Allt i en app

Din röst lämnar aldrig din dator.

Den meningen är hela förslaget, och den gäller. Tre saker når nätverket – endast vid: en licenskontroll vid lansering, en uppdateringskontroll vid lansering, samt när du själv laddar ner modellen. Inget ljud, inget text, aldrig.

• Ingen ljud. Ingen text. Aldrig.
• När modellerna finns på din disk och uppdateringskontrollen är avstängd sänds ingenting ut alls.
• Ingen nätverk, inget problem.

Kör på den laptop du redan har

Ingen arbetsstation krävs. Den lilla modellen fungerar med vilken 4 GB-grafikkort som helst, och hela systemet kan även fungera utan grafikkort alls – det krävs 8 GB RAM, en fyra-kärnig x86_64-processor och 5 GB på disk.

• NVIDIA — Vulkan 1.2+ GPU:er
• AMD — Vulkan 1.2+ GPU:er
• På Linux levereras det som en enda portabel fil utan att något behöver installations.
• På Windows är det en vanlig installerare som inte kräver administratörrättigheter.

Trettio språk, tjugo två kinesiska dialekter, på din dator

Det transkriver på trettio språk och känner igen tjugo två kinesiska regionaldialekter på egen hand, utan att behöva veta vilken det är som tals.

Allt körs på din dator, utan avgifter per minut och utan behov av att ladda upp något.

Översättning till 38 språk – nytt i v2.0.0

Översättning till trettioåtta språk – nytt i v2.0.0

• Tal polska, få engelska. Tal engelska, få japanska.
• Säg det en gång och låt det skrivas ut på engelska, japanska, franska och spanska samtidigt – ett per rad, eller sida vid sida i samma rad, så många mål språk som du vill.
• Översättningen kan konkurrera med molnjätternas lösningar. Driven av Tencents Hunyuan MT2 uppnår den en kvalitetsnivå på 97,9% jämfört med Google Gemini 3.1 Pro på FLORES-200-benchmätningsprovet, och överträffar dess i översättning av verkliga texter samt språk som tillhör minoriteter.
• Undertitlar också – vanlig text eller SRT, tidsstämplade per mening, eller ord för ord när du behöver göra exakt justeringar.
• Och att översätta en undertitelfil behåller all tidsstämpning intakt.

Din maskin, din val

Två modellstorlekar – ett val snarare än olika nivåer: den mindre för laptopar och integrerade grafikenheter, den större för högkvalitativ eller högljudd ljud. Du kan byta när som helst. Och transkribering samt översättning använder var sin egen processor, så en kan köras på grafikkortet medan den andra körs på CPU:n.

• Liten — för laptoper och integrerade grafikenheter
• Stort — för accentuerad eller bullrig ljudsignaler

Valfria tillägg laddas ner på begäran från Inställningar → Modeller: Forced Aligner (~540 MB) för tidsstämplar på ordnivå, Hunyuan MT2 Fast (~1 GB) eller Kvalitet (~4,3 GB) för översättning.

Brusreducering

Ljudreducering finns till för inspelningar gjorda i ett bullrigt rum.

• Det är avstängt som standard, eftersom det mättes för att göra korta, renheta mikrofonklipp sämre.
• Stäng på det när rummet är ljudstarkt.
• Lämna det bort om din inspelning är bra.
• Avstängd som standard – växla per inspelning eller alltid på

Det lär sig av de korrekteringar du redan gör.

De flesta röstappar ber dig att läsa exempelmeningar. Den här tränas på de justeringar du redan gör: korrigera ett felhört ord och den korrigeringen blir exemplet.

• Inga provinspelningar, inget hemuppgift.
• Träning i en klick
• Körar på din egen hårdvara
• Den nya modellen är redo att användas när den är färdig.
• Inga inspelningssessioner
• Ingen “Vänligen upprepa följande paragraf”.
• Bara din röst, och de justeringar du ändå tänkte göra.

Tangentbordet som lyssnar

Skriv var som helst där cursoren befinner sig – i redigeraren, terminalen, en chattruta, ett formulär, vilket fält som helst som tar emot inmatning från tangentbordet. Och om du vill skriver den översättningen istället för transkriptionen: säg det på polska, och texten på engelska kommer att visas på sidan.

• Mikrofonen
• Ett ljud- eller videifil
• Ljudet som spelas via dina högtalare
• Fungerar med alla textfält, redigerare, terminaler eller chattar
• X11 och Wayland på Linux, native inmatning på Windows

Dina ord, stavelade på din sätt

Varumärken, jargong, kollegors namn. Anslut dem en gång och de kommer inte längre att stämmas fel. Samma lista styrer både transkriptionen och översättningen, så ett namn lokaliseras aldrig av misstag. Rätta ett felhört ord en gång och det blir träningsdata – du ombeds aldrig läsa ut det för övning.

• Lägg till termer i Inställningar – en per rad
• Förbättrar igenkänning av egennamn och förkortningar
• Bevarar varumärken och tekniska termer i översättningar
• Ingen omträning behövs – tillämpas vid inferens

Agenten får öron.

Ge din AI-agent möjlighet att lyssna. Genom MCP kan den transkribera, översätta och spela in ett möte av vilken längd som helst, på din dator, utan API-nyckel.

• Transkribera ljud- och videofiler, mikrofoninspelningar eller systemljud
• Översätt text, SRT eller VTT (tvåspråkigt läge stöds)
• Växla ASR- eller MT-komputationen i realtid
• Lista och byt personliga röstprofiler
• Läs/skriv alla appinställningar från agenten

En tre timmar lång samtal skiljer sig inte från ett tre minuter långt – det finns inget att hålla koll på, och om du glömmer att det spelas in går inget förlorat: det avslutas av sig självt och sparar transkriptet för dig.