Skip to content

Releases

Sotto 0.1.4 — 标点回来,热词表接上

Choose a tag to compare

@luogao luogao released this 16 Nov 09:45

转写出来的字终于带标点了,热词表也真的接上了。

这次优化了什么(都是实测出来的,不是猜的)

1. 标点被自己删掉了

用户听到的是「这个功能,可以再优化一下。」,粘出来是「这个功能可以再优化一下」——一坨没断句的字。

原因在 sotto-transcribe.swift 的 normalizeText:它为了 CER 比较把标点全删了(drop_punct 口径),这段归一又直接作用在交付文本上。其实 whisper 本身是出标点的,实测同一段音频:

whisper-cli 原始输出:这个功能我觉得可以再优化一下,比如加上自动标点,然后把那些重复的字去掉。
旧版交付:          这个功能我觉得可以再优化一下比如加上自动标点然后把那些重复的字去掉
新版交付:          这个功能我觉得可以再优化一下,比如加上自动标点,然后把那些重复的字去掉。

新增 normalizeForDelivery,和 normalizeText 分工:

  • normalizeText = 给指标用的,仍然去标点(CER 口径不变)
  • normalizeForDelivery = 给用户看的:繁→简、半边标点挨着中文换全角(, → ,)、重复标点收敛(。。→ 。)、中文之间空格删掉但英文单词间保留、数字里的标点不动(3.5、8-12、1,000)、≥12 字且以汉字收尾又没终结标点时补句号

10 条 selftest 钉住,sotto-transcribe --delivery-selftest 可单独跑,全通过。

2. 热词表一直是空转的

官网写着「写进 terms.txt,识别会跟着走」,但 app 从来不看这个文件。实测:

无热词:我们下周一跟Design Team过一下T, R, D然后就不是到Main分支上测试
有热词:我们下周一跟Design Team过一下 PRD,然后就 push到 main 分支上测试。

PRD / Design Team / push / main 全对。现在设置面板第三栏「03 热词」直接显示已载入条数和文件路径,点「编辑热词」就打开 ~/Library/Application Support/Sotto/terms.txt(不存在会先落一份带注释的模板)。

3. 松手到出字之间没反馈

原来松手后 0.5~1 秒屏幕没有任何变化,用户会以为没录上又按一次。现在松手立刻弹「正在转写…」,出字后换成「已复制,⌘V 粘贴」。

4. 官网有两处说法和实现对不上

  • 「松手即贴…直接写进光标位置」→ 实际只写剪贴板(不模拟按键,所以不需要辅助功能权限)。改成「松手即复制」,把这个取舍写清楚。
  • 「热词表写进 terms.txt」→ 路径和入口补齐,并写上实测效果。

设置面板

现在是四栏:

01 通用   热键 · 事件日志
02 模型   生效路径 · 来源 · 大小 · 选择/恢复默认
03 热词   已载入 4 条 · 文件路径 · 编辑热词
04 版本   v0.1.4 (014) · 内置引擎 · 查看更新 · 复制诊断

验证

项 结果
单元测试 58 条通过
交付归一 selftest 10 条全通过
真机转写(中文长句) 标点完整,繁→简正确
热词效果 PRD / Design Team / push / main 全部识别正确
设置面板 四栏全部可见,无裁切

升级

brew upgrade --cask sotto

想试热词:设置 → 03 热词 → 编辑热词,一行写一个词,存盘,下次录音就生效。

Sotto 0.1.3 — 设置面板重做,版本号可见

Choose a tag to compare

@luogao luogao released this 13 Nov 06:42

设置面板重做:三栏参数台,版本号直接看得见。

之前的问题

设置面板是 460×340 的一列控件,白底浅灰,跟菜单栏 app 的调性不搭;更要紧的是面板里没有任何版本信息——装的是 0.1.1 还是 0.1.2,只能去 defaults read 或者翻 dmg 文件名。

现在

620×634,深色,左栏三段导航,右侧一整列参数,和「海牛」的设置台同一套视觉:

01 通用   全局热键(⌃⌥H,可重录)· 事件日志开关 · 日志路径
02 模型   生效路径(含来源:包内自带 / 自定义 / 用户缓存)· 文件大小 ·
          选择… / 恢复默认
03 版本   v0.1.3 (013) · 内置引擎 · 查看更新 · 复制诊断信息 · brew 升级命令

页脚常驻 v0.1.3 · github.com/luogao/sotto,左栏底部还有「打开日志 / 项目主页」。

几个细节:

  • 版本号是活值,从 CFBundleShortVersionString + CFBundleVersion 读,不是硬编码
  • **「复制诊断信息」**一次拷出:版本、macOS 版本、热键、模型路径/来源/大小、日志路径——报障时不用来回问
  • **「查看更新」**直接打开 releases 页
  • 模型来源分三档显示(包内自带 / 自定义 / 用户缓存),配合上次修的 --model 逻辑,一眼能看出到底在用哪份模型
  • 配色沿用海牛:#0C0C0D 底 + #E8A230 琥珀点缀,等宽字体标参数名

实现

  • 新增 Sources/Sotto/UI/SettingsView.swift:SwiftUI 视图 + SettingsModel(ObservableObject)
  • SettingsWindowController 改成 NSHostingView 宿主,热键捕获、NSOpenPanel、Carbon 注册仍留在 AppKit 层
  • 窗口 fullSizeContentView + 透明标题栏,和深色面板连成一片

58 条单测照旧全绿(版本号有测试钉着,这次一起改成 0.1.3 / 013)。

升级

brew upgrade --cask sotto

或重新下载 DMG 覆盖安装。设置项存在 UserDefaults,热键和模型选择都不会丢。

Sotto 0.1.2 — whisper 引擎内置,不再需要 Homebrew

Choose a tag to compare

@luogao luogao released this 13 Nov 04:18

whisper 引擎一起装进 app:不再需要 brew install whisper-cpp。

上一版(0.1.1)的问题

0.1.1 修好了模型,但引擎没修。app 里只有 sotto-transcribe,它去 PATH 里找 whisper-cli / whisper-server——这两个是 Homebrew 装的,你的机器上没有,于是:

找不到 whisper-cli / whisper-server。先 brew install whisper-cpp

也就是:模型在包里、引擎在别人机器上,「下载即用」还差最后一块。

这一版做了什么

把引擎和它的依赖一起打进去:

Contents/Resources/bin/      whisper-cli、whisper-server、sotto-transcribe
                             + ggml backend:blas、metal、cpu-apple_m1/m2_m3/m4
Contents/Resources/lib/      libwhisper、libggml、libggml-base、libomp
Contents/Resources/models/   ggml-medium-q5_0(514MB)

改了三处:

  1. scripts/bundle-whisper.sh(新增)从本机 Homebrew 取二进制和动态库,用 install_name_tool 把写死的 /opt/homebrew/... 改成 @executable_path/../lib、@loader_path,再重新 ad-hoc 签名
  2. Transcriber.childEnvironment 把包内 Resources/bin 放到子进程 PATH 最前面;backend .so 就放在 whisper-* 旁边——ggml 会按「可执行文件所在目录」找它们(试过 GGML_BACKEND_PATH,那条路是全量加载,会让 ggml_backend_dev_init 直接 abort,不能用)
  3. sotto-transcribe 的 server 启动超时 5s → 20s(冷启动要读 514MB 模型 + 初始化 Metal,5 秒实测不够,会白白退回慢的 CLI 路径)

验证

把环境做成「什么依赖都没有」的样子再跑,不是看代码:

前提:mv /opt/homebrew/Cellar/ggml/0.20.1/libexec → .off(backend 目录不可见)
      mv ~/.cache/whisper.cpp → .bak(没有缓存模型)
      PATH=/usr/bin:/bin:/usr/sbin:/sbin(没有 Homebrew)

结果:
  event=ready port=8931 ready_ms=184 rss_mb=822
  event=request path=server audio_ms=6529 decode_ms=850 chars=33
  text=这是一段用来测试言的语音大概十秒钟左右看看本地转写需要多久才能出字

日志同时显示:search path /opt/homebrew/Cellar/ggml/0.20.1/libexec does not exist
             loaded BLAS / MTL / CPU backend from <包内 bin>
packaging 验证:从已发布的 dmg 挂载后直接跑同样通过(path=server decode_ms=858)

也就是说这条链路上已经没有任何一处依赖用户机器上的 Homebrew。

升级

brew upgrade --cask sotto

或重新下载本页 DMG 覆盖安装。设置、热键都保留。

体积变化:516MB → 519MB(多了 4.3MB 的引擎和 backend)。

Sotto 0.1.1 — 修复:干净机器上用不了内置模型

Choose a tag to compare

@luogao luogao released this 12 Nov 15:20

修一个让 0.1.0 在干净机器上完全用不了的 bug:松手后提示「模型文件未找到」。

问题

0.1.0 把 514MB 模型打进了 app 里,但转写时没有把模型路径传给 whisper——代码在「用户没自定义模型」时故意省略 --model,让 CLI 用自己的默认值 ~/.cache/whisper.cpp/ggml-medium-q5_0.bin。这个默认值在开发机上有文件(跑过下载脚本),在别人的机器上是空的,于是:

event=record_stop audio_ms=2620 write_ms=2 reason=released
event=error stage=transcribe code=exit2

录音正常、松手就报错,模型明明在 app 里却用不上。日志里 transcriber=bundle 说明它找得到 whisper,只是没给它模型。

修法

内置模型存在时,显式把它的绝对路径交给 CLI(--model /…/Sotto.app/Contents/Resources/models/ggml-medium-q5_0.bin)。自定义路径仍然优先;两者都没有时才回落到 CLI 默认值。

验证

把 ~/.cache/whisper.cpp 整个移走后跑转写,输出正常:

decode_ms=865 wall_ms=1344 chars=33
text=这是一段用来测试言的语音大概十秒钟左右看看本地转写需要多久才能出字

58 条单测全绿(新增 2 条钉住这个分支)。

升级

brew upgrade --cask sotto

或者重新下载本页的 DMG 覆盖安装。设置和热键都不用重配。

如果你是从 0.1.0 遇到这个问题:不需要手动下载模型,装这个版本即可。

Sotto 0.1.0

Choose a tag to compare

@luogao luogao released this 12 Nov 06:52

按住 ⌃⌥H 说话,松手出字。本地转写,音频不出机器。

这个版本能做什么

  • 菜单栏常驻,按住 ⌃⌥H 说话、松手自动粘贴到光标处
  • 本地 whisper 转写(模型已内置,装完即用,不需要再下载任何东西)
  • 中文识别最准,英文 / 日文可用
  • 全程离线:音频不离开本机,没有账号,没有遥测
  • 零辅助功能权限:全局热键走 Carbon,不需要「辅助功能」授权

装

方式一:DMG

  1. 下载 Sotto-0.1.0.dmg,双击打开,把 Sotto 拖进「应用程序」
  2. 首次打开如果被系统拦下(未公证),右键点图标 → 打开 → 再点「打开」即可
  3. 菜单栏出现麦克风图标,系统会请求麦克风权限,允许

方式二:Homebrew

brew install --cask luogao/tap/sotto

系统要求

  • macOS 13 或更新
  • Apple Silicon(arm64)
  • 需要麦克风:Mac mini 这类没有内置麦克风的机型必须外接麦克风

已知限制

  • 没有代码签名和公证:浏览器下载后首次打开需要右键 → 打开
  • 长音频(> 60 秒)会被截断,这是产品约束
  • 没有自动更新,升级靠重新下载
  • 只出 arm64 构建

校验

shasum -a 256 Sotto-0.1.0.dmg

SHA-256 见下方附带的 .sha256 文件。