معرفی FluidVoice؛ تایپ صوتی فوق‌سریع و محلی با هوش مصنوعی برای مک

بسیاری از سرویس‌های پیشرفتهٔ تبدیل گفتار به متن بر پردازش ابری متکی هستند؛ موضوعی که علاوه‌بر هزینه‌های اشتراک، نگرانی‌های زیادی را پیرامون حریم خصوصی و امنیت داده‌ها ایجاد می‌کند. پروژهٔ جدید و متن‌باز FluidVoice پاسخی مستقیم به این چالش است؛ یک نرم‌افزار دیکته صوتی برای سیستم‌عامل macOS که با اجرای مدل‌های هوش مصنوعی به‌صورت کاملاً محلی روی سیستم، داده‌های صوتی شما را بدون خروج از دستگاه به متن تبدیل می‌کند.

یادداشت مهم اپل فارسی: توجه داشته باشید که ابعاد و کدهای امنیتی این نرم‌افزار به‌طور مستقل توسط تحریریهٔ «اپل فارسی» بررسی نشده است. بنابراین مسئولیت دانلود، نصب، اعطای دسترسی‌های سیستمی و استفاده از آن تماماً بر عهدهٔ خود کاربر خواهد بود.

قابلیت‌های شاخص FluidVoice و موتور Fluid Intelligence

این نرم‌افزار از نسخهٔ ۱.۶.۰ به قابلیت اختصاصی Fluid Intelligence مجهز شده است. این سیستم در واقع یک لایهٔ محلی هوش مصنوعی است که وظیفهٔ بهینه‌سازی، ساختاردهی و تصحیح هوشمند متن پیاده‌شده را بر عهده دارد. با تکیه بر این فناوری، علائم نگارشی، فاصله‌ها و حتی ساختار قالب‌هایی مثل ایمیل‌ها به‌درستی اعمال می‌شوند، بدون آنکه نیازی به اتصال اینترنت یا کلیدهای API سرویس‌های ابری باشد.

از دیگر قابلیت‌های مهم این برنامه می‌توان به موارد زیر اشاره کرد:

• حالت‌های کاری متنوع: قابلیت Command Mode برای صدور دستورهای صوتی مانند باز کردن برنامه‌ها یا اجرای شرت‌کات‌ها، و قابلیت Write Mode برای نوشتن و بازنویسی متون در هر پنجره یا فیلد متنی در تمام محیط سیستم‌عامل.
• نمایش زنده در ناچ مک‌بوک: نمایش هم‌زمان متن در حال ضبط از طریق یک لایهٔ شناور مدرن که با بریدگی بالای نمایشگر مک‌بوک‌ها (Notch) هماهنگ می‌شود.
• تنوع مدل‌های گفتار: پشتیبانی از مدل‌های پیشرفته از جمله Nemotron Speech 3.5، نسخه‌های مختلف Parakeet، مدل Whisper (با قابلیت اجرا روی پردازنده‌های Intel) و حتی موتور داخلی Apple Speech.
• کلید میانبر سراسری و سکوت سریع: امکان فراخوانی سریع از هر بخش سیستم و قابلیت جالب Hold Space to Mute؛ با نگه‌داشتن کلید Space ضبط موقتاً متوقف می‌شود تا کاربر فکر کند و با رها کردن آن ضبط ادامه می‌یابد.
• حفظ حریم خصوصی: پردازش‌ها آفلاین هستند؛ تاریخچهٔ صوتی به‌صورت اختیاری فقط روی حافظه ذخیره می‌شود و آمارهای جمع‌آوری‌شده برنامه کاملاً ناشناس بوده و از بخش تنظیمات قابل غیرفعال‌سازی است.

مدل‌های زبانی پشتیبانی‌شده

نرم‌افزار FluidVoice مجموعه‌ای از مدل‌های تبدیل صوت به متن را ارائه می‌دهد که می‌توانید بر اساس سخت‌افزار، زبان مورد نیاز و دقت، آن‌ها را انتخاب و دانلود کنید:

• Nemotron Speech 3.5: پشتیبانی از حدود ۴۰ زبان، بسیار پرسرعت با حجم حدود ۵۳۰ تا ۶۷۰ مگابایت (مخصوص تراشه‌های Apple Silicon).
• Parakeet TDT v3: پشتیبانی از ۲۵ زبان با تمرکز بر زبان‌های اروپایی و دقت مطلوب (مخصوص Apple Silicon).
• Cohere Transcribe: پشتیبانی از ۱۴ زبان از جمله انگلیسی، عربی، ژاپنی و فرانسوی با حجم حدود ۱.۴ گیگابایت.
• Whisper: سازگار با مدل‌های سبک و سنگین، پشتیبانی از ۹۹ زبان و قابل اجرا هم روی مک‌های مجهز به پردازنده اینتل و هم تراشه‌های اختصاصی اپل.
• Apple Speech: استفاده از موتور پیش‌فرض تشخیص گفتار macOS بدون نیاز به دانلود دیتای اضافه.

پیش‌نیازها و نحوهٔ نصب

برای استفاده از FluidVoice نیاز به حداقل macOS 15.0 (سیستم‌عامل Sequoia) یا نسخه‌های جدیدتر دارید. اگر از مک‌های اپل سیلیکون استفاده می‌کنید، به تمامی مدل‌ها دسترسی خواهید داشت؛ کاربران مک‌های اینتل نیز امکان بهره‌گیری از مدل‌های Whisper را دارند. برای نصب هر مدل صوتی حدود ۱ گیگابایت و در صورت تمایل به استفاده از مدل هوش مصنوعی Fluid Intelligence حدود ۳.۵ گیگابایت فضای خالی دیسک لازم است.

نصب برنامه از دو مسیر امکان‌پذیر است:

1. نصب دستی: با دانلود فایل اجرایی از بخش انتشار مخزن GitHub Releases.
2. نصب از طریق پکیج‌منیجر Homebrew: با اجرای دستور زیر در ترمینال:

brew install --cask fluidvoice

توسعه‌دهندگان تأکید کرده‌اند که وب‌سایت‌های متفرقه‌ای مانند fluidvoice.org هیچ وابستگی رسمی به این پروژه ندارند و دامنه‌های معتبر آن‌ها altic.dev/fluid و fluidvoice.app هستند. پس از نصب، نرم‌افزار برای درج مستقیم متن در فیلدها و ضبط صدا به دسترسی‌های Accessibility و Microphone نیاز خواهد داشت.

جمع‌بندی

پروژهٔ FluidVoice یکی از جذاب‌ترین ابزارهای متن‌باز اخیر برای مک به شمار می‌رود که جایگزینی جدی و رایگان برای برنامه‌های اشتراکی گران‌قیمت مانند Wispr Flow است. تمرکز کامل روی پردازش‌های محلی و ابری‌نبودن صداها، نقطه قوت اصلی این ابزار برای علاقه‌مندان به حفظ امنیت و حریم خصوصی محسوب می‌شود. سازندگان این نرم‌افزار اعلام کرده‌اند که نسخه‌های آزمایشی برای پلتفرم‌های iOS و Windows نیز در دست آماده‌سازی است.

منبع: GitHub – altic-dev/FluidVoice: Fastest and only macOS Dictation app with on-device STT and custom trained AI enhancement model. Windows, iOS testflight! Android, Linux waitlist open! A local Wispr Flow alternative. Follow https://x.com/fluidvoiceapp for more — GitHub