아주 멋져 보임. 다만 알려지지 않은 언어의 의미가 아니라 소리를 국제음성기호(IPA) 로 전사하는 기능은 모델 문서에서 찾지 못했음
화자가 1만 명도 안 되는 소수 언어는 언어별 모델을 훈련할 자원이 영원히 부족할 수 있음. 언어를 식별하지 않고 음성 자체를 IPA로 옮기는 모델이 있다면 전 세계 소수 언어를 연구하는 언어학자들에게 큰 도움이 될 것임

아내 가족은 중국 다오족·야오족의 하위 집단인 Iu Mien 출신임. Mien은 독립된 언어지만 화자 대부분이 사실상 문맹이고 교재나 강좌도 거의 없어 배우기 어려움
글로 남은 자료도 적어서, 《프로젝트 헤일메리》처럼 번역 시스템을 직접 만들고 싶음

이 기능을 지원하는 모델을 거의 알지 못해 현재는 라이브러리 범위 밖이지만, 적합한 모델이 있다면 기꺼이 지원할 생각임

자동 음소 인식(APR) 모델이 일부 있지만 성능은 그저 그런 수준임

이런 모델은 자신이 들을 것으로 예상하는 음성 범위를 알아야 실용적일 듯함. IPA가 표현하는 소리는 매우 많지만 개별 언어는 그중 일부만 사용함
영어의 어두운 l과 밝은 l(ball/light), 유기음 p(pin/spin)는 다른 언어에서 의미를 구분할 수 있지만 영어에서는 그렇지 않음. 언어학자들이 최대한 충실한 IPA 전사를 받은 뒤 수동으로 정규화하려는 것인지 궁금함

출시를 축하함. Mac과 휴대폰에서 Handy를 잘 쓰고 있으며, Apple 기본 음성 인식처럼 특정 분야 용어를 잘못 알아듣는 상황에서 특히 유용함
유지보수 비용을 재단에서 지원받는 방안은 어떨지 궁금함. 이런 프로젝트의 대가를 받는다면 어떤 조직을 찾아 어떤 방식으로 지원을 요청할지도 알고 싶음

Handy가 인기를 얻으면서 의도치 않게 오픈소스 유지보수자가 됐고, 다행히 개인 기부와 여러 후원자가 작업을 지원하고 있음
오픈소스에 기여하는 일을 계속하고 싶으므로 이를 지지하는 곳이라면 환영하며, 특히 오픈소스를 믿고 발전시키는 조직과 잘 맞음. 자세한 논의는 contact@handy.computer로 가능함

iOS의 운영체제 기본 받아쓰기는 iCloud를 사용하지 않더라도 요청할 때마다 주소록을 Apple에 업로드해야 해서 꺼둘 수밖에 없음

여러 음성 텍스트 변환 시스템이 발화 자체는 정확히 인식하지만 원하는 작업 흐름을 지원하지 않음. 문서를 열고 말하면 커서 위치에 최소 지연으로 계속 입력돼야 함
녹음을 멈춘 뒤 한꺼번에 붙여 넣는 방식은 유용하지 않으며, 연속 입력이 핵심임

오히려 녹음이 끝난 뒤 한꺼번에 전사하는 방식이 더 잘 맞았음. 실시간 입력을 보면 전사 오류를 확인하느라 생각을 끝까지 이어가기 어려움
한 주제에 대해 머릿속 내용을 5~10분간 모두 말한 뒤 검토하는 편이 사고 흐름을 끊지 않아 더 유용함

원한다면 Handy를 비교적 쉽게 수정해 구현할 수 있음. 앱의 정식 기능으로도 추가할 계획이지만 먼저 해결할 일이 많음

영어 단어는 주변 문맥이 있어야 확정되는 경우가 많음. 예를 들어 there와 their는 발음만으로 구분되지 않음

CUDA 패키지를 위한 추가 저장 공간을 요청하는 PR을 PyPI에 올렸지만 아직 승인되지 않은 듯함. 바인딩의 개발자 경험(DX) 을 개선하는 데 도움을 받고 싶음

마침 적절한 시기에 발견함. 프롬프트 도구에 음성 합성(TTS) 을 포함한다는 이야기를 자주 접해 직접 시험해보고 싶었음
떠오르는 생각을 길게 말해 문서로 만들고, 편집한 뒤 AI에 보내는 순환 작업이 매력적으로 보임

커뮤니티에 엄청난 기여인데 혼자 만들었다는 점이 놀라움. 끝부분에 Series A 투자 발표라도 나올 줄 알았음
AI로 저품질 결과물을 빠르게 쏟아낼 수도 있지만, 야망을 확장해 이전보다 더 엄밀하고 오래가는 것을 만들 수도 있음을 보여줌. Transcribe.cpp를 직접 앱에 넣기보다 이런 기능은 운영체제나 Handy 같은 앱을 통해 어디서나 사용 가능해야 한다고 봄

작성자이자 유지보수자가 맞으며, 후원자와 Handy 커뮤니티의 기부가 큰 도움이 됐음. 특히 Mozilla AI가 초기 작업을 지원해 Handy를 위한 막연한 꿈을 실제 프로젝트로 발전시키고 v0.1.0을 출시할 시간을 확보해 줌
언젠가는 libtranscribe를 제대로 배포해 시스템 라이브러리처럼 만들고 싶음. 안정화에는 시간이 걸리겠지만 가능하다고 봄

앞으로 여러 이유로 로컬 추론이 늘어날 것이며, 더 많은 앱이 이를 사용하려면 실행과 배포가 쉬워져야 한다는 진단이 정확함
글의 어떤 단어도 AI가 작성하지 않고 입이나 손가락에서 나왔다는 점도 프로젝트를 더 신뢰하고 쉽게 접근하게 해줌

우리가 사용하는 도구는 사고를 형성하므로 이 주장에는 동의하기 어려움. 음성 인식 LLM도 결국 LLM이며, 학습 과정에 내재된 기대에 따라 오류가 형성되고 화면에 나타나는 단어에도 영향을 줌
자주 사용하다 보면 어떤 단어 배열이 정확히 전사되는지 학습하게 되고, 이것이 사고 과정의 일부가 됨. 시간이 지나면 LLM과 사고가 얽히므로, 이런 방식의 AI 사용도 최종 문장을 실제로 바꿀 수 있음

로컬에서 전사 API 서버를 운영하려고 알아보며 비슷한 문제를 겪었음. 가장 부족했던 것은 스트리밍 지원과 인식 시 우선순위를 높일 특수 단어 지원이었는데, 여기에는 스트리밍이 있어 반가움

whisper.cpp가 등장한 뒤 3090 Ti 서버에서 직접 운영 중임. 더 빠르고 좋은 대안이 나왔더라도 문제없이 계속 작동하고, 가중치가 작으며 필요한 것보다 충분히 빠름
아래처럼 로컬 홈 서버에 올리면 간단히 로컬 전사 API를 만들 수 있음. 추론 매개변수는 조금 조정해야 하지만 한번 확정하면 매우 잘 작동함

단어 가중치 조정은 훨씬 나중에 지원될 가능성이 크지만 스트리밍은 이미 제공됨
누군가 코드베이스에 좋은 서버 예제를 기여하고 문제 해결도 도와주거나, transcribe.cpp 또는 바인딩으로 다른 언어에서 견고한 서버를 만들어 주길 바람. 완성되면 메인 프로젝트에서 직접 연결할 의향도 있음