NEUROVOX

Ditado por voz offline para Linux — fala no microfone, vira texto. Local, privado, sem nuvem, rodando na sua própria máquina com whisper.cpp.

Aperte um atalho, clique no microfone, fale — o texto aparece ao vivo e você copia. Pensado para PT-BR, mas funciona em qualquer idioma que o Whisper suporta.

---

✨ Recursos

• 🎙️ Ditado por voz → texto, 100% offline e privado
• ⚡ Transcrição ao vivo — o texto vai surgindo enquanto você fala
• 🧠 Motor whisper.cpp com modelo large-v3-turbo (ótima qualidade em PT-BR)
• 🖥️ Roda em CPU (estável em qualquer máquina) ou GPU/Vulkan (opcional, mais rápido)
• 🔥 Modelo fica quente na memória (whisper-server) → cada ditado é rápido
• 🪟 Interface Qt limpa, com atalho global (ex.: Win+H), botões Copiar / Limpar
• 🔧 Configurável por config.json (microfone, idioma, modelo, motor)

📦 Requisitos

• Linux com PipeWire (KDE/GNOME/etc.)
• python3 (3.10+), git, cmake, gcc/g++, make, ffmpeg, pw-record (pipewire-utils)
• ~2 GB de disco para o modelo

🚀 Instalação

git clone https://github.com/RickRossati/neurovox.git
cd neurovox
./install.sh            # motor CPU (recomendado)
# ./install.sh --gpu    # também compila o motor Vulkan/GPU (opcional)

O install.sh compila o motor, baixa o modelo (~1.6 GB), cria o ambiente Python e instala o lançador. No fim ele mostra como registrar o atalho global.

▶️ Uso

./voz.sh

1. Registre o atalho global (o instalador mostra como) e abra com Win+H
2. Clique no microfone → fale → clique de novo para parar
3. O texto aparece ao vivo; use Copiar para levar para qualquer lugar

⚙️ Configuração — config.json

Campo	Padrão	Descrição
language	pt	idioma do reconhecimento (auto para detectar)
model	large-v3-turbo	modelo da passada final (qualidade)
model_live	small	modelo leve das parciais ao vivo (velocidade); base = ainda mais rápido; igual a model = desliga o híbrido
engine	cpu	cpu (estável) ou gpu (Vulkan, mais rápido)
device	default	mic padrão do sistema, ou o nome de uma fonte do PipeWire
channels / channel	1 / 0	para interfaces multicanal: grava N canais e extrai um
threads	8	threads do motor CPU

Interface de áudio multicanal? (ex.: Focusrite Scarlett) — aponte device para o nome da fonte (pactl list short sources), defina channels para o total e channel para o índice do seu mic (0 = primeiro).

🖥️ CPU vs GPU

• CPU (padrão): compila whisper.cpp sem Vulkan; roda em qualquer lugar. Num CPU moderno o large-v3-turbo transcreve bem mais rápido que tempo real.
• GPU/Vulkan (--gpu): mais rápido, mas o backend Vulkan do ggml pode falhar em alguns drivers/GPUs (ex.: NVIDIA Blackwell com certos drivers dá segfault na init). Se a GPU falhar, é só manter "engine": "cpu".

🧩 Como funciona

mic (PipeWire, pw-record) → ffmpeg (extrai canal + normaliza) →
whisper-server (modelo quente) → texto ao vivo na UI

• Captura com pw-record nativo (a camada de compat do PulseAudio pode entregar silêncio em algumas interfaces — PipeWire nativo resolve).
• O modelo fica carregado num whisper-server local; a UI só manda o áudio e recebe texto.
• Transcrição ao vivo = dois motores: um modelo leve (small) transcreve o buffer a cada ~1.7 s pras parciais aparecerem rápido, e o modelo principal (large-v3-turbo) faz a passada final caprichada quando você para.

🗺️ Roadmap

• Colar direto no campo focado (além de copiar)
• Seletor de microfone e modelo na UI
• Pontuação/formatização automática
• Empacotamento (AppImage / Flatpak)

🙏 Créditos

• whisper.cpp (ggml-org)
• Whisper (OpenAI)

📄 Licença

MIT © Ricardo Rossati (Mister RickRoss)