Transkryptor 0.2.3

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:

1. Otwórz panel „Szkic ASR” w oknie aplikacji.
2. Panel pokazuje nazwę modelu, jego licencję, rozmiar i katalog
   docelowy. Pobieranie rusza dopiero po potwierdzeniu.
3. Postęp widać w panelu; pobieranie można anulować, a po błędzie
   ponowić. Przerwane pobranie nigdy nie jest uznawane za gotowy model.
4. 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/v0.2.3

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