Repository navigation

Release list

Transkryptor 0.6.0 Latest

Latest

github-actions released this 24 Oct 08:01

Immutable

v0.6.0

afb4822

Transkryptor 0.6.0

Data wydania: 2026-10-24
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Import DOCX dużego dokumentu jest kilkukrotnie szybszy (np. 3000
akapitów — ok. 0,3 s zamiast 2 s).
Ustawienia…: sekcje (Wygląd, Odtwarzacz, … ASR, Dziennik logów) są
listą po lewej stronie okna, zawsze widoczną w całości — wcześniej
ostatnie zakładki chowały się za krawędzią okna. Długie sekcje (np. ASR)
przewijają się, zamiast ściskać pola.
Liczba mówców jest też w panelu Szkic ASR (krok 3, nad
przyciskiem transkrypcji), gdy podział na mówców jest włączony — można ją
szybko zmienić przed rozpoznaniem każdego nagrania. Wybór jest pamiętany
i ten sam co w Ustawieniach….
Więcej żartobliwych komunikatów w trakcie transkrypcji: pula wzrosła
z 30 do 50, więc teksty rzadziej się powtarzają.
Dziennik błędów: program zapisuje lokalnie plik transkryptor.log
z informacjami technicznymi o błędach i awariach (także procesu ASR),
które pomagają znaleźć przyczynę problemu. Nic nie jest wysyłane —
plik można samemu dołączyć do zgłoszenia na GitHubie. Dziennik jest po
angielsku i nie zawiera tekstu transkrypcji, metryczki, kontekstu ASR ani
nazw i ścieżek plików użytkownika. Dostęp do niego daje nowa zakładka
Ustawienia… → Dziennik logów (dla zaawansowanych użytkowników):
odnośnik do folderu dziennika i przycisk Zgłoś problem… (formularz
zgłoszenia w przeglądarce).
Ostrzeżenia w tekście: problemy z notacją są podkreślone falistą linią
bezpośrednio w edytorze (pomarańczową — ostrzeżenia, szarą — wskazówki),
a po najechaniu myszą widać opis. Podkreślenia nie trafiają do DOCX.
Nowe reguły walidatora: (!) / (?) przylegające do następnego słowa
(VAL-06), kilka spacji z rzędu (VAL-07), spacja przed ] (VAL-08),
zagnieżdżone dopiski [ [ ] ] (VAL-09) i indeks górny na znaku innym niż
m, n, u (VAL-10). Wskazówkę o m/n/u bez indeksu górnego
(VAL-11) można włączyć w ustawieniach — domyślnie jest wyłączona.
W Ustawieniach… nowa zakładka Walidator: każdą regułę można
włączyć albo wyłączyć.
Ignoruj tutaj w menu kontekstowym edytora i listy ostrzeżeń pomija
jedno konkretne ostrzeżenie; pozostałe wystąpienia tej reguły są nadal
zgłaszane. Zignorowanie jest zapisywane w pliku projektu. Projekty
z wersji 0.5.0 otwierają się bez zmian; projektu zapisanego w nowej
wersji nie otworzy już wersja 0.5.0.
Własne reguły fonetyczne: w Ustawieniach… nowa zakładka Reguły
fonetyczne. Regułę opisuje wzorzec (wyrażenie regularne na słowie albo
parze sąsiednich słów) i zamiennik, w którym ^m oznacza „m” w indeksie
górnym. Podgląd pokazuje działanie na przykładzie i liczbę dopasowań
w bieżącym tekście. Własne reguły pojawiają się w panelu Szkic ASR
razem z wbudowanymi; zestaw można wyeksportować do pliku .toml
i zaimportować u innego badacza.
Nowe reguły wbudowane: redukcja „ł” między samogłoskami
(wiedziałam → wiedziaam), udźwięcznienie na granicy słów (kiedyś jak →
kiedyź jak, jak nowy → jag nowy), wygłosowe „ch” → „h” (tych → tyh),
końcowe „ą” → „óᵐ” (są → sóᵐ) i labializacja w środku słowa
(kosa → kᵘosa). Mają orientacyjną pewność i domyślnie nie są stosowane
automatycznie — ich dopasowania pojawiają się jako propozycje.
Gdy propozycje dwóch reguł dotyczą tego samego fragmentu, pierwszeństwo
ma reguła zaznaczona do automatycznego stosowania.
Błędna reguła w pliku reguł nie blokuje programu: przy starcie pojawia się
komunikat ze wskazaniem reguły i pola, a pozostałe reguły działają.
Wzorzec, którego dopasowanie trwa zbyt długo, jest przerywany bez
zawieszania okna.
Własne skróty klawiaturowe: w Ustawieniach… nowa zakładka
Skróty pozwala zmienić skrót każdego znacznika notacji, indeksu
górnego, odtwarzacza, wyszukiwania i poleceń projektu oraz dodać skrót
zapasowy (np. pedał nożny). Program ostrzega przed zapisem, gdy skrót jest
już zajęty przez inną akcję albo przez edycję tekstu (kopiuj, cofnij…).
Nowe skróty działają od razu, a podpowiedzi przycisków pokazują bieżące
skróty. Przywróć wszystkie domyślne wraca do skrótów fabrycznych.
Wstawki: w zakładce Wstawki można zapisać często używane formy, np.
so^m (^m — „m” w indeksie górnym), i przypisać im skróty — kolejne
wstawki dostają podpowiedź Alt+1…Alt+9. Wstawkę wstawia się skrótem
albo z menu Wstawki na pasku narzędzi; jedno cofnięcie usuwa ją
w całości.
Autouzupełnianie (domyślnie wyłączone, Ustawienia… → Notacja):
po wpisaniu dwóch liter edytor podpowiada pasujące wstawki i słowa użyte
już w tekście; Enter lub Tab wstawia podpowiedź.
Tekst powiązany z nagraniem: szkic ASR zapamiętuje, z którego miejsca
nagrania pochodzi każde zdanie (segment). Ctrl+klik w tekst albo skrót
Ctrl+Shift+Spacja („Odtwórz od miejsca w tekście”) odtwarza nagranie od
początku segmentu (z wyprzedzeniem z ustawień). Podczas odtwarzania
podświetlany jest segment odpowiadający bieżącemu miejscu, a edytor
przewija się za nim — przewijanie można wyłączyć w Ustawieniach…
(zakładka Odtwarzacz). Powiązania przesuwają się razem z edycją
tekstu i są zapisywane w pliku projektu.
Ręczne znaczniki czasu: skrót Ctrl+Shift+T wstawia w miejscu kursora
znacznik bieżącej pozycji nagrania (mały trójkąt w tekście). Ctrl+klik
obok znacznika odtwarza nagranie dokładnie od zapisanego czasu. Znacznik
usuwa się z menu kontekstowego; nie trafia do eksportu DOCX. Oba nowe
skróty można zmienić w zakładce Skróty.
Niepewne słowa: szkic ASR zna czas i pewność każdego słowa. Słowa,
których model nie jest pewien, są podkreślone czerwonymi kropkami (inaczej
niż ostrzeżenia notacji); po najechaniu myszą widać pewność.
Ctrl+klik w słowo odtwarza dokładnie to słowo w pętli (do pauzy).
Poprawione słowo traci podkreślenie. Podkreślenia nie trafiają do DOCX.
W Ustawieniach… (zakładka ASR) można wyłączyć podkreślenia,
zmienić próg pewności (domyślnie 40%, wartość orientacyjna) albo wyłączyć
rozpoznawanie słów, które wydłuża transkrypcję.
Rozpoznanie fragmentu: przycisk Rozpoznaj fragment A–B w panelu
Szkic ASR rozpoznaje tylko fragment nagrania między punktami A i B
pętli. Wynik trafia w miejsce kursora (albo zastępuje zaznaczony tekst)
z regułami fonetycznymi i powiązaniem z czasem nagrania; jedno cofnięcie
usuwa go w całości. Szkic całego nagrania i lista segmentów się nie
zmieniają.
Fala dźwiękowa pod suwakiem odtwarzacza: widać ciszę, pauzy i głośne
fragmenty. Klik na fali przewija nagranie, przeciągnięcie ustawia pętlę
A–B, Ctrl + kółko myszy powiększa. Na fali są też segmenty szkicu ASR
(zielone — pewne, pomarańczowe — niepewne) i ręczne znaczniki czasu. Fala
powstaje w tle bez blokowania okna (godzina nagrania — kilkanaście
sekund) i jest zapamiętywana w pamięci podręcznej, więc przy kolejnym
otwarciu pojawia się od razu. Falę można zwinąć; wybór jest pamiętany.
Szybsze wstawianie długiego szkicu ASR: przy godzinnym nagraniu
wyszukiwanie kolidujących propozycji zapisu fonetycznego nie spowalnia
już okna na kilka sekund.
Mówcy wypowiedzi: skrót Alt+Shift+1…9 przypisuje bieżącemu akapitowi
(albo wszystkim zaznaczonym) mówcę o tym numerze na liście, ponowne
użycie albo Alt+Shift+0 zdejmuje przypisanie; to samo jest w menu
kontekstowym edytora (Mówca). Etykieta B: / I: jest widoczna obok
akapitu, ale nie jest częścią tekstu, a jedno cofnięcie przywraca stan
sprzed przypisania. Listę mówców (klucz, opis, rola: badacz, informator
albo inny; domyślnie B i I) edytuje się w metryczce przyciskiem
Mówcy…. Mówcy są zapisywani w pliku projektu; projektu zapisanego
w nowej wersji nie otworzy starsza wersja programu.
Eksport DOCX zapisuje każdy wiersz tekstu jako osobny akapit, a akapit
z mówcą zaczyna się pogrubioną etykietą B:; legenda mówców trafia do
metryczki (w eksporcie z anonimizacją bez opisów informatorów). Import
DOCX zachowuje akapity i rozpoznaje mówców z takiego dokumentu.
Gdy dokument ma mówców, licznik słów pokazuje też liczbę słów
informatorów, pasek wyszukiwania ma pole Tylko informator, a nowa
wskazówka walidatora (VAL-12) wskazuje akapity bez mówcy.
Nowe formaty eksportu: w menu przycisku Eksportuj DOCX pozycja
Eksportuj jako… zapisuje transkrypcję jako ODT, PDF, zwykły tekst
(TXT), plik ELAN (.eaf), Praat TextGrid oraz napisy SRT i WebVTT.
W formatach tekstowych indeks górny można zapisać znakami Unicode
(ᵐ ⁿ ᵘ, domyślnie) albo oznaczeniem ^m. ELAN, Praat i napisy
korzystają z powiązania tekstu z nagraniem (szkic ASR, znaczniki czasu):
każdy mówca ma osobną warstwę, a fragmenty bez czasu dostają czas
wyznaczony z sąsiednich kotwic albo są pomijane — raport po eksporcie
wymienia takie fragmenty. Znaczniki [mm:ss] wierszy szkicu ASR nie
trafiają do adnotacji. Plik ELAN wskazuje nagranie. Wybrany format
i opcje są pamiętane; DOCX pozostaje głównym formatem.
Szablon eksportu DOCX: w Ustawieniach… nowa zakładka Eksport
pozwala wskazać plik .docx instytucji (czcionki, marginesy, nagłówek,
stopka, logo). Placeholdery {{sygnatura}}, {{badacz}},
{{miejscowosc}} itd. w tekście, tabelach, nagłówku i stopce są
wypełniane metryczką (w eksporcie z anonimizacją pola osobowe są puste),
{{transkrypcja}} wskazuje miejsce tekstu, a {{metryczka}} — tabelę
metryczki. Szablon jest sprawdzany przy wyborze (nieznane placeholdery,
uszkodzony plik); gdy nie da się go otworzyć, eksport powstaje na
szablonie wbudowanym z ostrzeżeniem. W tej samej zakładce są domyślne
opcje indeksu górnego i fragmentów bez czasu.
Czcionka Charis SIL (licencja SIL Open Font License) jest dołączona do
programu i jest domyś...

Assets 8

Transkryptor 0.5.0

github-actions released this 18 Oct 14:37

Immutable

v0.5.0

9ddbdee

Transkryptor 0.5.0

Data wydania: 2026-10-18
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Szkic ASR jest dzielony na wersy obejmujące najwyżej 30 sekund nagrania,
a każdy wers zaczyna się znacznikiem czasu, np. [01:30] (od godziny
nagrania [1:02:03]). Podział i znaczniki trafiają też do eksportu DOCX
zamiast jednego bloku tekstu. W starszych projektach wystarczy użyć
Wstaw szkic ponownie.

Artefakty

Plik	Platforma	Rozmiar	SHA-256
`Transkryptor-0.5.0-windows-x64-setup.exe`	Windows 10/11 (x64)	104 MB	`a302fdf6dae07fc6b9c8e0a50e459ba8a6aa75ff8fb27b1f680137287ac97c83`
`Transkryptor-0.5.0-x86_64.AppImage`	Linux (x86_64, AppImage)	197 MB	`a899ca379ebd949978f5126046dad7e44f8fd0814974fa6a2f9c47a0e61dc520`

Sumy kontrolne wszystkich plików są też w SHA256SUMS.txt.
Sprawdzenie po pobraniu:

sha256sum --check SHA256SUMS.txt

W PowerShell:

Get-FileHash .\Transkryptor-0.5.0-windows-x64-setup.exe -Algorithm SHA256

Instalacja

Windows — uruchom Transkryptor-0.5.0-windows-x64-setup.exe.
Wymagany Windows 10 lub 11 (x64). Instalator zawiera komplet
środowiska uruchomieniowego: Python nie musi być zainstalowany.
Linux — nadaj prawo wykonywania plikowi
Transkryptor-0.5.0-x86_64.AppImage (chmod +x) i uruchom go.
Zbudowano na: Ubuntu 22.04 (x86_64), glibc 2.35 lub nowsza.

Po pierwszym uruchomieniu aplikacja jest w pełni sprawna do pracy
ręcznej — model ASR nie jest do tego potrzebny.

Prywatność

Aplikacja nie zbiera telemetrii i niczego nie raportuje.
Nagranie i tekst nie opuszczają komputera — nie ma ASR w chmurze ani synchronizacji.
Pobranie modelu ASR jest jednorazowe i uruchamiane wyłącznie po jawnej zgodzie użytkownika.
Przy starcie aplikacja sprawdza w GitHub Releases, czy jest nowa wersja (najwyżej 2 zapytania na dobę, bez identyfikatora instalacji i bez danych użytkownika), i pobiera ją w tle; instalacja następuje po kliknięciu „Uruchom ponownie i zaktualizuj”.
Po pobraniu modelu transkrypcja działa bez dostępu do Internetu.
Aplikacja nie prowadzi historii dokumentów: dane istnieją w pamięci bieżącej sesji i są utrwalane tylko przez eksport DOCX.
Ustawienia (odtwarzacz, czcionka edytora, styl wielokropka) są zapisywane lokalnie (Linux: ~/.config/transkryptor, Windows: rejestr HKCU\Software\transkryptor) i nie zawierają tekstu ani ścieżek nagrań.

Model ASR: pobranie i praca offline

Model: Whisper medium (faster-whisper, CTranslate2)
Źródło: https://huggingface.co/Systran/faster-whisper-medium
Licencja modelu: MIT
Rozmiar pobrania: 1.5 GB

Kroki:

Otwórz panel „Szkic ASR” w oknie aplikacji.
Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
docelowy. Pobieranie rusza dopiero po potwierdzeniu.
Postęp widać w panelu; pobieranie można anulować, a po błędzie
ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
Po pobraniu transkrypcja działa lokalnie — również z odłączoną siecią.

Katalog modelu:

Windows: %APPDATA%\Transkryptor\models
Linux: ~/.local/share/transkryptor/models

Model można usunąć w dowolnej chwili — aplikacja wróci do pracy ręcznej.

Wymagania sprzętowe

Zasób	Minimum	Zalecane	Podstawa
RAM	4 GB	8 GB	zmierzony szczyt 2.08 GB plus zapas na system i interfejs
Dysk	3 GB wolnego miejsca	—	model 1.53 GB, aplikacja ok. 0.5 GB oraz pliki tymczasowe
CPU	4 rdzenie z obsługą kwantyzacji int8	8 rdzeni lub więcej	rekomendacja, nie pomiar: silnik wykorzystał średnio 4 rdzenie
Sieć	jednorazowe pobranie modelu (1.53 GB)	—	po pobraniu praca bez dostępu do Internetu

Zmierzony stosunek czasu transkrypcji do długości nagrania:
0.54× na maszynie referencyjnej (16 wątków logicznych, CPU, kwantyzacja int8)
— godzinne nagranie to około pół godziny pracy procesora. Pełny raport
pomiarów i opis maszyny: docs/benchmarks-asr.md w repozytorium projektu.

Znane ograniczenia

Szkic ASR jest hipotezą ortograficzną, a nie zapisem fonetycznym według notacji projektu. Każdy fragment wymaga korekty transkrybenta.
Jakość rozpoznawania nie została zmierzona na zatwierdzonym korpusie referencyjnym — projekt takiego korpusu nie posiada. Podane czasy dotyczą wydajności, nie trafności.
Model nie rozpoznaje nosowości, labializacji, dyftongizacji ani redukcji „ł”; propozycje zapisu fonetycznego są regułowe i zawsze wymagają decyzji użytkownika.
MVP przyjmuje nagrania MP3, WAV, FLAC, M4A, AAC, OGG, OPUS i WMA oraz eksportuje wyłącznie DOCX.
MVP nie zapisuje projektu ani sesji roboczej: po zamknięciu aplikacji praca istnieje tylko w wyeksportowanym pliku DOCX. Aplikacja ostrzega przed zamknięciem z niewyeksportowanymi zmianami.
Transkrypcja działa na CPU. Czas rośnie w przybliżeniu proporcjonalnie do spadku liczby rdzeni.

Licencje

Aplikacja: GPL-3.0-or-later — pełny tekst w pliku LICENSE wewnątrz
artefaktu. Licencje wszystkich zależności i bibliotek natywnych:
licenses/THIRD-PARTY-NOTICES.md. Nota o modelu ASR (nie jest
redystrybuowany razem z aplikacją): licenses/MODEL-LICENSE.md.

Artefakt zawiera biblioteki na licencjach GPL i LGPL w postaci
binarnej. Qt jest w nim osobnymi bibliotekami dynamicznymi, więc
użytkownik może je podmienić na własną zgodną wersję.

Kod źródłowy

Kod źródłowy tego wydania: https://github.com/jzpk/transkryptor/tree/v0.5.0

Źródła bibliotek natywnych na licencjach GPL i LGPL wskazuje tabela
w licenses/THIRD-PARTY-NOTICES.md.

Assets 8

Transkryptor 0.4.0

github-actions released this 11 Oct 12:12

Immutable

v0.4.0

1d5a012

Transkryptor 0.4.0

Data wydania: 2026-10-11
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Wybór modelu ASR: w panelu Szkic ASR można wybrać small
(ok. 0,5 GB, szybki, dla słabszych komputerów), medium (domyślny)
albo large-v3 (ok. 3,1 GB, najdokładniejszy, wymaga ok. 6 GB RAM).
Każdy model pobiera się osobno, za zgodą; wybór jest pamiętany. Gdy model
potrzebuje więcej pamięci, niż ma komputer, program ostrzega przed
transkrypcją.
Pobrany model można usunąć przyciskiem Usuń model… — panel pokazuje,
ile miejsca odzyskano; pozostałe modele działają dalej.
Karta graficzna NVIDIA: jeśli zainstalowano biblioteki CUDA 12 i cuDNN 9,
szkic powstaje na GPU, wielokrotnie szybciej. Bez nich program sam
przechodzi na procesor i informuje o tym pod przyciskiem transkrypcji.
W Ustawieniach… (nowa zakładka ASR) można wymusić pracę tylko na
procesorze i wskazać inny katalog modeli (np. dysk zewnętrzny).
Kontekst nagrania i słownik: przed transkrypcją można podać krótki opis
nagrania (do 200 znaków, wypełniany z miejscowości i gminy w metryczce)
oraz słownik projektu — nazwy miejscowości, nazwiska, wyrazy gwarowe.
Pomagają modelowi poprawnie zapisać nazwy własne. Słownik wspólny dla
wszystkich nagrań ustawia się w Ustawieniach… (zakładka ASR).
Plik projektu zapisuje kontekst nagrania, słownik projektu i model użyty
do szkicu. Projekty z wersji 0.3.0 otwierają się bez zmian; projektu
zapisanego w nowej wersji nie otworzy już wersja 0.3.0.
W wąskim oknie schowane przyciski notacji trafiają do menu Więcej
poleceń (☰) tuż za widocznymi znacznikami, przed Szkic ASR, a nie
na koniec paska. Schowane narzędzia i polecenia projektu pozostają
w menu ☰ na końcu paska.
Historia zmian w programie: przycisk Co nowego w lewym dolnym rogu
okna (obok numeru wersji) otwiera okno z opisem zmian w kolejnych
wersjach.
Transkrypcja fragmentami: w Ustawieniach… (zakładka ASR) można
włączyć rozpoznawanie długiego nagrania kilkuminutowymi fragmentami
ciętymi w ciszy. Zużycie pamięci RAM nie rośnie wtedy z długością
nagrania — pomaga, gdy szkic z nagrania ponad godzinnego kończy się
błędem mkl_malloc: failed to allocate memory. Domyślnie wyłączone.
Gdy transkrypcji zabraknie pamięci, program mówi o tym wprost i radzi
włączyć transkrypcję fragmentami albo zamknąć inne programy, zamiast
proponować ponowne pobranie modelu.

Artefakty

Plik	Platforma	Rozmiar	SHA-256
`Transkryptor-0.4.0-windows-x64-setup.exe`	Windows 10/11 (x64)	104 MB	`391e85acb0aac1f24ccdebe61c0efc29a9df3007c4e9839f634ffb711e4b2d29`
`Transkryptor-0.4.0-x86_64.AppImage`	Linux (x86_64, AppImage)	197 MB	`3f7889b6783797474491691c82733a443b96f03cf17cee75853fb0f3a0f075d4`

Sumy kontrolne wszystkich plików są też w SHA256SUMS.txt.
Sprawdzenie po pobraniu:

sha256sum --check SHA256SUMS.txt

W PowerShell:

Get-FileHash .\Transkryptor-0.4.0-windows-x64-setup.exe -Algorithm SHA256

Instalacja

Windows — uruchom Transkryptor-0.4.0-windows-x64-setup.exe.
Wymagany Windows 10 lub 11 (x64). Instalator zawiera komplet
środowiska uruchomieniowego: Python nie musi być zainstalowany.
Linux — nadaj prawo wykonywania plikowi
Transkryptor-0.4.0-x86_64.AppImage (chmod +x) i uruchom go.
Zbudowano na: Ubuntu 22.04 (x86_64), glibc 2.35 lub nowsza.

Po pierwszym uruchomieniu aplikacja jest w pełni sprawna do pracy
ręcznej — model ASR nie jest do tego potrzebny.

Prywatność

Aplikacja nie zbiera telemetrii i niczego nie raportuje.
Nagranie i tekst nie opuszczają komputera — nie ma ASR w chmurze ani synchronizacji.
Pobranie modelu ASR jest jednorazowe i uruchamiane wyłącznie po jawnej zgodzie użytkownika.
Przy starcie aplikacja sprawdza w GitHub Releases, czy jest nowa wersja (najwyżej 2 zapytania na dobę, bez identyfikatora instalacji i bez danych użytkownika), i pobiera ją w tle; instalacja następuje po kliknięciu „Uruchom ponownie i zaktualizuj”.
Po pobraniu modelu transkrypcja działa bez dostępu do Internetu.
Aplikacja nie prowadzi historii dokumentów: dane istnieją w pamięci bieżącej sesji i są utrwalane tylko przez eksport DOCX.
Ustawienia (odtwarzacz, czcionka edytora, styl wielokropka) są zapisywane lokalnie (Linux: ~/.config/transkryptor, Windows: rejestr HKCU\Software\transkryptor) i nie zawierają tekstu ani ścieżek nagrań.

Model ASR: pobranie i praca offline

Model: Whisper medium (faster-whisper, CTranslate2)
Źródło: https://huggingface.co/Systran/faster-whisper-medium
Licencja modelu: MIT
Rozmiar pobrania: 1.5 GB

Kroki:

Otwórz panel „Szkic ASR” w oknie aplikacji.
Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
docelowy. Pobieranie rusza dopiero po potwierdzeniu.
Postęp widać w panelu; pobieranie można anulować, a po błędzie
ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
Po pobraniu transkrypcja działa lokalnie — również z odłączoną siecią.

Katalog modelu:

Windows: %APPDATA%\Transkryptor\models
Linux: ~/.local/share/transkryptor/models

Model można usunąć w dowolnej chwili — aplikacja wróci do pracy ręcznej.

Wymagania sprzętowe

Zasób	Minimum	Zalecane	Podstawa
RAM	4 GB	8 GB	zmierzony szczyt 2.08 GB plus zapas na system i interfejs
Dysk	3 GB wolnego miejsca	—	model 1.53 GB, aplikacja ok. 0.5 GB oraz pliki tymczasowe
CPU	4 rdzenie z obsługą kwantyzacji int8	8 rdzeni lub więcej	rekomendacja, nie pomiar: silnik wykorzystał średnio 4 rdzenie
Sieć	jednorazowe pobranie modelu (1.53 GB)	—	po pobraniu praca bez dostępu do Internetu

Znane ograniczenia

Szkic ASR jest hipotezą ortograficzną, a nie zapisem fonetycznym według notacji projektu. Każdy fragment wymaga korekty transkrybenta.
Jakość rozpoznawania nie została zmierzona na zatwierdzonym korpusie referencyjnym — projekt takiego korpusu nie posiada. Podane czasy dotyczą wydajności, nie trafności.
Model nie rozpoznaje nosowości, labializacji, dyftongizacji ani redukcji „ł”; propozycje zapisu fonetycznego są regułowe i zawsze wymagają decyzji użytkownika.
MVP przyjmuje nagrania MP3, WAV, FLAC, M4A, AAC, OGG, OPUS i WMA oraz eksportuje wyłącznie DOCX.
MVP nie zapisuje projektu ani sesji roboczej: po zamknięciu aplikacji praca istnieje tylko w wyeksportowanym pliku DOCX. Aplikacja ostrzega przed zamknięciem z niewyeksportowanymi zmianami.
Transkrypcja działa na CPU. Czas rośnie w przybliżeniu proporcjonalnie do spadku liczby rdzeni.

Licencje

Artefakt zawiera biblioteki na licencjach GPL i LGPL w postaci
binarnej. Qt jest w nim osobnymi bibliotekami dynamicznymi, więc
użytkownik może je podmienić na własną zgodną wersję.

Kod źródłowy

Kod źródłowy tego wydania: https://github.com/jzpk/transkryptor/tree/v0.4.0

Źródła bibliotek natywnych na licencjach GPL i LGPL wskazuje tabela
w licenses/THIRD-PARTY-NOTICES.md.

Assets 8

Transkryptor 0.3.0

github-actions released this 11 Oct 11:04

Immutable

v0.3.0

0c9490f

Transkryptor 0.3.0

Data wydania: 2026-10-11
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Interfejs po angielsku: w Ustawieniach… (zakładka Wygląd) można
wybrać język Polski, English albo Zgodny z systemem
(domyślnie — polski w polskim systemie, w pozostałych angielski). Zmiana
działa po ponownym uruchomieniu programu.
Eksport DOCX używa języka interfejsu (etykiety metryczki, akapit
„Autor/Data”, tytuł domyślny); import DOCX rozpoznaje dokumenty
wyeksportowane po polsku i po angielsku.
Instrukcja użytkownika po angielsku (docs/user_guide_en.pdf).
Motyw jasny i ciemny: w Ustawieniach… (zakładka Wygląd) można
wybrać motyw Jasny, Ciemny albo Zgodny z systemem (domyślnie).
Zmiana działa od razu, bez ponownego uruchamiania.
Okno Ustawienia… jest podzielone na zakładki według tego, czego
dotyczą ustawienia: Wygląd, Odtwarzacz, Notacja, Projekt
i Metryczka.
W wąskim oknie pasek narzędzi nie ucina już przycisków: te, które się nie
mieszczą, trafiają do menu Więcej poleceń (☰) na końcu paska — najpierw
rzadziej używane, a Eksportuj DOCX zostaje zawsze widoczny. Skróty
klawiszowe działają także dla schowanych przycisków.
Długa nazwa pliku nagrania nie poszerza już okna (pełna ścieżka jest
w podpowiedzi).
Emoji i inne znaki spoza podstawowego zakresu Unicode (np. znaki
matematyczne 𝑎) nie przesuwają już indeksu górnego: DOCX i projekt
mają indeks górny dokładnie na tych znakach, które widać w edytorze.
Poprawnie działają też za nimi nawigacja do ostrzeżeń i lista przeglądu
szkicu ASR.
Niełamliwa spacja (wklejona albo przeniesiona z DOCX) nie jest już
zamieniana na zwykłą spację w projekcie i eksporcie DOCX.
Zapis projektu nie odbiera już uprawnień do pliku: nowy projekt dostaje
zwykłe prawa (np. czytelny dla zespołu na wspólnym udziale), a ponowny
zapis zachowuje prawa nadane ręcznie.
Gdy w oknie zapisu projektu albo eksportu DOCX wpiszesz nazwę bez
rozszerzenia, a plik z rozszerzeniem .transkr/.docx już istnieje,
program pyta, czy go zastąpić, zamiast nadpisywać go bez ostrzeżenia.
Kopie autozapisu są czytelne tylko dla właściciela konta, a kopia
porzucona po awarii i nieodzyskana przez 30 dni jest usuwana przy
starcie.
Pisanie w długich transkrypcjach jest płynniejsze: licznik słów
odświeża się po krótkiej przerwie w pisaniu, a zmiana, która nic nie
zmienia w tekście, nie oznacza pracy jako niezapisanej.
Eksport DOCX długiej transkrypcji z wieloma znakami w indeksie górnym
trwa ułamek sekundy zamiast kilkunastu sekund; import dużych plików
DOCX też jest szybszy.
Eksport anonimizowany nie oznacza już pracy jako wyeksportowanej:
ostrzeżenie o niewyeksportowanych zmianach zostaje do pełnego eksportu.
Zmiana nagrania nie pyta już mylnie „Zapisz / Odrzuć / Anuluj”: tekst
i metryczka zawsze zostają, a program pyta tylko wtedy, gdy zastępuje
wczytane nagranie albo usuwa wynik ASR poprzedniego nagrania.
Po zmianie nagrania „Wstaw szkic ponownie” i lista segmentów nie
pokazują już szkicu ASR poprzedniego nagrania, a projekt nie zapisuje
wyniku ASR niepasującego do nagrania.
Import dużego nagrania i otwarcie projektu nie zamrażają okna: suma
kontrolna nagrania jest liczona w tle.
Zamknięcie programu w trakcie pobierania modelu ASR nie kończy się już
awarią: program pyta, czy przerwać pobieranie, i usuwa częściowo
pobrane pliki.
Model ASR jest pobierany z ustalonej wersji repozytorium i każdy plik
jest sprawdzany sumą kontrolną — model o innej zawartości nie zostanie
zainstalowany. Pobierane są tylko pliki potrzebne do działania modelu.
Kolejna transkrypcja ASR w tej samej sesji startuje od razu: model zostaje
w pamięci (zwalnianej po 10 minutach bezczynności).
Anuluj w trakcie transkrypcji ASR działa natychmiast, także zanim
pojawi się pierwszy segment (np. przy wczytywaniu modelu albo analizie
długiego nagrania).
Animacja w trakcie transkrypcji mniej obciąża procesor.
Wyszukiwanie wyrażeniem regularnym nie zawiesza już programu: zbyt
kosztowny wzorzec (np. (a|aa)+$) jest przerywany po ułamku sekundy
z komunikatem pod paskiem wyszukiwania.
Pisanie przy wielu trafieniach wyszukiwania (np. pojedyncza litera
w długim tekście) nie zwalnia: podświetlane są tylko trafienia widoczne
na ekranie, a licznik pokazuje wszystkie.
F3 / Shift+F3 za emoji i innymi znakami spoza podstawowego
zakresu Unicode przechodzą do właściwego trafienia.
Automatyczne aktualizacje instalują tylko wydania podpisane kluczem
autorów: wersja bez podpisu albo z niepasującym podpisem zostaje
odrzucona z komunikatem, nawet jeśli plik i jego suma kontrolna
w wydaniu zostały podmienione razem.
Tuż przed instalacją aktualizacji pobrany plik jest sprawdzany ponownie;
plik zmieniony od pobrania nie zostanie uruchomiony, a aktualizacja
pobierze się od nowa przy kolejnym starcie.
Link „pobierz” w pasku stanu prowadzi wyłącznie do strony wydań na GitHub.

Artefakty

Plik	Platforma	Rozmiar	SHA-256
`Transkryptor-0.3.0-windows-x64-setup.exe`	Windows 10/11 (x64)	104 MB	`710cc515c19f8a007df243db114f391e43995baf91070d8a242b494f978eae5b`
`Transkryptor-0.3.0-x86_64.AppImage`	Linux (x86_64, AppImage)	197 MB	`00156b362fa03b8ef6117202ff5af16f756b7f9b3a421dd23f469bdc99b99b46`

Sumy kontrolne wszystkich plików są też w SHA256SUMS.txt.
Sprawdzenie po pobraniu:

sha256sum --check SHA256SUMS.txt

W PowerShell:

Get-FileHash .\Transkryptor-0.3.0-windows-x64-setup.exe -Algorithm SHA256

Instalacja

Windows — uruchom Transkryptor-0.3.0-windows-x64-setup.exe.
Wymagany Windows 10 lub 11 (x64). Instalator zawiera komplet
środowiska uruchomieniowego: Python nie musi być zainstalowany.
Linux — nadaj prawo wykonywania plikowi
Transkryptor-0.3.0-x86_64.AppImage (chmod +x) i uruchom go.
Zbudowano na: Ubuntu 22.04 (x86_64), glibc 2.35 lub nowsza.

Po pierwszym uruchomieniu aplikacja jest w pełni sprawna do pracy
ręcznej — model ASR nie jest do tego potrzebny.

Prywatność

Aplikacja nie zbiera telemetrii i niczego nie raportuje.
Nagranie i tekst nie opuszczają komputera — nie ma ASR w chmurze ani synchronizacji.
Pobranie modelu ASR jest jednorazowe i uruchamiane wyłącznie po jawnej zgodzie użytkownika.
Przy starcie aplikacja sprawdza w GitHub Releases, czy jest nowa wersja (najwyżej 2 zapytania na dobę, bez identyfikatora instalacji i bez danych użytkownika), i pobiera ją w tle; instalacja następuje po kliknięciu „Uruchom ponownie i zaktualizuj”.
Po pobraniu modelu transkrypcja działa bez dostępu do Internetu.
Aplikacja nie prowadzi historii dokumentów: dane istnieją w pamięci bieżącej sesji i są utrwalane tylko przez eksport DOCX.
Ustawienia (odtwarzacz, czcionka edytora, styl wielokropka) są zapisywane lokalnie (Linux: ~/.config/transkryptor, Windows: rejestr HKCU\Software\transkryptor) i nie zawierają tekstu ani ścieżek nagrań.

Model ASR: pobranie i praca offline

Model: Whisper medium (faster-whisper, CTranslate2)
Źródło: https://huggingface.co/Systran/faster-whisper-medium
Licencja modelu: MIT
Rozmiar pobrania: 1.5 GB

Kroki:

Otwórz panel „Szkic ASR” w oknie aplikacji.
Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
docelowy. Pobieranie rusza dopiero po potwierdzeniu.
Postęp widać w panelu; pobieranie można anulować, a po błędzie
ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
Po pobraniu transkrypcja działa lokalnie — również z odłączoną siecią.

Katalog modelu:

Windows: %APPDATA%\Transkryptor\models
Linux: ~/.local/share/transkryptor/models

Model można usunąć w dowolnej chwili — aplikacja wróci do pracy ręcznej.

Wymagania sprzętowe

Zasób	Minimum	Zalecane	Podstawa
RAM	4 GB	8 GB	zmierzony szczyt 2.08 GB plus zapas na system i interfejs
Dysk	3 GB wolnego miejsca	—	model 1.53 GB, aplikacja ok. 0.5 GB oraz pliki tymczasowe
CPU	4 rdzenie z obsługą kwantyzacji int8	8 rdzeni lub więcej	rekomendacja, nie pomiar: silnik wykorzystał średnio 4 rdzenie
Sieć	jednorazowe pobranie modelu (1.53 GB)	—	po pobraniu praca bez dostępu do Internetu

Znane ograniczenia

Szkic ASR jest hipotezą ortograficzną, a nie zapisem fonetycznym według notacji projektu. Każdy fragment wymaga korekty transkrybenta.
Jakość rozpoznawania nie została zmierzona na zatwierdzonym korpusie referencyjnym — projekt takiego korpusu nie posiada. Podane czasy dotyczą wydajności, nie trafności.
Model nie rozpoznaje nosowości, labializacji, dyftongizacji ani redukcji „ł”; propozycje zapisu fonetycznego są regułowe i zawsze wymagają decyzji użytkownika.
MVP przyjmuje nagrania MP3, WAV, FLAC, M4A, AAC, OGG, OPUS i WMA oraz eksportuje wyłącznie DOCX.
MVP nie zapisuje projektu ani sesji roboczej: po zamknięciu aplikacji praca istnieje tylko w wyeksportowanym pliku DOCX. Aplikacja ostrzega przed zamknięciem z niewyeksportowanymi zmianami.
Transkrypcja działa na CPU. Czas rośnie w przybliżeniu proporcjonalnie do spadku liczby rdzeni.

Licencje

Artefakt...

Assets 8

Transkryptor 0.2.4

github-actions released this 09 Oct 15:55

Immutable

v0.2.4

636e537

Transkryptor 0.2.4

Data wydania: 2026-10-09
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Okno Ustawienia… (Ctrl+,): skok i auto-cofanie odtwarzacza, cofnięcie przed segmentem ASR, czcionka edytora i styl wielokropka.
Sterowanie odtwarzaczem z klawiatury przy fokusie w edytorze: odtwórz/pauza Ctrl+Spacja lub F4, skok Alt+←/→, tempo Ctrl+Shift+,/.; pętla A–B Ctrl+Shift+A/B/L i auto-cofanie przy wznowieniu po pauzie.
Kliknięcie segmentu szkicu ASR odtwarza nagranie od jego początku.
Wyszukiwanie i zamiana (Ctrl+F, Ctrl+H, F3/Shift+F3) z opcjami wielkości liter, całych słów i wyrażeń regularnych; w zamienniku ^n nadaje literze indeks górny (np. be^ndzie), a „Zamień wszystkie” to jedno cofnięcie.
Domyślny zapis pauzy i urwanego słowa to teraz … (jeden znak); ... można wybrać w ustawieniach. Walidator rozumie oba zapisy. Dokumenty pisane w starszych wersjach (z ...) zostaną oznaczone wskazówką VAL-05 — przycisk „Ujednolić wielokropki” nad listą ostrzeżeń zamienia je wszystkie jednym krokiem cofania.

Artefakty

Plik	Platforma	Rozmiar	SHA-256
`Transkryptor-0.2.4-windows-x64-setup.exe`	Windows 10/11 (x64)	101 MB	`c5c4d2537c4d16e2f95ec2fc9a3b0153a8e9e635d30009e0ef6451063f5063a5`
`Transkryptor-0.2.4-x86_64.AppImage`	Linux (x86_64, AppImage)	192 MB	`b525dca6f30f83644addac76157e1aff3dda1b68fd60a4619dc327477f061897`

Sumy kontrolne wszystkich plików są też w SHA256SUMS.txt.
Sprawdzenie po pobraniu:

sha256sum --check SHA256SUMS.txt

W PowerShell:

Get-FileHash .\Transkryptor-0.2.4-windows-x64-setup.exe -Algorithm SHA256

Instalacja

Windows — uruchom Transkryptor-0.2.4-windows-x64-setup.exe.
Wymagany Windows 10 lub 11 (x64). Instalator zawiera komplet
środowiska uruchomieniowego: Python nie musi być zainstalowany.
Linux — nadaj prawo wykonywania plikowi
Transkryptor-0.2.4-x86_64.AppImage (chmod +x) i uruchom go.
Zbudowano na: Ubuntu 22.04 (x86_64), glibc 2.35 lub nowsza.

Po pierwszym uruchomieniu aplikacja jest w pełni sprawna do pracy
ręcznej — model ASR nie jest do tego potrzebny.

Prywatność

Aplikacja nie zbiera telemetrii i niczego nie raportuje.
Nagranie i tekst nie opuszczają komputera — nie ma ASR w chmurze ani synchronizacji.
Pobranie modelu ASR jest jednorazowe i uruchamiane wyłącznie po jawnej zgodzie użytkownika.
Przy starcie aplikacja sprawdza w GitHub Releases, czy jest nowa wersja (najwyżej 2 zapytania na dobę, bez identyfikatora instalacji i bez danych użytkownika), i pobiera ją w tle; instalacja następuje po kliknięciu „Uruchom ponownie i zaktualizuj”.
Po pobraniu modelu transkrypcja działa bez dostępu do Internetu.
Aplikacja nie prowadzi historii dokumentów: dane istnieją w pamięci bieżącej sesji i są utrwalane tylko przez eksport DOCX.
Ustawienia (odtwarzacz, czcionka edytora, styl wielokropka) są zapisywane lokalnie (Linux: ~/.config/transkryptor, Windows: rejestr HKCU\Software\transkryptor) i nie zawierają tekstu ani ścieżek nagrań.

Model ASR: pobranie i praca offline

Model: Whisper medium (faster-whisper, CTranslate2)
Źródło: https://huggingface.co/Systran/faster-whisper-medium
Licencja modelu: MIT
Rozmiar pobrania: 1.5 GB

Kroki:

Otwórz panel „Szkic ASR” w oknie aplikacji.
Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
docelowy. Pobieranie rusza dopiero po potwierdzeniu.
Postęp widać w panelu; pobieranie można anulować, a po błędzie
ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
Po pobraniu transkrypcja działa lokalnie — również z odłączoną siecią.

Katalog modelu:

Windows: %APPDATA%\Transkryptor\models
Linux: ~/.local/share/transkryptor/models

Model można usunąć w dowolnej chwili — aplikacja wróci do pracy ręcznej.

Wymagania sprzętowe

Zasób	Minimum	Zalecane	Podstawa
RAM	4 GB	8 GB	zmierzony szczyt 2.08 GB plus zapas na system i interfejs
Dysk	3 GB wolnego miejsca	—	model 1.53 GB, aplikacja ok. 0.5 GB oraz pliki tymczasowe
CPU	4 rdzenie z obsługą kwantyzacji int8	8 rdzeni lub więcej	rekomendacja, nie pomiar: silnik wykorzystał średnio 4 rdzenie
Sieć	jednorazowe pobranie modelu (1.53 GB)	—	po pobraniu praca bez dostępu do Internetu

Znane ograniczenia

Szkic ASR jest hipotezą ortograficzną, a nie zapisem fonetycznym według notacji projektu. Każdy fragment wymaga korekty transkrybenta.
Jakość rozpoznawania nie została zmierzona na zatwierdzonym korpusie referencyjnym — projekt takiego korpusu nie posiada. Podane czasy dotyczą wydajności, nie trafności.
Model nie rozpoznaje nosowości, labializacji, dyftongizacji ani redukcji „ł”; propozycje zapisu fonetycznego są regułowe i zawsze wymagają decyzji użytkownika.
MVP przyjmuje nagrania MP3, WAV, FLAC, M4A, AAC, OGG, OPUS i WMA oraz eksportuje wyłącznie DOCX.
MVP nie zapisuje projektu ani sesji roboczej: po zamknięciu aplikacji praca istnieje tylko w wyeksportowanym pliku DOCX. Aplikacja ostrzega przed zamknięciem z niewyeksportowanymi zmianami.
Transkrypcja działa na CPU. Czas rośnie w przybliżeniu proporcjonalnie do spadku liczby rdzeni.

Licencje

Artefakt zawiera biblioteki na licencjach GPL i LGPL w postaci
binarnej. Qt jest w nim osobnymi bibliotekami dynamicznymi, więc
użytkownik może je podmienić na własną zgodną wersję.

Kod źródłowy

Kod źródłowy tego wydania: https://github.com/jzpk/transkryptor/tree/v0.2.4

Źródła bibliotek natywnych na licencjach GPL i LGPL wskazuje tabela
w licenses/THIRD-PARTY-NOTICES.md.

Assets 7

Transkryptor 0.2.3

github-actions released this 09 Oct 14:34

Immutable

v0.2.3

167851a

Transkryptor 0.2.3

Data wydania: 2026-10-09
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Okno Ustawienia… (Ctrl+,): skok i auto-cofanie odtwarzacza, cofnięcie przed segmentem ASR, czcionka edytora i styl wielokropka.
Sterowanie odtwarzaczem z klawiatury przy fokusie w edytorze: odtwórz/pauza Ctrl+Spacja lub F4, skok Alt+←/→, tempo Ctrl+Shift+,/.; pętla A–B Ctrl+Shift+A/B/L i auto-cofanie przy wznowieniu po pauzie.
Kliknięcie segmentu szkicu ASR odtwarza nagranie od jego początku.
Wyszukiwanie i zamiana (Ctrl+F, Ctrl+H, F3/Shift+F3) z opcjami wielkości liter, całych słów i wyrażeń regularnych; w zamienniku ^n nadaje literze indeks górny (np. be^ndzie), a „Zamień wszystkie” to jedno cofnięcie.
Domyślny zapis pauzy i urwanego słowa to teraz … (jeden znak); ... można wybrać w ustawieniach. Walidator rozumie oba zapisy. Dokumenty pisane w starszych wersjach (z ...) zostaną oznaczone wskazówką VAL-05 — przycisk „Ujednolić wielokropki” nad listą ostrzeżeń zamienia je wszystkie jednym krokiem cofania.

Artefakty

Plik	Platforma	Rozmiar	SHA-256
`Transkryptor-0.2.3-windows-x64-setup.exe`	Windows 10/11 (x64)	101 MB	`2d51b2e4feba52c93b5e5815191c00256e6f3f54744e21dee47f2bf204059155`
`Transkryptor-0.2.3-x86_64.AppImage`	Linux (x86_64, AppImage)	192 MB	`1a28e6974a806df6f07f5e0095e8c7c1c6701bae97f902802cfc3311a8a2d04c`

Sumy kontrolne wszystkich plików są też w SHA256SUMS.txt.
Sprawdzenie po pobraniu:

sha256sum --check SHA256SUMS.txt

W PowerShell:

Get-FileHash .\Transkryptor-0.2.3-windows-x64-setup.exe -Algorithm SHA256

Instalacja

Windows — uruchom Transkryptor-0.2.3-windows-x64-setup.exe.
Wymagany Windows 10 lub 11 (x64). Instalator zawiera komplet
środowiska uruchomieniowego: Python nie musi być zainstalowany.
Linux — nadaj prawo wykonywania plikowi
Transkryptor-0.2.3-x86_64.AppImage (chmod +x) i uruchom go.
Zbudowano na: Ubuntu 22.04 (x86_64), glibc 2.35 lub nowsza.

Po pierwszym uruchomieniu aplikacja jest w pełni sprawna do pracy
ręcznej — model ASR nie jest do tego potrzebny.

Prywatność

Aplikacja nie zbiera telemetrii i niczego nie raportuje.
Nagranie i tekst nie opuszczają komputera — nie ma ASR w chmurze ani synchronizacji.
Pobranie modelu ASR jest jednorazowe i uruchamiane wyłącznie po jawnej zgodzie użytkownika.
Przy starcie aplikacja sprawdza w GitHub Releases, czy jest nowa wersja (najwyżej 2 zapytania na dobę, bez identyfikatora instalacji i bez danych użytkownika), i pobiera ją w tle; instalacja następuje po kliknięciu „Uruchom ponownie i zaktualizuj”.
Po pobraniu modelu transkrypcja działa bez dostępu do Internetu.
Aplikacja nie prowadzi historii dokumentów: dane istnieją w pamięci bieżącej sesji i są utrwalane tylko przez eksport DOCX.
Ustawienia (odtwarzacz, czcionka edytora, styl wielokropka) są zapisywane lokalnie (Linux: ~/.config/transkryptor, Windows: rejestr HKCU\Software\transkryptor) i nie zawierają tekstu ani ścieżek nagrań.

Model ASR: pobranie i praca offline

Model: Whisper medium (faster-whisper, CTranslate2)
Źródło: https://huggingface.co/Systran/faster-whisper-medium
Licencja modelu: MIT
Rozmiar pobrania: 1.5 GB

Kroki:

Otwórz panel „Szkic ASR” w oknie aplikacji.
Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
docelowy. Pobieranie rusza dopiero po potwierdzeniu.
Postęp widać w panelu; pobieranie można anulować, a po błędzie
ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
Po pobraniu transkrypcja działa lokalnie — również z odłączoną siecią.

Katalog modelu:

Windows: %APPDATA%\Transkryptor\models
Linux: ~/.local/share/transkryptor/models

Model można usunąć w dowolnej chwili — aplikacja wróci do pracy ręcznej.

Wymagania sprzętowe

Zasób	Minimum	Zalecane	Podstawa
RAM	4 GB	8 GB	zmierzony szczyt 2.08 GB plus zapas na system i interfejs
Dysk	3 GB wolnego miejsca	—	model 1.53 GB, aplikacja ok. 0.5 GB oraz pliki tymczasowe
CPU	4 rdzenie z obsługą kwantyzacji int8	8 rdzeni lub więcej	rekomendacja, nie pomiar: silnik wykorzystał średnio 4 rdzenie
Sieć	jednorazowe pobranie modelu (1.53 GB)	—	po pobraniu praca bez dostępu do Internetu

Znane ograniczenia

Szkic ASR jest hipotezą ortograficzną, a nie zapisem fonetycznym według notacji projektu. Każdy fragment wymaga korekty transkrybenta.
Jakość rozpoznawania nie została zmierzona na zatwierdzonym korpusie referencyjnym — projekt takiego korpusu nie posiada. Podane czasy dotyczą wydajności, nie trafności.
Model nie rozpoznaje nosowości, labializacji, dyftongizacji ani redukcji „ł”; propozycje zapisu fonetycznego są regułowe i zawsze wymagają decyzji użytkownika.
MVP przyjmuje nagrania MP3, WAV, FLAC, M4A, AAC, OGG, OPUS i WMA oraz eksportuje wyłącznie DOCX.
MVP nie zapisuje projektu ani sesji roboczej: po zamknięciu aplikacji praca istnieje tylko w wyeksportowanym pliku DOCX. Aplikacja ostrzega przed zamknięciem z niewyeksportowanymi zmianami.
Transkrypcja działa na CPU. Czas rośnie w przybliżeniu proporcjonalnie do spadku liczby rdzeni.

Licencje

Artefakt zawiera biblioteki na licencjach GPL i LGPL w postaci
binarnej. Qt jest w nim osobnymi bibliotekami dynamicznymi, więc
użytkownik może je podmienić na własną zgodną wersję.

Kod źródłowy

Kod źródłowy tego wydania: https://github.com/jzpk/transkryptor/tree/v0.2.3

Źródła bibliotek natywnych na licencjach GPL i LGPL wskazuje tabela
w licenses/THIRD-PARTY-NOTICES.md.

Assets 7

Transkryptor 0.2.1

github-actions released this 09 Oct 11:06

v0.2.1

7b701a0

Transkryptor 0.2.1

Data wydania: 2026-10-09
Licencja: GPL-3.0-or-later

Transkryptor to lokalna aplikacja do ręcznej transkrypcji fonetycznej
języka polskiego, wspomagana opcjonalnym szkicem ASR działającym
na komputerze użytkownika.

Nowości w tej wersji

Okno Ustawienia… (Ctrl+,): skok i auto-cofanie odtwarzacza, cofnięcie przed segmentem ASR, czcionka edytora i styl wielokropka.
Sterowanie odtwarzaczem z klawiatury przy fokusie w edytorze: odtwórz/pauza Ctrl+Spacja lub F4, skok Alt+←/→, tempo Ctrl+Shift+,/.; pętla A–B Ctrl+Shift+A/B/L i auto-cofanie przy wznowieniu po pauzie.
Kliknięcie segmentu szkicu ASR odtwarza nagranie od jego początku.
Wyszukiwanie i zamiana (Ctrl+F, Ctrl+H, F3/Shift+F3) z opcjami wielkości liter, całych słów i wyrażeń regularnych; w zamienniku ^n nadaje literze indeks górny (np. be^ndzie), a „Zamień wszystkie” to jedno cofnięcie.
Domyślny zapis pauzy i urwanego słowa to teraz … (jeden znak); ... można wybrać w ustawieniach. Walidator rozumie oba zapisy. Dokumenty pisane w starszych wersjach (z ...) zostaną oznaczone wskazówką VAL-05 — przycisk „Ujednolić wielokropki” nad listą ostrzeżeń zamienia je wszystkie jednym krokiem cofania.

Artefakty

Plik	Platforma	Rozmiar	SHA-256
`Transkryptor-0.2.1-windows-x64-setup.exe`	Windows 10/11 (x64)	101 MB	`ec86a51bca61a0c1ed1386b98815a688a590714e3045dca4626d6a0700d4defa`
`Transkryptor-0.2.1-x86_64.AppImage`	Linux (x86_64, AppImage)	192 MB	`5512e7d23763489c0624c983557d09163a713acd08cf64353e7a6f549346627a`

Sumy kontrolne wszystkich plików są też w SHA256SUMS.txt.
Sprawdzenie po pobraniu:

sha256sum --check SHA256SUMS.txt

W PowerShell:

Get-FileHash .\Transkryptor-0.2.1-windows-x64-setup.exe -Algorithm SHA256

Instalacja

Windows — uruchom Transkryptor-0.2.1-windows-x64-setup.exe.
Wymagany Windows 10 lub 11 (x64). Instalator zawiera komplet
środowiska uruchomieniowego: Python nie musi być zainstalowany.
Linux — nadaj prawo wykonywania plikowi
Transkryptor-0.2.1-x86_64.AppImage (chmod +x) i uruchom go.
Zbudowano na: Ubuntu 22.04 (x86_64), glibc 2.35 lub nowsza.

Po pierwszym uruchomieniu aplikacja jest w pełni sprawna do pracy
ręcznej — model ASR nie jest do tego potrzebny.

Prywatność

Aplikacja nie zbiera telemetrii i niczego nie raportuje.
Nagranie i tekst nie opuszczają komputera — nie ma ASR w chmurze ani synchronizacji.
Pobranie modelu ASR jest jednorazowe i uruchamiane wyłącznie po jawnej zgodzie użytkownika.
Przy starcie aplikacja sprawdza w GitHub Releases, czy jest nowa wersja (najwyżej 2 zapytania na dobę, bez identyfikatora instalacji i bez danych użytkownika), i pobiera ją w tle; instalacja następuje po kliknięciu „Uruchom ponownie i zaktualizuj”.
Po pobraniu modelu transkrypcja działa bez dostępu do Internetu.
Aplikacja nie prowadzi historii dokumentów: dane istnieją w pamięci bieżącej sesji i są utrwalane tylko przez eksport DOCX.
Ustawienia (odtwarzacz, czcionka edytora, styl wielokropka) są zapisywane lokalnie (Linux: ~/.config/transkryptor, Windows: rejestr HKCU\Software\transkryptor) i nie zawierają tekstu ani ścieżek nagrań.

Model ASR: pobranie i praca offline

Model: Whisper medium (faster-whisper, CTranslate2)
Źródło: https://huggingface.co/Systran/faster-whisper-medium
Licencja modelu: MIT
Rozmiar pobrania: 1.5 GB

Kroki:

Otwórz panel „Szkic ASR” w oknie aplikacji.
Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
docelowy. Pobieranie rusza dopiero po potwierdzeniu.
Postęp widać w panelu; pobieranie można anulować, a po błędzie
ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
Po pobraniu transkrypcja działa lokalnie — również z odłączoną siecią.

Katalog modelu:

Windows: %APPDATA%\Transkryptor\models
Linux: ~/.local/share/transkryptor/models

Model można usunąć w dowolnej chwili — aplikacja wróci do pracy ręcznej.

Wymagania sprzętowe

Zasób	Minimum	Zalecane	Podstawa
RAM	4 GB	8 GB	zmierzony szczyt 2.08 GB plus zapas na system i interfejs
Dysk	3 GB wolnego miejsca	—	model 1.53 GB, aplikacja ok. 0.5 GB oraz pliki tymczasowe
CPU	4 rdzenie z obsługą kwantyzacji int8	8 rdzeni lub więcej	rekomendacja, nie pomiar: silnik wykorzystał średnio 4 rdzenie
Sieć	jednorazowe pobranie modelu (1.53 GB)	—	po pobraniu praca bez dostępu do Internetu

Znane ograniczenia

Szkic ASR jest hipotezą ortograficzną, a nie zapisem fonetycznym według notacji projektu. Każdy fragment wymaga korekty transkrybenta.
Jakość rozpoznawania nie została zmierzona na zatwierdzonym korpusie referencyjnym — projekt takiego korpusu nie posiada. Podane czasy dotyczą wydajności, nie trafności.
Model nie rozpoznaje nosowości, labializacji, dyftongizacji ani redukcji „ł”; propozycje zapisu fonetycznego są regułowe i zawsze wymagają decyzji użytkownika.
MVP przyjmuje nagrania MP3, WAV, FLAC, M4A, AAC, OGG, OPUS i WMA oraz eksportuje wyłącznie DOCX.
MVP nie zapisuje projektu ani sesji roboczej: po zamknięciu aplikacji praca istnieje tylko w wyeksportowanym pliku DOCX. Aplikacja ostrzega przed zamknięciem z niewyeksportowanymi zmianami.
Transkrypcja działa na CPU. Czas rośnie w przybliżeniu proporcjonalnie do spadku liczby rdzeni.

Licencje

Artefakt zawiera biblioteki na licencjach GPL i LGPL w postaci
binarnej. Qt jest w nim osobnymi bibliotekami dynamicznymi, więc
użytkownik może je podmienić na własną zgodną wersję.

Kod źródłowy

Kod źródłowy tego wydania: https://github.com/jzpk/transkryptor/tree/v0.2.1

Źródła bibliotek natywnych na licencjach GPL i LGPL wskazuje tabela
w licenses/THIRD-PARTY-NOTICES.md.

Assets 6

Releases: jzpk/transkryptor

Release list