Wszystko w jedna aplikacja

Twój głos nigdy nie opuszcza twojego komputera

To zdanie stanowi całą prezentację produktu i jest wystarczające. Do sieci trafiają trzy elementy, i to tylko wtedy: sprawdzenie licencji przy uruchomieniu, sprawdzenie aktualizacji przy uruchomieniu oraz pobranie modelu przez użytkownika. Żadnego dźwięku, żadnego tekstu – nigdy.

• Brak dźwięku. Brak tekstu. Nigdy.
• Gdy modele znajdą się na twoim dysku, działa bez żadnej sieci.
• Brak sieci, żaden problem.

Działa na laptopie, który już posiadasz

Nie wymaga stanowiska roboczego. Mała wersja działa na dowolnej karcie graficznej o pojemności 4 GB, a całość może funkcjonować nawet bez karty graficznej – wystarczy 8 GB pamięci RAM, procesor x86_64 z czterema rdzeniami oraz 5 GB miejsca na dysku.

• NVIDIA — Karty graficzne Vulkan 1.2+
• AMD — Karty graficzne Vulkan 1.2+
• W Linuxie dostępny jest jako jeden plik przenośny, bez konieczności instalacji niczego.
• W systemie Windows jest to zwykły instalator, który nie wymaga uprawnień administratora.

Trzydzieści języków, dwadzieścia dwa dialekty chińskie, na twoim urządzeniu

Potrafi transkrybować teksty w trzydziestu językach oraz samodzielnie rozpoznawać dwadzieścia dwa chińskie dialekty regionalne, bez konieczności podania informacji o tym, który z nich jest używany.

Wszystko to działa na twoim komputerze, bez opłat za minutę i bez konieczności przesyłania danych.

Tłumaczenie na 38 języków — nowość w wersji 2.0.0

Tłumaczenie na trzydzieści osiem języków — nowość w wersji 2.0.0

• Mów po polsku – dostaniesz angielski. Mów po angielsku – dostaniesz japoński.
• Powiedz to raz, a tekst zostanie wpisany jednocześnie po angielsku, japońsku, francusku i hiszpańsku — po jednym w każdej linii lub obok siebie w tej samej linii, tylu języków docelowych, ile chcesz.
• Tłumaczenie radzi sobie dobrze w konkurencji z gigantami chmurowymi. Wykorzystując silnik Hunyuan MT2 firmy Tencent, osiąga na teście FLORES-200 jakość na poziomie 97,9% w porównaniu z Google Gemini 3.1 Pro, a także przewyższa go w tłumaczeniach z praktycznego zastosowania oraz w językach mniejszościowych.
• Napisy również – tekst prosty lub w formacie SRT, zsynchronizowane z zdaniami, albo słowo po słowie, gdy potrzebna jest precyzyjna edycja.
• Tłumaczenie pliku napisów zachowuje całkowicie oryginalną synchronizację.

Twój sprzęt, twoja decyzja

Dwa rozmiary modeli – wybór, a nie poziom: mniejszy do laptopów i grafiki zintegrowanej, większy do dźwięku o wyraźniejszym brzmieniu lub głośniejszym dźwięku. Można je zmieniać w dowolnym momencie. Transkrypcja i tłumaczenie korzystają z oddzielnych procesorów, więc jedno może działać na karcie graficznej, podczas gdy drugie na procesorze CPU.

• Mały — dla laptopów i grafiki zintegrowanej
• Duży — dla nagrania z akcentem lub hałasem

Dodatkowe moduły pobierane na żądanie z Ustawienia → Modele: Forced Aligner (~540 MB) dla znaczników czasu na poziomie słów, Hunyuan MT2 Fast (~1 GB) lub Jakość (~4,3 GB) na potrzeby tłumaczenia.

Redukcja szumów

Redukcja hałasu służy do nagrań dokonywanych w hałaśliwym pomieszczeniu.

• Domyślnie jest wyłączone, ponieważ zostało tak ustawione, aby pogorszyć jakość krótkich, czystych nagrań mikrofonowych.
• Włącz to, gdy w pomieszczeniu jest głośno.
• Pomij to, jeśli twoje nagranie jest w porządku.
• Wyłączone domyślnie — przełączanie dla każdego nagrania lub tryb zawsze włączony

Uczy się na podstawie korekt, które już wprowadzasz.

Większość aplikacji do rozpoznawania mowy prosi o przeczytanie przykładowych zdań. Ta natomiast uczy się na błędach, które już popełniasz: poprawiasz źle usłyszane słowo, a ta poprawka staje się przykładem.

• Żadnych nagrań przykładowych, żadnego zadania domowego.
• Szkolenie – jeden kliknięcie
• Działa na twoim własnym sprzęcie
• Nowy model będzie gotowy do użycia po zakończeniu pracy obecnego.
• Brak sesji nagraniowych
• Brak „proszę powtórzyć następujący akapit”.
• Tylko twój głos i poprawki, które i tak zamierzałeś wprowadzić

Klawiatura, która słucha

Pisz w dowolnym miejscu, gdzie znajduje się Cursor – w edytorze, terminalu, oknie czatu, formularzu, w każdym polu przyjmującym dane z klawiatury. A jeśli chcesz, może wpisywać tłumaczenie zamiast transkrypcji: powiedz to po polsku, a tekst w języku angielskim pojawi się na stronie.

• Mikrofon
• Plik dźwiękowy lub wideo
• Dźwięk odtwarzany przez twoje głośniki
• Działa z każdym polem tekstowym, edytorem, terminalem lub czatem
• X11 i Wayland w systemie Linux, natywne wprowadzanie w systemie Windows

Twoje słowa, napisane twoim sposobem

Nazwy marek, żargon, imiona kolegów. Ustaw je raz i nie będą już błędnie wyświetlane. Ta sama lista kieruje transkrypcją i tłumaczeniem, więc nazwa nigdy nie zostanie przypadkowo zlokalizowana. Popraw słowo źle usłyszane raz – staje się ono danymi treningowymi; nigdy nie będzie cię proszono o jego odczytanie w celach ćwiczeń.

• Dodaj terminy w Ustawieniach — po jednym w linii
• Poprawia rozpoznawanie nazw własnych i skrótów
• Zachowuje nazwy marek i terminy techniczne w tłumaczeniach
• Nie jest potrzebne ponowne trenowanie — stosowane w czasie wnioskowania

Agent dostaje uszy

Daj swojemu agentowi AI możliwość słuchania. Dzięki MCP może on transkrybować, tłumaczyć i nagrywać spotkania dowolnej długości na twoim komputerze, bez klucza API.

• Transkrybuj pliki audio/wideo, nagrania z mikrofonu lub dźwięk systemowy
• Tłumacz tekst, SRT lub VTT (obsługiwany tryb dwujęzyczny)
• Przełączaj urządzenie obliczeniowe ASR lub MT w locie
• Wyświetlaj i przełączaj osobiste profile głosowe
• Odczyt/zapis dowolnego ustawienia aplikacji z poziomu agenta

Rozmowa trwająca trzy godziny nie różni się od tej trwającej trzy minuty – nie trzeba niczego pilnować, a jeśli zapomnisz, że nagrywa się, nic się nie straci: sama się zakończy i zachowa dla ciebie transkrypt.