Vocalinux ist eine Open-Source-App für Sprachdiktate, die speziell für Linux entwickelt wurde

Mit der Open-Source-App „Vocalinux“ können Linux-Nutzer Text in nahezu jede Anwendung diktieren, wobei die Sprachverarbeitung lokal erfolgt.
Eine Übersetzung von 🇬🇧 Linuxiac.com

Linux-Nutzern, die nach einer systemweiten Funktion zur Spracheingabe suchen, steht nun mit Vocalinux eine Open-Source-Option zur Verfügung – eine neue, datenschutzorientierte Diktat-App, die gesprochenen Text direkt in die aktuell aktive Desktop-Anwendung einfügt.

Anstatt als eigenständiges Transkriptionstool zu fungieren, läuft Vocalinux im Hintergrund und wird über eine konfigurierbare Tastenkombination aktiviert. Benutzer können die Aufnahme ein- und ausschalten oder die Push-to-Talk-Funktion nutzen, in ihr Mikrofon sprechen und den Text in einen Browser, einen Texteditor, eine Office-Anwendung, ein Terminal, einen Messaging-Client oder ein anderes aktives Textfeld eingeben lassen.

🎓 Der Arbeitsablauf ähnelt der integrierten Spracherkennung unter Windows und macOS, doch Vocalinux wurde speziell für Linux entwickelt und verarbeitet Sprache standardmäßig lokal. Es sind weder ein Konto noch ein Abonnement oder ein Cloud-Dienst erforderlich, und die Mikrofonaufnahmen verbleiben auf dem Computer.

Die App unterstützt sowohl X11- als auch Wayland-Sitzungen. Die Texteingabe unter Linux kann sich zwischen den beiden Anzeigesystemen erheblich unterscheiden, insbesondere da Wayland die Möglichkeiten von Anwendungen zur Simulation von Tastatureingaben bewusst einschränkt.

Vocalinux unterstützt drei lokale Spracherkennungs-Backends: whisper.cpp, OpenAI Whisper und VOSK. whisper.cpp wird als Standard-Engine verwendet und bietet eine optimierte native Implementierung des Whisper-Spracherkennungsmodells, während Nutzer je nach Hardware, bevorzugter Sprache oder Leistungsanforderungen ein anderes Backend wählen können.

Die Spracherkennungsmodelle laufen direkt auf dem System des Nutzers, sodass Vocalinux nach dem Herunterladen der Komponenten und Modelle auch ohne Internetverbindung funktioniert.

Die Anwendung kann zudem Vulkan-Beschleunigung nutzen, sofern diese von der GPU des Systems unterstützt wird. Dadurch kann die Spracherkennung auf Grafikhardware von AMD, Intel und NVIDIA ausgeführt werden, anstatt ausschließlich auf den Prozessor angewiesen zu sein. Nutzer mit weniger leistungsfähiger Hardware können kleinere Erkennungsmodelle wählen und so zugunsten eines geringeren Ressourcenverbrauchs und einer schnelleren Transkription Abstriche bei der Genauigkeit machen.

Neben der Diktatfunktion bietet Vocalinux ein Symbol in der Taskleiste, konfigurierbare akustische Signale, Autostart-Unterstützung, eine grafische Einstellungsoberfläche sowie anpassbare Tastaturkürzel. Die Tastaturkürzel-Verwaltung unterstützt auch nicht-US-amerikanische Tastaturlayouts, und dank der beiden Aktivierungsmodi können Nutzer zwischen dem doppelten Antippen einer Tastenkombination und dem Gedrückthalten einer Taste während des Sprechens wählen.

Obwohl Vocalinux in erster Linie offline arbeitet, verfügt es auch über einen optionalen Remote-Modus. Anstatt Audiodaten an einen kommerziellen Anbieter zu senden, können Nutzer die Anwendung auf einen Transkriptionsserver verweisen, den sie selbst betreiben. Zu den unterstützten Optionen gehören OpenAI-kompatible HTTP-Endpunkte und die mit whisper.cpp bereitgestellte Server-Implementierung, wobei zusätzliche Engines wie FunASR und SenseVoice über kompatible Serverkonfigurationen genutzt werden können.

Die Installation erfolgt über den interaktiven Shell-Installer des Projekts, der gängige Linux-Distributionen wie Ubuntu, Debian, Fedora, Arch und openSUSE unterstützt. Darüber hinaus wird Vocalinux auch über Flatpak und das Arch AUR bereitgestellt.

Die zum Zeitpunkt der Erstellung dieses Artikels aktuelle Version ist Vocalinux 0.14.2. Weitere Informationen finden Sie auf der Website des Projekts oder im GitHub-Repository.

Spendieren Sie Bobby einen ☕ Ko-fi

Ein Service von s3n🧩net