Probleme auftreten, wenn z.B. der Fokus aus dem Fenster rausspringt und du im Menü landest. Ist mir auch passiert, dann schnell die richtige Key Combo drücken; dazu später mehr)
Jedenfalls ist die Installationsanleitung für alle, die schon rudimentär mit Linux, Git, Python, Pip gearbeitet haben, nicht sonderlich schwer.
Hier gleich noch der Link für alternative Models: https://alphacephei.com/vosk/models
Ich habe dafür eine extra Virtualenv angelegt, ist sehr empfehlenswert, sollte man bei PiP Dependencies sowieso immer machen. (https://wiki.archlinux.org/title/Python/Virtual_environment)
Die Installation ging tatsächlich ohne Schwierigkeiten, weshalb ich da auch nicht näher drauf eingehe. Interessanter ist Part 2: In der Desktop Environment dafür Shortcuts zu setzen.
Unter XFCE geht das folgendermaßen:
Keyboard Settings
Application Shortcuts
Hier seht ihr schon, dass ich die entsprechenden Sachen eingetragen habe.
Da ich eine Virtualenv verwende, muss ich gewisse Sachen setzen vor dem Programmaufruf. Deswegen steht bei begin ein Wrapper davor. Hier der Inhalt von nerd-dictation-start.sh
, damit ihr Anhaltspunkte habt.
- Add klicken, Pfad eintragen, Keyboard Shortcut eintragen.
Bei mir hat's so funktioniert. Die Spracherkennung beim Lite Model lässt allerdings zu wünschen übrig, mal sehen, obs besser geht mit der großen Version. Bzw es geht schon, man muss aber eher deutlich sprechen.
Theoretisch könnte man auch ein eigenes Model trainieren.
https://github.com/ideasman42/nerd-dictation
Hello,
today I felt like writing a message to a colleague without using the keyboard. No problem on Android (and supposedly at least the Pixel smartphones don't call home when synthesizing), but Linux? Apparently not so easy.
After sorting out KDE Simon because no KDE, I took a closer look at nerd-dictation by ideasman42. Nerd-dictation is 100% Python (GitHub stats), can probably do some tasty extra features,
but I didn't test them for now. Important for me were only
which start/stop listening, so to speak; the text is written directly under the cursor via xdotool. (And yes, there can be problems, e.g. if the focus jumps out of the window and you end up in the menu. Happened to me too, then quickly press the right key combo; more about that later).
Anyway, the installation instructions are not very difficult for those who have already worked rudimentarily with Linux, Git, Python, Pip.
Here is the link for alternative models: https://alphacephei.com/vosk/models
I have created an extra virtualenv for this, is highly recommended, should always be done with PiP Dependencies anyway. (https://wiki.archlinux.org/title/Python/Virtual_environment)
The installation went without any problems, so I won't go into it. More interesting is Part 2: Set shortcuts in the desktop environment.
Under XFCE it works like this:
keyboard settings
application shortcuts
Here you can already see that I have entered the appropriate things.
Because I use a virtualenv, I must set certain things before the program call. That's why I put a wrapper in front of begin. Here the content of nerd-dictation-start.sh
so you have some clues.
- click Add, enter path, enter keyboard shortcut.
It worked like this for me. The speech recognition of the Lite model leaves a lot to be desired, let's see if it works better with the big version. It works, but you have to speak clearly.
Theoretically, you could also train your own model.