Pular para o conteúdo
~/rafael-ferreira

fulltalk dev

Ditado push-to-talk 100% local, escrito em Rust

  • Rust
  • egui
  • ONNX Runtime
  • NVIDIA Parakeet
  • Wayland
  • AT-SPI
Capa do projeto fulltalk dev

Code is cheap, show me the talk. O fulltalk dev é um app de ditado para desenvolvedores: você segura Alt+S em qualquer aplicativo, fala em português e solta. A transcrição é colada no campo que está com foco, seja um editor, um terminal ou um chat. Tudo roda localmente, na CPU, e nada sai da sua máquina.

Três passos: segure Alt+S em qualquer app, fale e solte; o texto é colado no campo ou terminal com foco

O que ele faz

  • Segure para falar: atalho configurável em qualquer lugar do sistema, ou clique no microfone para começar e parar.
  • Cola onde você está: se um campo de texto ou terminal tem foco, a transcrição é colada ali (com Ctrl+Shift+V nos terminais Linux). Em qualquer outro lugar, vai para a área de transferência.
  • Últimas 5 transcrições a um clique, persistidas entre reinícios.
  • Sempre no topo, nunca no caminho: uma janela flutuante compacta que não rouba o foco e pode ser minimizada a um ponto na tela.
  • 100% local e offline depois do download único do modelo (~670 MB). Sem GPU.
  • Leve: um binário de ~40 MB, cerca de 0,8 GB de RAM (quase tudo é o modelo) e ~0% de CPU em repouso.

Sua voz não sai da máquina: o microfone alimenta um modelo rodando na CPU, sem nuvem

Performance

Medido num Intel i7-8550U (notebook de 2017, 4 núcleos), build de release:

Métrica

Valor

Latência de transcrição, 5 s de fala

≈ 0,5 s

Carga do modelo ao iniciar

≈ 3,5 s

Memória residente em repouso

≈ 800 MB

CPU em repouso

≈ 0%

Duas otimizações derrubaram o uso de memória de 1,5 GB: o modo lean do ONNX Runtime, que desliga o pre-packing de pesos (economiza ~450 MB por cerca de 12% a mais de latência), e um limiar de mmap fixo na glibc, que impede que centenas de MB de temporários do carregamento do modelo fiquem presos nas arenas de malloc por thread.

Arquitetura

O projeto segue ports and adapters, dividido em quatro crates:

  • fulltalk-core: máquina de estados da sessão, detecção do atalho, política de colar ou copiar, DSP de áudio, histórico e persistência. Sem I/O e sem unsafe, com 97 testes unitários e testes de propriedade.
  • fulltalk-asr: engine Parakeet e um instalador de modelo que verifica tamanho e SHA-256 de cada arquivo contra uma revisão fixada.
  • fulltalk-platform: adaptadores por sistema operacional (atalho global, detecção de foco, teclado virtual, clipboard).
  • fulltalk: o app em egui (controller, gravador, workers e interface).

Decisões que valem destaque

  • O fluxo é uma máquina de estados pura. Session::handle(Input) -> Vec<Effect> concentra todas as regras, cada uma testada sem áudio, modelo ou janela.
  • Colar é uma decisão deliberada. O app sonda o foco antes, sempre preenche o clipboard e só envia o atalho de colar quando sabe que há um campo de texto ou terminal com foco.
  • Wayland tratado como plataforma de verdade. Atalho via portal de global shortcuts do desktop (com fallback para evdev), janela sempre no topo via XWayland e colagem por um teclado virtual uinput.
  • Detecção de foco como um leitor de tela: eventos AT-SPI no Linux, UI Automation no Windows e AX no macOS, com busca limitada no tempo para que um app travado nunca trave o ditado.
  • Nada bloqueia a thread de UI: download, carga do modelo, inferência e entrega rodam em workers.

Roda em Linux (X11 e Wayland), Windows e macOS, instalado com um único comando por plataforma.

Galeria

Outros projetos

Capa do projeto Markmedi
markmedi.com · privado ★ destaque

Markmedi

Meu projeto principal: agenda, prontuário, telemedicina, financeiro, CRM e marketing para clínicas, num monólito modular em Laravel e Vue com filas, tempo real e criptografia por clínica.

  • Laravel
  • Vue 3
  • Inertia.js
  • TypeScript
  • Tailwind CSS
Capa do projeto Plataforma B2B para venda de ingressos e cursos
plataforma-b2b-ingressos-e-cursos · privado ★ destaque

Plataforma B2B para venda de ingressos e cursos

Plataforma B2B que vende ingressos e cursos, valida a entrada em eventos com QR assinado e check-in offline e deixa a empresa comprar licenças e acompanhar o progresso de cada colaborador.

  • Laravel
  • Vue 3
  • Inertia.js
  • TypeScript
  • Tailwind CSS