🎙 Mluvítko

Push-to-talk hlasový vstup s AI transkripcí. Tento nástroj umožňuje snadné zadávání textu hlasem. Stačí stisknout a držet klávesovou zkratku Ctrl+Win (na macOS Ctrl+Cmd), mluvit, a po uvolnění kláves se přepsaný text automaticky vloží do aktivního textového pole.

Tento projekt je self-hosted alternativa k online službě WisprFlow, kterou se inspiroval. Nabízí podobnou funkcionalitu, ale běží lokálně na vašem zařízení, což zajišťuje větší kontrolu nad daty a soukromím. Je zcela zdarma, s výjimkou případného poplatku za využití OpenAI transkripčního modelu, pokud je použit.

Uživatelské rozhraní

Aplikace poskytuje jednoduché a intuitivní uživatelské rozhraní:

1. Ikona v systray:

   • Po spuštění aplikace se v systémové liště (systray) objeví ikona 🎙.
   • Stav ikony:
     • Šedá: Aplikace je připravena.
     • Červená: Probíhá nahrávání.
     • Modrý spinner: Probíhá přepis.

2. Plovoucí indikátor:

   • Během nahrávání se na obrazovce zobrazí malý plovoucí indikátor:
     • Červená tečka: Signalizuje aktivní nahrávání.
     • Modrý spinner: Signalizuje probíhající přepis.

3. Nastavení mikrofonu:

   • Kliknutím pravým tlačítkem na ikonu v systray lze otevřít nabídku s možností změny mikrofonu.

4. Automatické ztlumení zvuku:

   • Během nahrávání se systémová hlasitost automaticky sníží na 5 %, aby se předešlo zpětné vazbě z mikrofonu. Po ukončení nahrávání se hlasitost obnoví na původní úroveň.

5. 👁️ Dejte své AI oči (Screenshot jako kontext):

   • Co to umí: Tato funkce umožňuje aplikaci lépe pochopit, co právě děláte. Spolu s vaším hlasovým povelem dokáže aplikace pořídit snímek obrazovky a použít jej jako kontext pro lokální AI model. To znamená, že AI může lépe porozumět tomu, co máte otevřené, a přizpůsobit odpovědi vašemu aktuálnímu prostředí.
   • Jak to funguje: Během diktování se na pozadí bleskově a bezpečně vyfotí vaše aktuální obrazovka. Tento snímek se spojí s vaším hlasovým dotazem a odešle se do lokálního AI modelu, který jej využije jako doplňkový kontext. AI tak může lépe pochopit, co právě děláte, a nabídnout relevantní odpovědi.
   • K čemu je to dobré (Příklady z praxe):
     • 💻 Vývojáři: "Jaký je význam této chybové hlášky?" nebo "Jaký kód by odpovídal tomuto designu?"
     • 📊 Analytici: "Co znamenají tyto hodnoty v grafu?"
     • 🌍 Každodenní práce: "Jak odpovědět na tento e-mail?" nebo "Co znamená tento text na obrazovce?"
   • Jak to nastavit: V nastavení aplikace (Settings) jednoduše zaškrtněte volbu pro odesílání snímků obrazovky. Funkce je optimalizována pro lokální modely, které podporují zpracování vizuálního kontextu.

Rychlý start

1. Požadavky

• Node.js 18+ → https://nodejs.org
• Visual Studio Build Tools (pro kompilaci nativních modulů)

  winget install Microsoft.VisualStudio.2022.BuildTools
  

  Nebo stáhni z: https://visualstudio.microsoft.com/cs/downloads/ → "Build Tools for Visual Studio"

---

2. Electron aplikace

# V kořenovém adresáři projektu:
npm install
npm start

Při prvním npm install se zkompilují nativní moduly (uiohook-napi, robotjs). Pokud selže → ověř, že máš nainstalované Visual Studio Build Tools.

---

3. Použití

1. Spusť aplikaci (npm start)
2. V systray (vedle hodin) uvidíš ikonu 🎙
3. Drž Ctrl+Win (na macOS Ctrl+Cmd) → červená tečka = nahrávám
4. Pusť zkratku → modrý spinner = přepisuji, pak se text vloží do pole, kde byl kurzor

Změna mikrofonu: Klikni pravým na ikonu v systray → Nastavení mikrofonu...

---

Build (vytvoření .exe instalátoru)

npm run build       # NSIS instalátor
npm run build:dir   # Rychlejší, bez instalátoru (rozbalená složka)

---

Změna hotkey

V aplikaci otevři Nastavení → Klávesová zkratka.

Podporované zkratky:

• Windows / Linux: Ctrl+Win, Ctrl+Space, Ctrl+M, Alt+Space, Shift+Space, F8, F9, F10, F12
• macOS: Ctrl+Cmd, Option+Space, Shift+Space, F8, F9, F10, F12

---

Struktura projektu

voice-input/
├── main.js          ← Electron hlavní proces, hotkey, tray, IPC
├── overlay.html     ← Floating indikátor (červená tečka → modrý spinner)
├── recorder.html    ← Skrytý renderer pro Web Audio API
├── settings.html    ← Výběr mikrofonu
├── package.json
├── assets/
│   ├── tray-idle.png    ← Ikona v klidu
│   ├── tray-active.png  ← Ikona při nahrávání (červená)
│   └── icon.ico         ← Ikona aplikace

Řešení problémů

npm install selže na robotjs/uiohook: → Nainstaluj Visual Studio Build Tools

Mikrofon nefunguje: → Zkontroluj oprávnění mikrofonu: Nastavení Windows → Soukromí → Mikrofon

macOS build padá při nahrávání: → Ujisti se, že build obsahuje NSMicrophoneUsageDescription v Info.plist (v tomto projektu je přes build.mac.extendInfo v package.json) a po změně proveď nový build (npm run build:mac).

Text se nevkládá: → Ujisti se, že kurzor je v textovém poli před stiskem zvolené zkratky

OpenAI API klíč není nastaven: → Zkopíruj .env.example na .env, vyplň OPENAI_API_KEY= svým klíčem a ulož. Případně nastav proměnnou prostředí OPENAI_API_KEY, nebo zadej klíč v nastavení aplikace. Pořadí přednosti: proměnná prostředí OPENAI_API_KEY → hodnota z .env (použije se jen pokud není proměnná prostředí nastavena) → nastavení v aplikaci.

---