Lahat ng nasa loob Isang App

Kumpletong Pagkapribado

Bawat salitang binibigkas mo ay napoproseso sa iyong aparato. Walang audio, teksto, o metadata ang naipapadala kahit saanman. Walang cloud backend, walang telemetry, walang analytics, at walang phone-home.

• Walang mga tawag sa network habang isinasagawa ang transkripsyon
• Mga modelo na nakaimbak nang lokal matapos ang isang beses na pag-download
• Engine na open-source na Qwen3-ASR — ganap na maaaring suriin

Pagpapabilis sa pamamagitan ng GPU

Ginagamit ng Brethof Voice Pro ang engine na optimized para sa GGUF kasama ang llama.cpp upang makamit ang napakabilis na pagproseso. Sumusuporta ito sa lahat ng tatlong pangunahing tagagawa ng GPU nang walang karagdagang setting.

• NVIDIA — Pagpapabilis sa pamamagitan ng Vulkan (GTX 10-series at mas bago pa)
• AMD — Pagpapabilis sa pamamagitan ng Vulkan (RX 500-series at mas bago pa)
• Intel — Pagpapabilis sa pamamagitan ng Vulkan (Arc GPUs at integrated graphics)
• Alternatibong CPU — gumagana nang wala ang GPU, mas mabagal lamang

Transkripsyon nang offline — 30 wika + 22 diyalekto ng Tsino

Pinapatakbo ng Qwen3-ASR sa pamamagitan ng llama.cpp. Piliin ang tiyak na wika para sa pinakamataas na katumpakan, o hayaan ang engine na awtomatikong makilala ito. Nananatili ang bawat salita sa iyong aparato.

Kasama rin ang 22 diyalekto sa Tsina (Anhui, Dongbei, Fujian, Henan, Hunan, Shandong, Sichuan, Wu, Minnan, at iba pa) na awtomatikong kinikilala kapag ang wika ay itinakda sa Tsino o sa mode ng awtomatikong pagtukoy.

Pagsasalin Offline — 38 Wika Bagong tampok sa v2.0.0

Isalin ang anumang transkripsyon, output mula sa voice-keyboard, plain text, o subtitle file — nang buo sa iyong makina. Pinapatakbo ng Tencent Hunyuan MT2Sa FLORES-200 (XCOMET-XXL), umabot sa pinakamataas na antas ng kalidad ang sistema. 97.9% ng Google Gemini 3.1 Pro at ang kompakto nitong Fast tier ay 89.9%, at nalalampasan nito ang Gemini 3.1 Pro sa totoong sitwasyon (WildMTBench) at sa pagsasalin ng mga wika ng minorya.

• I-transkribuhin at i-ibahin ang wika — Pumili ng wika na nais gamitin sa pop-up na Transcribe; ang ASR ang gagawa ng transkripsyon, ang MT naman ang magtatagalog, at pareho ay ipapakita nang magkatabi.
• Pagsasalin ng keyboard para sa boses — magsalita, pumili ng mga target mula sa grid na may 3 kolum para sa wika, ang keyboard ang magta-type ng salin
• Tagasalin ng subtitle — Mga file na SRT/VTT sa alinman sa 38 wika, na may opsyonal na mode na bilinggwal (orihinal + salin sa bawat cue)
• Dalawang antas ng modelo — Mabilis (~1 GB) – mas mababa sa isang segundo sa CPU o GPU; Mataas na kalidad (~4.3 GB) – mas mababa sa isang segundo sa GPU
• Independenteng tagapili ng aparato — isagawa ang ASR sa Vulkan 0, ang pagsasalin sa Vulkan 1, o pareho sa CPU

Dalawang Laki ng Modelo

Pumili ng balanse sa pagiging tumpak, bilis, at VRAM na angkop sa iyong aparato. Pareho silang gumagamit ng parehong Qwen3-ASR architecture; maaari kang magpalit anumang oras sa Settings → Models.

• 0.6B — Maliit, mabilis, gumagana sa mga integrated GPU o anumang card na may Vulkan at 4 GB o higit pa. Inirerekomendang default para sa mga laptop.
• 1.7B — Mas malaki ang sukat at mas mataas ang katumpakan sa mga audio na may diin o ingay. Gumagana nang maayos sa VRAM na 6 GB+. Pinakamahusay sa mga bukas na solusyon sa ASR.

Maaaring i-download ang mga opsyonal na add-on ayon sa pangangailangan mula sa Settings → Models: Forced Aligner (~540 MB) para sa mga timestamp sa antas ng salita. Hunyuan MT2 Fast (~1 GB) o Kalidad (~4.3 GB) para sa pagsasalin.

Pagbawas ng ingay sa AI

Opsyonal na DeepFilter para sa pag-alis ng ingay sa mga rekord na ginawa sa maingay na kapaligiran — hindi aktibo nang default, i-activate ito mula sa pop-up na Noise. Ang hindi paggamit nito sa mga malinis na clip ng mikropono ay nakatutulong pa sa kalidad (maaaring sobra-sobrang prosesohin ng DeepFilter ang maikli at malinis na audio).

• Inaalis ang ingay sa likuran, tunog ng pagpindot sa keyboard, at echo sa silid.
• Maaaring i-configure ang antas ng pagbaba ng tunog
• Walang karagdagang hardware na kailangan.
• Off bilang default — i-toggle ayon sa bawat pagre-record o laging nakabukas

Pagsasanay sa Personal na Boses

I-adjust nang detalyado ang modelo gamit ang iyong sariling boses sa pamamagitan ng LoRA — tumatakbo ito nang end-to-end sa iyong aparato. Sa bawat pagwasto mo sa maling natukoy na salita, ang {clip, correction} na pares ay na-i-save sa iyong lokal na dataset para sa pagsasanay. Ang card ng pagsasanay sa pangunahing bintana ay nagpapakita agad ng kabuuang bilang ng mga sample at minuto na naitala — i-click ito upang buksan ang browser ng dataset, pagkatapos ay pindutin ang “Start training” sa tab na Training.

• Umangkop sa iyong accent, diyalekto, at ritmo ng pagsasalita.
• Awtomatikong na-save ang mga pagwawasto — patuloy lang gamitin ang app.
• LoRA fine-tuning — mabilis, epektibo, walang pangangailangan para sa buong muling pagsasanay
• Awtomatikong pagpili NVIDIA CUDA (cu128 PyTorch) o CPU backend
• Awtomatikong inililipat ang natrain na modelo sa GGUF kapag tapos na.
• Ang iyong datos ng boses ay hindi kailanman lumalabas sa iyong aparato.
• Libre para sa bawat bayad na lisensya

Keyboard na may Boses at Direktang Paglalagay ng Teksto

Pindutin ang hotkey, magsalita, at lalabas ang teksto kung saan man naroon ang cursor mo — parang keyboard. Gumagana ito sa mga browser, IDE, terminal, app para sa chat, kahit saanman na tumatanggap ng input mula sa keyboard ang text field.

• Default na hotkey F9 — maaaring i-configure, record kapag pinipindot o toggle
• Opsyonal na pagpapagana sa pamamagitan ng kanang button ng mouse para sa recording nang walang paghawak sa device
• Chip para sa real-time na pagsasalin — Magsalita sa isang wika, at ang keyboard ang maglilipat ng pagsasalin. Pumili ng isa o higit pang target mula sa 3-kolum na grid: isa bawat linya, nasa loob ng linya.EN: … || PL: …), o tanging unang target lamang.
• Gumagana sa anumang field ng teksto, editor, terminal, o chat.
• X11 at Wayland sa Linux, katutubong input sa Windows

Konteksto at Terminolohiya ng mga Hotword

Isang aparato, dalawang gamit. Makakatulong ito sa ASR Para sa mga pangngalang pantangi, pangalan ng tatak, at jargon — nagpapababa ito ng posibilidad na maling isalin ang “VFIO” bilang “VEAF1”. Ang parehong field ay nagsisilbi ring diksyonaryo ng terminolohiya sa pagsasalin — Panatilihing “Brethof Voice” ang pin para manatiling “Brethof Voice” sa bawat wikang target.

• Idagdag ang mga termino sa Mga Setting — isa bawat linya
• Pinapabuti nito ang pagkilala sa mga pangngalang pantangi at mgaabbreviation.
• Pinapanatili ang mga pangalan ng tatak at mga terminong teknikal sa pagsasalin.
• Hindi kailangan ng muling pagsasanay — ginagamit sa oras ng pagtatasa

MCP Server para sa mga AI Agent Mga planong may bayad

Ang parehong binary na nagpapatakbo sa GUI ay maaaring magamit bilang server para sa Model Context Protocol — 19 na tool na nagpapahintulot sa ASR at MT na magamit sa Claude Desktop, Claude Code, Cursor, Cline, o anumang MCP-compatible agent. Ang transportasyon nito ay sa pamamagitan ng stdio: walang port, walang firewall, at walang localhost binding. Ang agent ang namamahala sa buong lifecycle nito.

• I-transkribuhin ang mga file ng audio/video, mga rekord mula sa mikropono, o tunog ng sistema
• Isalin ang teksto, SRT, o VTT (sinusuportahan ang bilingual mode)
• Palitan ang device para sa pagproseso ng ASR o MT nang biglaan
• Ilista at palitan ang mga personal na profile ng boses
• Basahin/o isulat ang anumang setting ng app mula sa agent

Patakbuhin brethof-voice --mcp At ang ahente ay nakakonekta sa pamamagitan ng stdio. Kailangan ng bayad na lisensya — hindi maaaring patakbuhin ng mga user sa trial ang server.