Zum Diktieren von einfachen Texten habe ich bis jetzt immer eine Online App verwendet. Da ich aber nicht mehr möchte, dass meine Stimme auf irgendwelchen Servern verarbeitet wird, habe ich eine einfache App entwickelt, welche rein lokal arbeitet.

Zur Spracherkennung verwendet die App vosk. Dadurch ist die Verwendung von vielen verschiedenen Sprachen möglich. Da Spracherkennung manchmal fehlerhafte Resultate liefert (zum Beispiel Groß- und Kleinschreibung) wird nach dem Diktat eine automatische Korrektur mit dem LanguageTool durchgeführt. Für das GUI wird pyside6 verwendet.

Die App ist auf github verfügbar: https://github.com/wachjose88/simple-stt

Die KI-Modelle zur Spracherkennung sind in der App nicht enthalten. Je nachdem welche Sprache man verwenden möchte, muss man das entsprechende Model von der vosk Webseite herunterladen. Die heruntergeladenen Models müssen in einem Ordner entpackt werden. Beim Start der App wird nach dem Pfad zu den Models gefragt. Hier muss der Ordner, welcher die entpackten Models enthält, ausgewählt werden.

Nun kann man mithilfe der Dropdowns die Sprache und das zu verwendete Model auswählen. Der Button Start startet die Spracherkennung. Der erkannte Text wird live im Textfeld angezeigt. Die Buttons rechts vom Text können während der Spracherkennung benutzt werden um Satzzeichen einzufügen. Mit dem Button Stop wird die Aufnahme beendet und der Text korrigiert.

Schließlich kann der Text mit dem Button Kopieren in die Zwischenablage kopiert werden. Der Text im Textfeld wird mithilfe des Buttons Leeren gelöscht.