Stilisiertes Mikrofon

TuxTalk: Offline-Diktierfunktion für den Linux-Desktop

Wer E-Mails, Notizen oder längere Texte lieber diktiert als tippt, benötigt dafür unter Linux eine passende Spracherkennung und eine Möglichkeit, den erkannten Text in die gewünschte Anwendung zu übertragen. Die freie Anwendung TuxTalk verbindet beides: Sie verarbeitet Sprache lokal und fügt das Ergebnis an der Cursorposition ein. Unterstützt werden Wayland und X11 und neben KDE Plasma und GNOME auch Cosmic und Sway.

Taste drücken und sprechen

Das früher TalkType genannte Programm zeichnet bei gedrückter [F8]-Taste Sprache auf und überträgt nach dem Loslassen den erkannten Text. Alternativ schaltet [F9] die Aufnahme ein und aus. Um die Freisprechfunktion zu nutzen, kann man für [F9] die Option Double tap unter Einstellungen → Allgemein aktivieren. Die Aufnahme stoppt dann nach Ende des Diktats.

Als Spracherkennung stehen das auch bei Ubuntus Projekt Myna verwendete Parakeet sowie Whisper von OpenAI mit vielen unterstützten Sprachen bereit. Die Verarbeitung funktioniert auf der CPU; optional lassen sich Grafikkarten von AMD, Intel und NVIDIA über Vulkan nutzen. Für Whisper steht auf NVIDIA-Hardware außerdem CUDA zur Verfügung.

Eigene Wörterbücher helfen bei Namen und Fachbegriffen. Zusätzlich kann TuxTalk vorhandene Audio- und Videodateien transkribieren und das Ergebnis als Text oder Untertitel speichern. Eine optionale lokale KI soll gesprochene Selbstkorrekturen berücksichtigen. Sie ist standardmäßig deaktiviert.

Live-Vorschau und Sprachsteuerung

Die am 13. November veröffentlichte Version 0.23.0 ergänzt eine experimentelle Live-Vorschau: Während des Sprechens erscheint der bisher erkannte Text in einem separaten Feld. In die Zielanwendung gelangt weiterhin erst das abschließende Ergebnis. Die Vorschau setzt GPU-Verarbeitung voraus und lässt sich unter TuxTalk Labs aktivieren. Dort gibt es auch weitere experimentelle Funktionen zur Sprachsteuerung von Anwendungen, Fenstern und der Maus.

Neu ist zudem die Auswahl einer bestimmten GPU auf Rechnern mit mehreren Grafikkarten. Unter KDE wurden Probleme mit dem Zustand von Num Lock und Caps Lock nach einem Diktat behoben. Das aktuelle Release 0.23.1 vom 15. November behebt vorwiegend fehlgeschlagene Downloads unter Fedora 45 aufgrund einer OpenSSL-Abhängigkeit.

Mit KI entwickelt

Eine Besonderheit ist die Entstehung des Projekts. Der Initiator Ron erklärt offen, selbst nicht programmieren zu können: Den Code schreibt überwiegend Anthropics KI Claude, während er Funktionen vorgibt und die Anwendung testet. Nach seinen Angaben begleiten mehr als 8.000 automatisierte Tests und Tests in virtuellen Maschinen verschiedener Distributionen die Entwicklung.

Pakete für mehrere Distributionen

TuxTalk ist in Python geschrieben und steht unter der MIT-Lizenz. Das Projekt bietet DEB- und RPM-Pakete sowie ein AppImage an. Für Arch Linux existieren AUR-Pakete. Im Fedora Magazine ist ein Artikel zu TuxTalk erschienen.

Beim ersten Start benötigt die Einrichtung des Hilfsdienstes für Tastenkürzel und Texteingabe einmalig Administratorrechte. Die Installation unter Debian Unstable und TUXEDO OS funktionierte einwandfrei. Ein kurzer Test mit dem bei uns installierten Parakeet zeigt bei präziser Aussprache in Kate und im Terminal eine ausreichend gute Erkennungsqualität. Ein aussagekräftiger Praxistest auch in anderen Anwendungen steht aber noch aus.

Teilt den Beitrag, falls ihr mögt

Kommentar hinterlassen