Se laite joka sinulla jo on
HUUTO listaa jokaisen CoreAudio-laitteen, jossa on tulokanavia. Mitään merkkiä ei suodateta pois, eikä kokeiluun tarvita rautaa — Macin oma mikrofoni riittää.
macOS · kolmetoista kieltä · mikään ei lähde koneelta
Talkback, jonka voi lukea.
HUUTO muuttaa konsolin talkback-kanavat live-chatiksi Macin ruudulle. Jokaisella kanavalla on oma nimi ja väri. Puhe tunnistetaan koneella itsellään — ei pilveä, ei tunnusta, ei ääntä ulos salista.
MonitoritSaisko laulua lisää kolmoseen21.04
LavaKitaran DI kuollut, patchaan vara tilalle21.04
TuotantoOvet viiden päästä, soundcheck seis21.05
MonitoritluonnosNoin on parempi, kiitos21.05
FOHSelvä, pidetään tauko.21.05
Ongelma
Talkback on se kanava, jota ei voi ohittaa eikä kuulla.
Monitorimies tarvitsee hetken. Tuotanto kysyy jotain kesken biisin. Joku patchilla ihmettelee, mikä linja meni mykäksi. Kaikki tulee samaan korvaan bändin soidessa täysillä, puolikkaina lauseina ja etunimillä — ja siitä tarttuu ehkä puolet.
HUUTO nostaa saman ruudulle. Ei talkback-bussin tilalle vaan sen rinnalle, kopioksi jonka voi lukea.
Miten se toimii
Ääni sisään, teksti ulos, ei mitään välissä.
Mikä tahansa CoreAudio-laite
Dante Virtual Soundcard, MADI, AVB, SoundGrid, USB-mikseri — tai Macin oma mikrofoni.
Kanava per puhuja
Jokainen fyysinen tulokanava erotetaan monoksi ja liitetään nimettyyn henkilöön.
16 kHz mono
Muunnos tehdään reaaliaikasäikeen ulkopuolella, joten äänen callbackilta ei pyydetä oikeaa työtä.
Puheen havaitseminen
Analyysi 100 millisekunnin paloissa ja 200 millisekunnin pre-roll, jottei sanan alku leikkaudu pois.
whisper.cpp
Ajetaan näytönohjaimella Metalilla: yksi dekooderitila kanavaa kohti, yksi jaettu malli muistissa.
Chat
Hyväksytty rivi kirjoitetaan ensin levylle, ja vasta sitten se näytetään, viedään ja jaetaan.
Puhe tunnistetaan tällä Macilla. Mallitiedostot ladataan kerran, ja ne tarkistetaan tarkkaa tiedostokokoa, GGML-otsaketta ja SHA-256-tiivistettä vasten ennen asennusta.
Mitä se tekee
Tehty sille pöydälle, jonka ääressä jo seisot.
Luonnos ennen lopullista
macOS:n paikallinen puheentunnistus näyttää alustavan tekstin 0,54–0,91 sekunnissa, mitattuna, samalla kun Whisper tekee tarkan version. Kumpikaan ei lähetä ääntä minnekään.
Kanavat nimettyinä ja ryhmissä
Liitä jokainen tulo henkilöön ja väriin, ja ryhmittele ne monitoreihin, lavaan ja tuotantoon. Suljettukin ryhmä näyttää kuka puhuu — livepuheen piilottaminen ei tullut kysymykseen.
Jaa se muillekin
Kuka tahansa samassa verkossa voi avata transkription toisella Macilla Bonjourin yli ja kirjoittaa sieltä takaisin FOH:lle.
Avainsanat, bannerit ja OSC
Saat bannerin kun cue-sanasi kuuluu — ja samasta osumasta lähtee OSC-viesti valo- tai mediapöydälle, joten näkemäsi ja pöydän saama eivät voi olla eri mieltä.
Sessiot jotka säilyvät
Jokainen hyväksytty rivi kirjoitetaan levylle heti kun se hyväksytään. Haku, puhujasuodatus, kirjanmerkit sekä vienti TXT:ksi tai monisivuiseksi PDF:ksi.
Kielet
Kieli on asetus, ei tuote.
Valitse kieli asetuksista. HUUTO lukitsee sen session alkaessa, jolloin dekooderi, sanasto ja hallusinaatiosuodattimet pysyvät samassa kielessä koko keikan ajan.
- englanti
- suomi
- ruotsi
- norja
- tanska
- saksa
- hollanti
- ranska
- espanja
- italia
- portugali
- puola
- viro
Moottorina on Whisper, joka tuntee 99 kieltä. Nämä ovat ne, jotka HUUTO tarjoaa: lyhyt, päällekkäinen ja puolihuudettu talkback on vaikeampi tehtävä kuin siisti sanelu, eikä listan hännänpää kestä sitä.
Suomelle on lisäksi omat hienosäädetyt mallit (Finnish-NLP) stock-mallien rinnalla, mikä on tämän kokoiselle kielelle harvinaista. Vahvuus, ei lähtökohta.
Paikallinen oletuksena
Ääni ei lähde Macilta.
- Ei pilvipalvelua, ei tunnusta, ei API-avainta. Tunnistus tapahtuu tällä koneella, näytönohjaimella.
- Äänitiedostoja ei tallenneta. Levylle kirjoitetaan vain hyväksytty teksti.
- Välitön luonnos käyttää macOS:n paikallista tunnistusta requiresOnDeviceRecognition-lipulla, poikkeuksetta. Jos paikallista assettia ei ole, luonnos kytketään pois — sitä ei siirretä hiljaa Applen palvelimille.
- Mallitiedostot ladataan kerran Hugging Facesta, ja ne tarkistetaan tarkkaa kokoa, GGML-otsaketta ja SHA-256-tiivistettä vasten ennen asennusta.
Lataus
Saatavilla pian.
HUUTO jaetaan suoraan tältä sivulta — Developer ID -allekirjoitettuna ja Applen notarisoimana, jolloin se avautuu kuten mikä tahansa muu ohjelma. Ei App Storea, ei tunnusta, ei lisenssipalvelinta.
Mitä tarvitset
- macOS 14 tai uudempi
- Apple Silicon. Intel-Maceja ei ole validoitu.
- Jokin CoreAudio-tulolaite — tai ei mitään, jos haluat vain kokeilla sisäisellä mikrofonilla.
- Levytilaa puhemallille: 0,5–3,1 GB sen mukaan, minkä valitset.
Sovellus itse on muutaman megatavun kokoinen. Puhemalli ladataan erikseen ensimmäisellä käynnistyksellä, joten hoida se ennen kuin olet keikkapaikan verkossa.
Rehelliset rajat
Mitä se ei tee.
Se ei ole intercom
HUUTO ei korvaa talkbackia, intercomia eikä muuta turvallisuuskriittistä viestintää. Pidä se bussi joka sinulla jo on.
Transkriptio on todennäköisyyslaskentaa
Nimet, numerot, radiokutsut ja tekniset termit menevät joskus väärin. Lue sitä hyvänä kopiona, ei pöytäkirjana.
16 kanavaa on katto, ei lupaus
Kuusitoista on turvaraja konfiguraatiolle. Luotettavaa reaaliaikaista maksimia ei ole mitattu millään tietyllä Macilla, mallilla tai kanavamäärällä.
Se ei tiedä kuka puhuu
Nimi tulee kanavasta, jonka liitit käsin. Tämä ei ole diarisaatiota, eikä se erottele kahta samaa mikrofonia käyttävää ihmistä.
LAN-jako on salaamaton
Ei TLS:ää, ei salasanaa, ei varmennettua identiteettiä. Kuka tahansa verkkoon pääsevä voi löytää palvelun, lukea sitä ja kirjoittaa siihen. Käytä sitä luotetussa, eristetyssä tuotantoverkossa äläkä missään muualla.