Задача
Сделать голосовой ввод системным и предсказуемым: надёжно ловить глобальный хоткей, записывать звук в фоне, корректно обрабатывать русский и английский, не дописывать мысли за пользователя и вставлять Unicode-текст именно в активное окно.
DESKTOP / VOICE AI / PRODUCTIVITY
Голос превращается в чистый текст прямо в активном приложении
VoiceType — фоновая утилита для macOS, которая запускает диктовку глобальным хоткеем, распознаёт русскую или английскую речь, при необходимости приводит текст в порядок и вставляет результат в текущее приложение.
- Python
- rumps
- PyObjC
- Quartz / AppKit
- sounddevice / PortAudio
- NumPy
- SciPy
- Groq
Для чего создан VoiceType
Для чего создан VoiceType
VoiceType убирает отдельный экран из процесса диктовки. Пользователю не нужно открывать редактор, переносить аудио или копировать результат: он говорит в том месте, где уже пишет сообщение, документ, задачу или запрос.
Кому помогает утилита
Продукт подходит людям, которые много пишут на Mac: разработчикам, менеджерам, авторам, консультантам и специалистам поддержки. Он особенно полезен для быстрых черновиков, длинных мыслей и работы в нескольких приложениях.
Решение
Реализовано menu bar-приложение с настраиваемым Quartz-хоткеем, двумя режимами записи, анимированным системным overlay, Whisper-транскрибацией и опциональным LLM-форматированием. Готовый текст передаётся в активный процесс через нативный буфер обмена и событие вставки.
Возможности
Что умеет продукт
Функции собраны вокруг рабочего сценария и связаны общим состоянием, контролем и аналитикой.
Обучаемый глобальный хоткей
VoiceType перехватывает обычные сочетания и системные media-клавиши, а режим обучения позволяет назначить новую комбинацию прямо из меню.
Два режима диктовки
Можно удерживать клавишу во время речи или включать и выключать запись отдельными нажатиями, не меняя рабочее приложение.
Русский и английский
Язык переключается из menu bar, а Whisper получает выбранный языковой контекст для более точной транскрибации.
Чистое форматирование
Опциональный LLM-этап расставляет пунктуацию, исправляет ошибки распознавания и разбивает длинный текст на абзацы без добавления новых мыслей.
Вставка между приложениями
Результат записывается в системный pasteboard и отправляется в активный процесс через нативное событие Cmd+V с поддержкой Unicode.
Незаметная системная работа
Утилита живёт в строке меню, показывает отдельные состояния записи и обработки, умеет запускаться при входе и не требует постоянного окна.
Итог
Результат
VoiceType превращает голосовой ввод в короткое системное действие: нажать, сказать и продолжить работу уже с готовым текстом. Утилита объединяет macOS-интеграцию, распознавание речи и аккуратное форматирование в завершённом desktop-продукте.
Python
rumps
PyObjC
Quartz / AppKit
sounddevice / PortAudio
NumPy
SciPy
Groq
Whisper
Новый проект
Есть похожая задача?
Опишите исходную ситуацию и желаемый результат. Мы разберёмся в контексте и предложим практичный первый этап.