Dicta AI

Dictée vocale pour macOS : une vraie app (Dock + barre de menus). Appuyez deux fois sur fn, parlez, appuyez une fois sur fn (ou maintenez fn pendant que vous parlez) : Whisper transcrit en local, un LLM fait un nettoyage léger (euh, répétitions, « trois, enfin non quatre » → « quatre »), puis le texte est collé dans l’app active (navigateur, ChatGPT, Claude, Cursor…).

C’est un correcteur de parole, pas un co-auteur : il n’invente rien et ne répond pas à ce que vous dictez.

Prérequis

• Mac Apple Silicon, macOS 14 ou plus récent (testé sur M4 / macOS 26)
• Node.js 22+ (par exemple dans ~/.local/node/bin, à ajouter au PATH)
• Xcode Command Line Tools (xcode-select --install) et git
• Pas besoin de Homebrew : si cmake est absent, le script l’installe avec pip --user

Installation (app dans /Applications)

export PATH="$HOME/.local/node/bin:$PATH"
npm install
npm run setup:whisper          # une fois : compile whisper.cpp (Metal) + télécharge large-v3-turbo-q5_0 (≈ 550 Mo)
# ou : npm run setup:whisper:small   (modèle small, ≈ 470 Mo, un peu moins précis)
npm run install-app            # build → « Dicta AI.app » → /Applications, épinglée dans le Dock, puis lancée

npm run install-app :

• compile et empaquette l’app (npm run dist → dist-app/mac-arm64/Dicta AI.app, signée ad hoc) ;
• remplace /Applications/Dicta AI.app (en quittant d’abord l’ancienne version si elle tourne) ;
• ajoute l’icône au Dock de façon permanente si elle n’y est pas encore ;
• ouvre l’app.

Les binaires whisper-cli / whisper-server sont embarqués dans l’app (Contents/Resources/bin). Le modèle Whisper reste dans ~/.dicta-ai/models/ (non embarqué). npm run dist:dmg produit en plus un .dmg dans dist-app/.

Premier lancement : l’onboarding

Au premier lancement, la fenêtre Dicta AI s’ouvre sur l’onboarding :

1. Micro : bouton « Autoriser le micro » (popup macOS).
2. Accessibilité : bouton « Ouvrir les Réglages », puis cochez Dicta AI dans Réglages Système › Confidentialité et sécurité › Accessibilité. L’écran passe au vert tout seul, et le raccourci passe en mode « maintenir » sans redémarrage.
3. Raccourci : fn ×2 par défaut (⌥ Espace en alternative). Le bouton « Régler pour moi » met « Appuyer sur 🌐 pour » sur « Ne rien faire » (sinon fn ouvre les emoji / la Dictée Apple). Puis moteur IA (local Ollama et/ou clés cloud gratuites), essai.

Ensuite, la fenêtre devient le hub (Accueil, Dictionnaire, Style, Réglages). Fermer la fenêtre ne quitte pas l’app : elle reste dans la barre de menus avec la pastille. Un clic sur l’icône du Dock (ou « Ouvrir Dicta AI » dans le menu de la barre) rouvre la fenêtre. « Revoir l’onboarding » est dans Réglages.

L’app est signée ad hoc : chaque réinstallation change sa signature, et macOS peut redemander Micro / Accessibilité. Dans ce cas, retirez l’ancienne entrée « Dicta AI » de la liste Accessibilité (bouton −) puis réactivez-la.

Où vont les clés API et les données

Fichier	Contenu
~/.dicta-ai/config.json (chmod 600)	réglages + clés (providers.gemini.apiKey, providers.groq.apiKey, providers.openrouter.apiKey), saisies dans Réglages ou l’onboarding
~/.dicta-ai/history.json	20 dernières dictées + compteurs (mots, série de jours) ; effaçable depuis le hub
~/.dicta-ai/models/	modèles Whisper
~/.dicta-ai/dicta.log	journal (ollama.log si l’app a lancé Ollama)

Pour obtenir des clés gratuites, voir docs/API_KEYS.md.

Ollama (nettoyage 100 % local)

Si Ollama ne tourne pas au démarrage, l’app lance elle-même ollama serve (binaire cherché dans ~/.local/ollama/ollama, /Applications/Ollama.app, puis le PATH), avec OLLAMA_KEEP_ALIVE=30m, et l’arrête en quittant (seulement si c’est elle qui l’a lancé). Le modèle par défaut gemma4:e4b se télécharge depuis l’onboarding.

Lancer au démarrage

Option « Lancer au démarrage » dans Réglages (élément d’ouverture macOS ; actif seulement pour l’app installée).

Développement

npm run dev                    # compile puis lance depuis le dépôt (sans empaqueter)

npm run build compile seulement (dans dist/), et npm start lance la dernière version compilée. En développement, macOS attribue les permissions à l’app qui lance le processus (Terminal, iTerm, éditeur) : c’est elle qu’il faut cocher.

Permissions macOS

Permission	Pourquoi
Micro	capturer la voix
Accessibilité	savoir quand le raccourci est relâché (push-to-talk) et simuler ⌘V

Sans Accessibilité, l’app reste utilisable en mode dégradé : le raccourci fonctionne en bascule (un appui pour démarrer, un pour arrêter) et le texte est copié dans le presse-papiers (collez avec ⌘V).

Utilisation

1. Placez le curseur là où le texte doit aller.
2. Appuyez deux fois sur fn (mains libres) et parlez, ou maintenez fn pendant que vous parlez. La pastille affiche « J’écoute… » et le texte transcrit au fil de l’eau.
3. Un appui sur fn (ou relâchez fn) : le texte propre est collé. Échap annule.

La touche fn est lue par un petit helper natif (dicta-fnwatch, CGEventTap) qui a besoin de l’Accessibilité. Sans elle, ⌥ Espace reste disponible en mode bascule.

Votre presse-papiers d’origine est restauré environ 400 ms après le collage.

Menu de la barre :

• état actuel ;
• Ouvrir Dicta AI ;
• raccourci actif ;
• option « Presse-papiers seulement » ;
• journal ;
• Réglages… (ouvre le hub sur Réglages) ;
• Quitter.

Réglages

Dans le hub, Réglages regroupe : raccourci, mode d’insertion, langue, modèle Whisper, fournisseurs LLM et leurs clés, niveau de nettoyage, lancement au démarrage. Tout est enregistré dans ~/.dicta-ai/config.json (clés plates, par exemple "general.shortcut": "Control+Alt+Space"), fichier partagé avec le routeur LLM.

Nettoyage LLM

Le routeur essaie les fournisseurs dans cet ordre : Gemini Flash-Lite, puis Groq, puis OpenRouter, puis Ollama en local. Si aucun ne répond, le texte brut de Whisper est inséré tel quel. Pour obtenir des clés gratuites, voir docs/API_KEYS.md.

Performances mesurées (M4, 16 Go)

Mesures faites sur une phrase de 7,2 s (voix say -v Thomas) avec le modèle large-v3-turbo-q5_0 :

Configuration	Durée de transcription
whisper-server persistant, chaud (utilisé par défaut)	≈ 1,1 s (de 1,6 à 2,3 s si le GPU est occupé, par exemple par Ollama)
whisper-cli (repli), à chaud	≈ 1,4 à 1,6 s, dont ≈ 0,2 s de chargement du modèle
whisper-cli, démarrage à froid	jusqu’à 7 à 8 s : c’est la raison du serveur persistant
Nettoyage par Ollama gemma4:e4b en local	≈ 0,5 s (p50), 1,6 s (p90, dictées longues)

Le serveur Whisper garde environ 600 Mo en mémoire tant que l’app tourne.

Dépannage

• Journal : ~/.dicta-ai/dicta.log, accessible aussi par le menu « Ouvrir le journal ».
• Self-test sans micro ni clavier :

  DICTA_NO_PROMPT=1 DICTA_SELFTEST=/chemin/test.wav npx electron .
  

  Il transcrit, nettoie, capture l’overlay et la fenêtre principale, puis quitte. Pour produire un fichier de test :

  say -v Thomas "Bonjour…" -o t.aiff && afconvert -f WAVE -d LEI16@16000 -c 1 t.aiff t.wav
  

• Erreur tapi error: unknown architecture arm64e.x1 au build de whisper.cpp : le SDK des CLT est plus récent que le linker. Le script force alors le SDK MacOSX26.sdk. Vous pouvez aussi définir vous-même SDKROOT=/Library/Developer/CommandLineTools/SDKs/MacOSX26.sdk.
• fn ouvre les emoji ou la Dictée Apple : Réglages › Touche 🌐 › « Régler pour moi » (ou Réglages Système › Clavier › « Appuyer sur 🌐 pour » → Ne rien faire).
• Accessibilité cochée mais non reconnue (ancienne installation) : onboarding › Accessibilité › « Réparer l’autorisation ». Depuis cette version, la signature a une exigence stable (identifiant) : les autorisations survivent aux réinstallations.
• Latence : chaque dictée écrit une ligne timing dans le journal (fin de parole → relâchement → whisper → LLM → collage). Bench reproductible : node --experimental-strip-types scripts/bench-latency.ts a.wav b.wav.

Structure

src/main/       process principal Electron (fenêtre principale, Dock, barre de menus, raccourci, pipeline, whisper, Ollama, historique, insertion, overlay)
src/renderer/   capture micro (fenêtre cachée, AudioWorklet → WAV 16 kHz mono) + pages de repli
src/llm/        routeur LLM (cleanTranscript) et prompt
src/shared/     types partagés
design/         fenêtre principale (app/), overlay, réglages (HTML autonomes), copiés dans dist/ au build
assets/         icônes (barre de menus : *Template.png)
scripts/        build.mjs, setup-whisper.sh, make-icns.sh, after-pack.cjs (signature ad hoc), install-app.sh