Canonical выпустила для установки технологическую предварительную версию Myna — инструмента на базе ИИ для преобразования речи в текст на рабочем столе Ubuntu.
Myna использует локальную модель автоматического распознавания речи (ASR). С её помощью можно диктовать в любое текстовое поле: в текстовом редакторе, браузере, строке поиска GNOME Shell и даже в терминале.
Инструмент можно тестировать в Ubuntu 24.04 LTS, 26.04 LTS и 26.10. Для этого нужна стандартная среда GNOME с Wayland. Canonical планирует добавить поддержку других сред рабочего стола в последующих выпусках.
Представитель Canonical Жан-Батист Лаллеман говорит, что функция пока находится на раннем этапе разработки, но уже «готова к тестированию сообществом».
Как работает Myna
В состав входят основной модуль-координатор Myna (myna), графическая программа настройки (myna-config) и устанавливаемая как snap-модуль модель ИИ. Пользователь назначает сочетание клавиш, нажимает его, когда текстовое поле в фокусе, диктует текст и снова нажимает клавишу. Распознанный текст появляется в поле.
Аудио обрабатывается в оперативной памяти, а затем удаляется. Оно не сохраняется и не отправляется для обучения моделей.
Если целевое поле теряет фокус — например, пользователь щёлкает в другом месте или поверх открывается другое приложение, — надиктованный текст пропадает. Это предотвращает его случайную вставку не туда, куда нужно.
В предварительной версии доступны три модели распознавания речи с открытыми весами: Parakeet от Nvidia, Whisper от OpenAI и Funasr от Alibaba. Некоторые модели работают на процессоре, другие могут использовать графический процессор; кроме того, они различаются качеством распознавания речи на языках, отличных от английского.
Возможности и ограничения
Myna работает на устройстве и интегрирована с Ubuntu. По оценке автора исходного обзора, инструмент справляется с задачей довольно хорошо, хотя уступает Rambler — облачной технологии распознавания речи Google для Android и ноутбуков Googlebook.
Стабильной Myna пока не стала: Canonical продолжает её активно разрабатывать, поэтому функции могут меняться, переставать работать или развиваться. Также планируется добавить другие модели для транскрибирования речи.
Сейчас Myna — инструмент для диктовки, а не голосовой помощник. Возможность нажать горячую клавишу и попросить систему выполнить действие, как при использовании Siri в macOS, пока остаётся лишь предположением.