ScreenVoicer

ScreenVoicer — легка програма для Windows і macOS, що живе в треї (на Mac — у рядку меню): робить знімок екрана, дає швидко його розмітити, записує голосовий коментар (розпізнається онлайн через сервер ScreenVoicer — Cloudflare Workers AI, whisper-large-v3-turbo; без інтернету — локально через Whisper) і копіює в буфер обміну готовий Markdown для баг-репорту чи AI-асистента.

[C:\AI_Screenshots\screenshot_20261009_141611_139.png]
**Comment:** Кнопка «Зберегти» не реагує, якщо змінити email і одразу натиснути Enter.

macOS: та сама програма й той самий вигляд, macOS 14 або новіший. Як встановити й дати дозволи — у mac/README.md.

---

🚀 Можливості

• Клік по іконці в треї (на Mac — у рядку меню) одразу робить знімок; меню — правим кліком. У Windows 11 іконка сама стає видимою на панелі завдань, а не ховається за «^».
• Гаряча клавіша (типово Alt + Shift + S, змінюється в треї: натиснув комбінацію — і готово, зайняті програма відхиляє) — миттєвий знімок монітора під курсором у рідній роздільності (коректно працює з різним масштабом на кількох моніторах).
• Виділення області із затемненням усього навколо та розміром у пікселях; повторне перетягування поза областю — нове виділення; білі квадратики на кутах і сторонах рамки підправляють область, не виділяючи її заново. Або режим «Весь екран».
• Розмітка: олівець, маркер, стрілка, рамка, текстові підписи (кольорова плашка, читається на будь-якому фоні; подвійний клік — редагувати, перетягування — перемістити), нумеровані мітки 1-2-3 (зручно пояснювати голосом по пунктах), «Приховати» (обведіть пароль, пошту чи обличчя — під рамкою лишаться великі квадрати, прочитати неможливо), гумка; 6 кольорів, 3 розміри; Ctrl+Z / Ctrl+Y для всього, включно з переміщенням і правками тексту.
• Голос: затисніть Пробіл і говоріть, або коротко натисніть Пробіл / клацніть мікрофон — запис іде, доки не натиснете ще раз. Працює і коли курсор у полі коментаря (короткий Пробіл друкує пробіл, утримання — записує). Текст з'являється наживо, після зупинки уточнюється; кілька фрагментів дописуються один за одним, ручні правки не губляться.
• Одна компактна панель згори: режим, інструменти й палітра (розкриваються при наведенні), мікрофон, поле коментаря, зберегти — на «склі» з розмиттям; панель сама переїжджає вниз, якщо виділена область під нею.
• Розпізнавання голосу: фінальний текст іде на share-worker/ (POST /api/transcribe, Workers AI @cf/openai/whisper-large-v3-turbo, мова визначається сама; якщо модель почула російську, сервер переробляє українською). Безкоштовний ліміт Workers AI — 10 000 «нейронів» на день (≈ 3,5 години мовлення для всіх разом); коли його вичерпано або немає інтернету, програма розпізнає локально (Whisper.net, модель на диску), текст під час розмови більше не показується (локальна модель надто часто помилялась). Сервер спершу розпізнає через Groq (GROQ_API_KEY, безкоштовний ключ console.groq.com; повна модель whisper-large-v3, ≈2 000 запитів і 8 годин мовлення на день): мова визначається сама, а все, що не українська й не англійська, переробляється українською. Якщо на сервері заданий секрет GEMINI_API_KEY (безкоштовний ключ Google AI Studio), сервер спершу розпізнає через Google Gemini (GEMINI_MODEL, за замовчуванням gemini-flash-latest) і лише при помилці чи вичерпаному ліміті — через Whisper. Вибору мови й моделі в треї більше немає.
• Enter — вікно зникає одразу, PNG зберігається у фоні, у буфер потрапляють Markdown, сам файл і картинка (вставляється і в термінал, і в Slack/Telegram/браузер).
• Галерея — пошук по коментарях, копіювання, перетягування знімка мишкою прямо в чат, видалення.
• Коментар у метаданих PNG — він записується в сам файл (iTXt «Description» і XMP dc:description). Людям його не видно: месенджери, що стискають фото, його стирають, а AI-чати читають лише пікселі. Це службова річ (галерея, завантаження зі сторінки посилання), на сайті її не обіцяємо.
• Посилання — позначте один чи кілька знімків у галереї й отримайте одне посилання на 30 днів (видалити можна будь-коли). Сторінка — це великі знімки з коментарем-підписом, а кількість, термін дії й загальні кнопки зібрані в тонкій смужці вгорі; кілька знімків ідуть кроками 1, 2, 3. Там є «Копіювати» (знімок разом із коментарем), «Завантажити» (PNG з коментарем усередині), «Завантажити все» (ZIP) і «Копіювати для AI» (Markdown із посиланнями на знімки). Месенджери показують прев'ю: зверху знімок, під ним коментар — програма сама малює коментар у картинку прев'ю, тож текст не повторюється. Для AI-агентів є /s/<id>.md і /s/<id>.json. Сервер: share-worker/ (Cloudflare Worker, безкоштовний тариф).
• Скляне меню трею (правий клік по іконці): знімок, галерея, мікрофон із прослуховуванням запису, мова в один клік, модель розпізнавання, відеокарта й CUDA, гаряча клавіша, автозапуск і стан голосу.
• Таймер у панелі знімка: кнопка з годинником → 3, 5 або 10 с. Вікно ховається, іде відлік, і екран знімається заново, тож встигнете відкрити меню чи навести мишу на підказку.

🧠 Моделі розпізнавання

Час на фразу 4–7 с (GeForce GTX 1650 / Core i5-10400F):

Модель	Розмір	Відеокарта (CUDA / Vulkan)	Процесор	Коли обирати
Швидка — base	141 МБ	0,3 с	1,3 с	слабкий ПК без відеокарти
Точна — small	181 МБ	0,7 с	4,2 с	слабша відеокарта або потрібна швидкість
Дуже точна — turbo	547 МБ	2,8 / 3,3 с	дуже повільно	відеокарта AMD / Intel (large-v3-turbo)
Максимальна — large	1031 МБ	3,5 / 8 с	дуже повільно	рекомендовано з NVIDIA + CUDA: найкраще розуміє нечітку вимову (large-v3)

На записі з нечіткою вимовою large розпізнав фразу без помилок, turbo помилився в одному слові, small — майже в кожному.

Прискорення NVIDIA CUDA (для локального запасного розпізнавання; у треї більше не пропонується): збірка Whisper.net з CUDA, яку раніше можна було завантажити окремо.

Перший запуск через Vulkan компілює шейдери (~25 с, один раз): у цей час розпізнавання вже працює на процесорі, а потім само переходить на відеокарту. Якщо драйвер відеокарти колись «впаде», програма помітить це під час наступного запуску і перемкнеться на процесор.

⌨️ Клавіші у вікні знімка

Клавіша	Дія
Alt + Shift + S або ваша	Зробити знімок (глобально)
Клік по іконці в треї	Зробити знімок; правий клік — меню
Миша	Виділити область
Затиснути Пробіл	Голосовий коментар, поки тримаєте
Коротко Пробіл або клік по мікрофону	Почати / зупинити запис без утримання
Enter	Зберегти PNG і скопіювати Markdown (у текстовому підписі — завершити підпис)
Shift + Enter	Новий рядок у коментарі чи підписі
Esc	Скасувати (під час запису — викинути цей фрагмент; у полі коментаря чи підписі — вийти з поля)
P H A R T N B E	Олівець, маркер, стрілка, рамка, текст, мітка 1-2-3, «Приховати», гумка
1–6, [ ]	Колір, товщина / розмір тексту й міток
Ctrl + Z / Ctrl + Y	Скасувати / повторити
Shift під час малювання	Стрілка під кутом 45°, рамка-квадрат
Гумкою по підпису, мітці чи прихованому	Видалити його
Тягнути квадратик на рамці	Підправити область

🩺 Якщо щось не працює

• Голос не розпізнається / «повна тиша» — у треї → «Мікрофон» оберіть справжній мікрофон. Системний мікрофон за замовчуванням іноді віртуальний (наприклад, Steam Streaming) і передає лише тишу.
• Розпізнає «абракадабру» / «Мікрофон звучить глухо» — програма сама міряє, чи доходять до неї високі частоти голосу (приголосні). Послухайте себе: ▾ біля мікрофона (або трей → «Мікрофон») → «Прослухати останній запис». Якщо звучить глухо, «як через подушку» або дуже тихо, жодна модель цього не розбере, тож перевірте підключення. Найчастіша причина: гарнітура від телефона з одним штекером на 4 контакти, вставлена в рожеве гніздо ПК. Тоді комп'ютер записує динамік навушника, а не мікрофон. Потрібен перехідник-розгалужувач (1×4-pin → 2×3-pin) або USB-мікрофон/гарнітура. Також допомагає тримати мікрофон ближче до рота.
• Журнал: %LOCALAPPDATA%\ScreenVoicer\logs\screenvoicer.log.
• Розпізнавання повільне — у треї → «Модель розпізнавання» перевірте, що увімкнено «Використовувати відеокарту» і в статусі видно назву відеокарти. Без відеокарти оберіть «Швидка — base».
• Самоперевірка збірки: ScreenVoicer.exe --selftest [--model large] [--cpu] [--lang en] speech.wav (WAV 16 кГц, моно) — завантажує модель так само, як програма, і друкує, де вона працює, результат і час розпізнавання.
• Дані: налаштування, історія і модель — у %APPDATA%\ScreenVoicer\, скриншоти — у C:\AI_Screenshots\ (або Зображення\AI_Screenshots, якщо в корінь диска писати не можна).

🎨 Бренд «Tally»

Знак програми — помаранчева плитка, що світиться, як лампа «запис» на камері, з темними кутами кадру й білою капсулою мікрофона. Це один малюнок для всіх розмірів, від трею (16 px) до іконки програми. Уся програма в темному склі з одним теплим акцентом:

Роль	Колір
Акцент (лампа, «Зберегти», активні елементи)	#FF8A4C → #FFC68A
Тло вікон / поверхні	#0F0F13 / #17171D
Текст / другорядний текст	#F3F3F6 / #9D9DAA
Запис голосу	#FF4D5E

• Скло: активна кнопка — легкий теплий відтінок, відблиск згори вниз і світлий обідок. Головна дія — помаранчеве скло зі світінням, запис — червоне. Усі токени й стилі лежать в App.xaml.
• Іконки: власний лінійний набір (сітка 24, круглі закінчення, та сама геометрія, що й кути знака). Це геометрії Icon.* в App.xaml, малює їх Views/GlyphIcon.
• Лого — векторне (BrandMark в App.xaml). Файли Resources/AppIcon.ico (16–256 px) і AppLogo.png згенеровані з нього. Для сайту й соцмереж є branding/logo.svg і logo-512.png, а дошка напрямів бренду — у branding/brand-board.html.
• Лендінг — landing/index.html разом із картинками в landing/img. Це статична сторінка, її можна викласти на будь-який хостинг (GitHub Pages, Netlify). Кнопка «Завантажити» поки має позначку «скоро»; щоб її увімкнути, замініть aria-disabled на справжнє посилання на інсталятор.

🛠️ Структура

ScreenVoicer/
├── App.xaml(.cs)              # трей, один екземпляр, автозапуск, глобальні помилки; бренд: кольори, скло, іконки, лого
├── app.manifest               # Per-Monitor V2 DPI, сучасні системні діалоги
├── Native/User32.cs           # гаряча клавіша, позиціювання/активація вікон, DWM
├── Services/
│   ├── ScreenCaptureService   # знімок монітора під курсором
│   ├── AudioRecorderService   # запис 16 кГц моно (WinMM), вибір мікрофона за назвою
│   ├── WhisperTranscriptionService  # моделі, CPU→GPU (CUDA / Vulkan), перемикання без перерви, превʼю/фінал
│   ├── CudaPack               # необовʼязкове прискорення NVIDIA CUDA (завантаження з перевіркою SHA-256)
│   ├── WhisperModels          # каталог моделей (base / small / turbo / large)
│   ├── SpeechTextUtils        # детектор тиші, доповнення коротких фраз, фільтр «галюцинацій»
│   ├── ImageCompositorService # шар анотацій у рідній роздільності, кроп, PNG
│   ├── ClipboardService       # Markdown + файл + картинка в буфер
│   ├── HistoryService         # history.json (атомарний запис, резервна копія при пошкодженні)
│   ├── NotificationService    # стек сповіщень
│   ├── HotkeyService, HotkeyGesture  # глобальна гаряча клавіша та її розбір/показ
│   ├── SettingsService, StartupManager, Log, SelfTest
└── Views/
    ├── OverlayWindow          # вікно знімка: виділення, розмітка, текст, мітки, голос
    ├── GalleryWindow          # галерея
    ├── HotkeyWindow           # «натисніть нову комбінацію»
    ├── TrayMenuWindow         # скляне меню трею
    ├── ToastWindow, CountdownWindow
    └── GlyphIcon              # лінійні іконки бренду
branding/                      # лого (SVG/PNG), дошка напрямів бренду
landing/                       # статичний лендінг

📦 Збірка

dotnet build
dotnet run

Один самодостатній .exe (без встановленого .NET):

dotnet publish -c Release -o ./publish

Інсталятор: відкрийте installer.iss в Inno Setup 6 і зберіть — він додає автозапуск з ключем --autostart (без відкриття галереї при вході в систему).