Tato nová aplikace pro Linux vám umožní ovládat počítač hlasem a je zdarma
Na Linuxový desktop dorazila nová, plně lokální aplikace pro ovládání hlasem s názvem EasySpeak, která nabízí přístupnost a ovládání bez použití rukou pro uživatele moderního prostředí GNOME. EasySpeak vyvinul Matt Hartley, je zdarma, open source a navržena tak, aby přeměňovala hlasové příkazy na akce.
EasySpeak by měl zaplnit významnou mezeru v linuxovém ekosystému, kde je mnoho stávajících hlasových nástrojů buď proprietárních, závislých na zastaralé technologii X11, nebo závislých na cloudových službách. Tento projekt je vybudován od základu tak, aby byl nativní pro Wayland, což znamená, že funguje správně na moderních linuxových desktopech, kde starší nástroje pro X11 často selhávají.
EasySpeak je navržen pro každého s opakovaným namáháním (RSI), specifickými potřebami přístupnosti nebo pro ty, kteří prostě potřebují ovládat počítač, když mají ruce zaneprázdněné. Celý systém můžete aktivovat bez použití rukou jednoduše vyslovením probouzejícího slova „Hej Jarvise.“
Hlavní funkcí, která odlišuje EasySpeak, je jeho zaměření na ochranu soukromí. Celá aplikace běží zcela lokálně. Pro aktivaci používá OpenWakeWord, nástroj faster-whisper pro přepisování příkazů a engine Piper pro převod textu na řeč. To znamená, že žádná hlasová data neopouštějí váš počítač, což je skvělý krok pro uživatele, kteří oprávněně pochybují o tom, že cloudové AI služby je mohou odposlouchávat.
Po aktivaci umožňuje EasySpeak uživatelům ovládat hlavní aspekty jejich pracovní plochy. Jednou z nejpodrobnějších a nejpůsobivějších funkcí je Mřížka myši. Řeknutím „mřížka“ se na obrazovce zobrazí 3x3 číslované uspořádání, podobné klávesnici telefonu. Na konkrétní zóny se můžete přiblížit vyslovením odpovídajícího čísla a můžete spojovat více čísel dohromady pro rychlý pohyb, například „3-6-3“.
Po umístění nad cílem řeknete „klik“ pro jeho výběr. Systém mřížky také zvládá akce přetahování pomocí příkazů „označit“ a „táhnout.“
EasySpeak také zahrnuje ovládací prvky pro systémové funkce a aplikace. Aplikace můžete otevírat a zavírat podle názvu a jsou zde příkazy pro správu souborů, jako například „otevřít dokumenty“ nebo „otevřít stahování“. Má také integraci s MPRIS, která vám umožňuje ovládat přehrávání příkazy jako „přehrát“, „pauza“ a „další“.
Vývojář také přidává více ovládacích prvků GNOME, včetně maximalizace a minimalizace oken. Tyto aktualizace budou zahrnovat základní systémové příkazy, jako je úprava hlasitosti, jasu a přepínání funkce „nerušit“.
Aplikace má v současnosti úzkou integraci s webovým prohlížečem Qutebrowser. Tato integrace vám umožňuje procházet internet pomocí nápovědy odkazů, přepínat mezi záložkami, procházet historii a vyhledávat na webu pomocí vašeho hlasu. I když je funkce diktování momentálně ve vývoji, již podporuje zadávání textu hlasem v jakémkoli poli, včetně příkazů pro interpunkci jako „čárka“ a „nový řádek“.
Pro ty, kteří rádi experimentují, je systém vysoce rozšiřitelný díky jednoduché architektuře pluginů v Pythonu. Stačí vložit soubor Python do adresáře pluginů a přidat tak vlastní příkazy a integrace pro konkrétní aplikace. Hartley na tomto projektu pracuje už více než rok a uvedl, že rozšiřitelnost je základní součástí designu.
EasySpeak je stále ve fázi raného vývoje, takže byste měli očekávat menší chyby a změny, jak projekt dozrává. Vyžaduje linuxovou distribuci s GNOME Shell 47 nebo novějším běžícím na Waylandu a pro instalaci momentálně vyžaduje Python 3.13 kvůli problémům se závislostmi s Pythonem 3.14.
Instalace zahrnuje klonování repozitáře na GitHubu, instalaci několika systémových balíčků, nastavení virtuálního prostředí Pythonu a povolení rozšíření GNOME Shell. EasySpeak je momentálně k dispozici zdarma pod licencí GPL-3.0 na GitHubu.
Zdroj: Matt Hartley/fosstodon