junioteixeira / larynx

Software para reconhecimento de fala para texto

Larynx - reconhecimento de fala para texto

Larynx é um programa desenvolvido para ajudar pessoas que têm dificuldades em digitar, mas têm facilidade de utilizar a fala para se comunicar. Casos de pessoas que possuem doenças degenerativas que limitam o movimento e sua qualidade de vida.

😃 Inspirações

Diversos aplicativos não permitem diretamente que o usuário grave um áudio, por exemplo o Discord, isso faz com que essas pessoas recorram a softwares como teclado virtual. Infelizmente digitar nessas ferramentas é um processo lento e para o idioma Português (Brasil) ainda apresenta muitas falhas pelo reconhecimento de fala nativo do Windows.

Diante desse problema nasceu a ideia de desenvolver um software que ajude pessoas nesses aplicativos.

⚙️ Funcionamento atual

O Larynx encontra-se em desenvolvimento inicial, porém já funcional, apesar de conter alguns bugs. Foi totalmente desenvolvido com C# e WPF para interface de usuário. Atualmente é utilizado os servidores do Google com o serviço Speech-to-Text com uma chave pública do Chrome.

O microfone é utilizado para enviar em tempo real ao Google o áudio gravado e retornando a transcrição em texto. Essa transcrição é enviada ao sistema operacional para que digite o texto como se tivesse sido digitado em um teclado, então há sua compatibilidade com diversos aplicativos por essa razão.

Dependências

• Google Speech to Text API
• gRPC
• CUETools Flake
• InputSimulator

✍️ Utilização

O uso do aplicativo é bem simples, ao iniciar o programa Larynx.exe já será exibido um microfone padrão e então só clicar em Iniciar. Após isso, tudo o que for falado no microfone será transcrito para texto.

Caso queira utilizar outro microfone, basta clicar em Configurar e selecionar o microfone desejado. As opções Volume e AGC ainda não são suportadas diretamente pelo aplicativo, sendo necessário acessá-las diretamente pelo Painel de Controle de Som do Windows.

Palavras-chaves para pontuação

O Larynx suporta o uso de palavras-chaves para substituir por pontuações da língua portuguesa. Exemplo, caso o usuário diga vírgula no texto será substituído por ,. Isso vale para as palavras abaixo:

• vírgula por ,
• ponto por .
• interrogação por ?
• dois pontos por :
• ponto e vírgula por ;
• exclamação por !
• hífen por -
• nova linha por \n (uma quebra de linha)
• abre parêtenses por (
• fecha parêtenses por )

Qualquer erro que ocorra será exibido uma mensagem na tela do programa.

💡 Funcionalidades futuras

• Suporte à codificação FLAC, diminuindo a banda necessária e latência.
• Atalhos diretamente por voz como aumentar/diminuir volume e outros.
• Definir teclas de atalho que permitam ligar ou desligar a transcrição da fala.
• Melhorar interface de usuário.
• Melhorar o uso de MVVM no código.
• Corrigir bug de raramente palavras não terem espaço entre elas.
• Auto-updater
• Opções de aumentar/diminuir o volume do microfone na aba de configurações
• Opção de habilitar/desabilitar o AGC, caso o microfone suporte.
• Possibilitar o usuário importar uma chave JSON caso queira utilizar serviços pagos do próprio Google Cloud para o Speech-to-Text.
• Avaliar a possibilidade do processamento ser feito offline via inteligência artificial.
• Suporte a outros idiomas além de pt-BR.

🐞 Problemas, erros e bugs

Como mencionado, o programa encontra-se em uma fase inicial de desenvolvimento e, portanto, são esperados que erros aconteçam. Para isso é encorajado que essas questões sejam publicadas na aba Issues junto com os logs. Os arquivos de logs podem ser encontrados em uma pasta logs junto ao programa, dentro dela os arquivos são gerados por datas com extensão .log.

Créditos

@Metalus, Odysseus, @maxwbot

👍 Agradecimentos

Mr.Terminal, @chiyoku, codando, @alvarofilho