Skip to content

v1.3.0 — Stable

Choose a tag to compare

View all tags
@rcspam rcspam released this 03 May 20:39
· 635 commits to master since this release
v1.3.0
692aa65

🎉 dictee v1.3.0 — release stable.

Cumulatif depuis v1.2.0 — 629 commits, 9 mois de développement.

🎙️ ASR & modèles

  • Nouveau backend Canary-1B v2 (NVIDIA AED, 7 langues, traduction native intégrée 12 paires ↔ EN) — port Rust autonome, sans onnx-asr
  • Whisper large-v3-turbo (809 M, multilingue, rapide)
  • Multilinguisme Parakeet-TDT étendu → 25 langues européennes
  • Benchmarks WER reproductibles : Canary FR 5,4 % / EN 1,8 %, Parakeet FR 7,4 % / EN 2,0 %

🎤 Diarisation

  • Mode Meeting avec Sortformer (4 locuteurs max), machine à états bouton
  • Pipeline chunked auto pour fichiers longs : audio context → diarize global → transcribe chunked → merge argmax overlap. Plus de cap 10-15 min sur 8 GB VRAM, n'importe quelle durée diarisable
  • Renommage des speakers post-diarisation, propagé à toutes les vues, exports et analyses LLM

🤖 Analyse LLM (nouveau pipeline)

  • 6 profils built-in : 3 diarisés (Synthèse / Chapitrage / Correction ASR per-segment) + 3 plain text (mêmes profils, sans labels speakers)
  • 4 types de provider × 14 presets : Ollama (local + cloud), LM Studio, Jan, vLLM, OpenAI, Claude (Anthropic), Google Gemini, Mistral AI, DeepSeek, Perplexity, Groq, Cerebras, OpenRouter, Claude Code proxy
  • Dialogs Manage Providers / Manage Profiles : CRUD complet, Test connection avec liste de modèles, Import/Export JSON, Duplicate built-ins, overrides per-built-in
  • Langue de sortie forcée sur DICTEE_LANG_SOURCE via system prompt + suffix — corrige les modèles qui dérivent vers l'EN (Groq gpt-oss, Gemma 4B)
  • Export PDF + Markdown par tab LLM, streaming live avec abort par fermeture du tab
  • Ollama keep_alive: 0 par défaut (libère VRAM entre chaque appel)

🌐 Traduction

  • 5 backends : Canary (intégré, 12 paires natives), LibreTranslate, Ollama (translategemma, 55 langues), Google, Bing
  • Pad Translate de dictee-transcribe refondu : combo backend (avec tag (cloud)), 40 langues cibles, auto-detection de la langue source, persistance per-file en QSettings (n'écrit pas dans dictee.conf)
  • Pipeline TRPP (Translate post-process) — post-traitement miroir bleu/orange pour les textes traduits
  • Swap bidirectionnel langue source/cible

🪟 Interfaces

  • dictee-transcribe — nouvelle fenêtre dédiée à la transcription de fichiers : lecteur audio synchronisé avec timeline, click-to-seek, marqueurs de speakers, search bar, mode édition libre, exports SRT/JSON/TXT/MD/PDF par tab, icône Wayland dynamique (bleu↔violet selon Diarize)
  • Plasmoid Plasma 6 — thèmes clair/sombre, 5 styles d'animation × 10 paramètres, slider volume micro, toggles cross-process (Meeting / Short text / LLM), single-instance via heartbeat, popup auto-pinné pendant l'enregistrement
  • Tray icon refondu — mode Meeting lockable, SNI multi-DE (KDE / GNOME / XFCE), single-instance via fcntl
  • Setup wizard — sidebar persistante, SVG pipeline cliquable, hardware detection, ToggleSwitch Plasma, page About, panels modulaires

📝 Post-traitement

  • Short-text keepcaps + mode correspondance étendu + exceptions par langue
  • Conversion nombres FR : heures (14 h 30), virgule décimale (1, 5 → 1,5), versions (1.3.0)
  • Continuation : keyword configurable, indicateur via DICTEE_CONTINUATION_INDICATOR, éditeur UI
  • Test panel PP refondu — 3 modes, configuration live, highlight des règles déclenchées

🔊 Audio

  • Audio context buffer inter-utterance (homophones, mots coupés)
  • Sélection source audio (micro / monitor / app, PipeWire)
  • Calibration seuil silence RMS + animation speech

🔒 Multi-utilisateur & sécurité

  • Suffixe UID sur fichiers d'état /dev/shm/.dictee_state_<UID>
  • Socket daemon dans $XDG_RUNTIME_DIR/transcribe.sock
  • Sanitisation save_config() anti-injection

📦 Packaging

  • 3 paquets par distro : dictee-cuda / dictee-cpu / dictee-plasmoid (standalone, Architecture: all / noarch)
  • CUDA libs portables : pip-installées via /opt/dictee/cuda-venv/ au postinst, symlinkées dans /usr/lib/dictee/. Pas de dépôt NVIDIA requis
  • Arch : PKGBUILD + PKGBUILD-cuda avec options=('!lto') (cause racine du link error « undefined reference to onig_* »)
  • Tarball universel avec parité CUDA, install.sh / uninstall.sh
  • Vendoring text2num, online installer/uninstaller, CHANGELOG

🌍 i18n

  • 6 langues complètes : français, allemand, espagnol, italien, portugais, ukrainien
  • Plasmoid traduit dans les mêmes 6 langues

📦 Installation

Debian / Ubuntu (CPU) :

wget https://github.com/rcspam/dictee/releases/download/v1.3.0/dictee-cpu_1.3.0_amd64.deb
sudo apt install ./dictee-cpu_1.3.0_amd64.deb

Debian / Ubuntu (NVIDIA GPU) :

wget https://github.com/rcspam/dictee/releases/download/v1.3.0/dictee-cuda_1.3.0_amd64.deb
sudo apt install ./dictee-cuda_1.3.0_amd64.deb

Fedora / openSUSE (CPU) : dictee-cpu-1.3.0-1.x86_64.rpm
Fedora / openSUSE (GPU) : dictee-cuda-1.3.0-1.x86_64.rpm
Plasmoid seul : dictee-plasmoid_1.3.0_all.deb ou dictee-plasmoid-1.3.0-1.noarch.rpm
Autres distros : dictee-1.3.0_amd64.tar.gz + sudo ./install.sh

Assets 11
Loading