Nem tudok gépelni, ezért ingyenes, nyílt forráskódú diktálóalkalmazást készítettem Macre
Írta: Ryleigh Newman · Megjelent: · Frissítve:
A YapToText ingyenes, nyílt forráskódú diktálószoftver Macre. GPL licenc alatt jelent meg, a teljes Swift forráskódja a GitHubon van, és a Whisper Large v3 Turbo, valamint a Phi-3.5 Mini modellt futtatja a Maceden. Nem kerül pénzbe, nincs fizetős szint vagy korlát, és azért készítettem, mert a kezem miatt nehezen gépelek. Az árak oldala egyetlen mondat: ingyenes.
Minden Macre készült diktálóalkalmazás, amely elég jó volt ahhoz, hogy kiváltsa a billentyűzetet, előfizetést, 249,99 dolláros licencet vagy azt kérte, hogy a hangom egy másik cég szerverére kerüljön. Mindent diktálok, amit írok, ezért ez nem ízlés kérdése volt. Ez volt az ára annak, hogy számítógépet használhassak. Ezért készítettem helyette a YapToText-et: örökre ingyenes, nyílt forráskódú GPL alatt, és teljes egészében a gépen fut. Fent van a Mac App Store-ban, így a telepítés egy kattintás, és nem kell hozzá Terminal.
Ingyen letölthető. Nincs fiók és nincsenek zárolt funkciók. Apple chippel szerelt Mac és macOS 14 vagy újabb kell hozzá. Forráskód a GitHubon.
Ez az útmutató más nyelveken: English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, Français, עברית, हिन्दी, Bahasa Indonesia, Italiano, 日本語, 한국어, Norsk, Nederlands, Polski, Português, Română, Русский, Slovenčina, Svenska, ไทย, Türkçe, Українська, Tiếng Việt, 简体中文, 繁體中文
Ezen az oldalon: 16 rész
- Lépések
- Miért készítettem
- Mibe kerülnek valójában a többiek
- Mit tud
- A hangút belseje
- Miben más, mint a többi nyílt forráskódú Whisper-burkoló
- A nyílt forráskódú Mac diktálóalkalmazások egymás mellett
- Miért települ az App Store-ból, és nem shell-szkriptből
- Mit jelent itt az, hogy az eszközön fut
- Amit az építés közben tanultam
- Hol tart most
- A rövid változat
- Útmutatók
- További útmutatók, angolul
- Források
- Kérdések
Lépések
- Telepítsd ingyen a YapToText-et a Mac App Store-ból.
- Nyisd meg, engedélyezd a mikrofont, majd kapcsold be a Kisegítő lehetőségeket, hogy a kurzornál tudjon gépelni.
- Tedd a kurzort oda, ahová a szavakat szeretnéd: egy e-mailbe, üzenetbe vagy kódkommentbe.
- Koppints egyszer a <span lang="en">Right Command</span> billentyűre, és kezdj beszélni.
- Koppints rá újra. A szavaid a kurzornál jelennek meg.
Miért készítettem
Nem azért diktálok, mert kényelmes. Azért diktálok, mert nehezen gépelek, és diktálással írom az e-maileket, az üzeneteket, a dokumentációt és az alkalmazás kódkommentjeit is. Ha a beszéd a billentyűzeted, a diktálóalkalmazás nem termelékenységi játék. Az a beviteli eszközöd.
Ez másképp világítja meg az árakat. Egy szövegszerkesztő előfizetése üzleti döntés. Az előfizetés ahhoz, hogy egyáltalán írni tudj, útdíj. És az sem egy pipa az adatvédelmi oldalon, hogy minden leírt szavad egy szerverre megy. Ez a levelezésed, a munkád és az orvosi időpontjaid, amelyek egy olyan cégen mennek át, amelyben örökre bíznod kell.
Nem találtam olyan Mac-alkalmazást, amely mindhárom lett volna: elég jó a gépelés kiváltására, teljesen a gépen fut, és ingyenes. Ezért írtam egyet, és odaadtam.

Mibe kerülnek valójában a többiek
Ennyibe kerülnek azok az alkalmazások, amelyeket egyébként használtam volna, 2026. október 3-i állapot szerint, mindegyik készítő saját oldalán ellenőrizve. Az árak változnak, ezért váltás előtt nézd meg újra, a teljes összehasonlítás pedig a forrásokkal együtt részletezi.
- Apple Diktálás. Ingyenes, és Apple chippel szerelt Macen a támogatott nyelveket az eszközön dolgozza fel. Nem rendezi át, amit mondtál, nem formáz e-mailt, és a már megírt szöveget sem tudja szerkeszteni.
- Wispr Flow. Havi 15 dollárba kerül, vagy évente fizetve havi 12 dollárba, az ingyenes csomag pedig asztali gépen heti 2000 szóra korlátozott. Az adatvédelmi oldala szerint az átírás mindig a felhőben történik.
- superwhisper. Van ingyenes csomagja helyi modellekkel, a Pro pedig havi 8,49 dollár, évi 84,99 dollár vagy egyszeri 249,99 dollár.
- MacWhisper. A Pro egyszeri 64 euró. Helyben fut, és jó szoftver.
Ezek nem rossz alkalmazások. Néhány jobb nálam olyasmiben, amit én még nem építettem meg. Az érvem szűkebb: a mögöttes beszédmodell nyílt forráskódú, az Apple minden fejlesztőnek ingyen adja a hardveres gyorsítást, és ennek a költsége egyiknek sem kellene azon landolnia, aki nem tud billentyűzetet használni.
Mit tud
Nyomj meg egy billentyűt, beszélj, nyomd meg újra, és a szavak megjelennek ott, ahol a kurzor áll, bármelyik alkalmazásban. Ennyi a dolgod. Alatta vannak azok a részek, amelyek a valódi munkát kívánták.

- Elolvassa a mondatot, amelybe diktálsz. Tedd a kurzort egy sor közepére, és beszélj: az első szó kisbetűs lesz, ha annak kell lennie, a szóköz szépen illeszkedik, és a záró pont elmarad, ha a mondat folytatódik. Ez az a funkció, amely minden más alkalmazásban a legjobban hiányzik.
- Megkülönbözteti az e-mailt a jegyzettől. Az Auto mode elolvassa, amit mondtál, és maga választja ki a formát. Az e-mail e-mailként jön ki, a gyors üzenet laza marad, minden más pedig csak rendbe lesz téve.
- Szöveget hanggal szerkeszthetsz. Jelölj ki szöveget bármelyik alkalmazásban, koppints a Quick Edit billentyűre, és mondd ki a módosítást, például „make this shorter”, „fix the grammar” vagy „translate it to Spanish”. Az átírt változat a helyén lecseréli a kijelölést.
- A kimondott írásjelek úgy működnek, ahogy a diktálók várják. Mondd azt, hogy „is it working now, question mark”, és megkapod a jelet, kósza vessző nélkül.
- Szótárak és hangparancsok. Tanítsd meg egy név írásmódját, amelyet folyton elvéti, vagy töltsd ki a telefonszám-kezdőt a Commands oldalon, hogy az „insert phone number” a valódi számodat írja be.
Az Intelligent Insert, az Auto mode és a Dictionaries súgóoldal mindegyikről részletesen ír, a beszédből szöveg Macen útmutató pedig végigvezet az első diktáláson.
A hangút belseje
A mérnöki munka nagy része ide ment, mert halkan diktálok, gyakran egy olyan szobában, ahol 3D nyomtató dolgozik. Ha a nyers mikrofonhangot odaadod a Whispernek, és reménykedsz, ott megáll a legtöbb burkoló, és ezért esnek szét egy valódi szobában.
Mielőtt a beszédmodell egyetlen mintát lát: megmérem a szoba zaját, és az állandó zajt csak akkor vonom le, ha a jel-zaj viszony ezt kívánja, így egy csendes szobát soha nem dolgoz túl. A halk hangot a szobához képest emeli, nem egy rögzített szinthez. A felvétel csúcsvédett, így egyetlen hangos szó sem vágódik le. A hosszú csendeket összenyomja, hogy a dekódoló ne sodródjon el. A dekódolás mohóról sugárkeresésre vált, ha a felvétel zajosnak mérődik.
Utána: mentőkör fut le, ha az átirat rövidebb, mint a beszéd, amely bement, és egy védelem összeomlasztja azokat az ismétlési hurkokat, amelyekbe a Whisper a csendes végeken beleesik. Mindezt a saját valódi diktálásaimból álló mérőcsomaggal mérem, mielőtt bármi kikerül. Egy változtatás, amely a tiszta felvételen segít, gyakran árt a suttogottnak.

Miben más, mint a többi nyílt forráskódú Whisper-burkoló
A Whisper billentyűparancshoz kötése egy hétvégi projekt, és többen jól megcsinálták. Az open-wispr jó példa: tartsd lenyomva a billentyűt, beszélj, engedd el, és a szöveg a kurzornál jelenik meg, mindez az eszközön, MIT licenc alatt. Ha csak erre van szükséged, jó választás, és használd nyugodtan.
A különbség az, hogy mi történik az átirat elkészülte után. A burkoló a Whisper nyers kimenetét adja a kezedbe. A YapToText nagy része a kimenet és a valóban kívánt szöveg közötti munka:
- Környezet. Elolvassa, mi van a kurzor két oldalán, és ahhoz igazítja az átiratot, így a mondat közbeni diktálás a megfelelő kis- és nagybetűvel, szóközzel és záró írásjellel jön ki.
- Rendbetétel. Egy helyi nyelvi modell a kimondott töltelékszavakból kész szöveget csinál, és a mondottak alapján választja ki a formát, felhőhívás nélkül.
- Szerkesztés. Jelölj ki meglévő szöveget bárhol, és változtasd meg hanggal, ami egészen más feladat, mint az átírás.
- A hangút. Van zajkivonása, amely a jel-zaj viszonytól függ, a szobához viszonyított erősítése, csúcsvédett felvétele, és olyan dekódolója, amely stratégiát vált, ha a felvétel zajos. Ettől működik egy halk hang egy hangos szobában.
- Telepítés. Az App Store-ból települ shell-szkript helyett, ezért sandboxban fut, az Apple átvizsgálta, és a rendszer frissíti.

Ettől még az egyszerűbb eszközök nem rosszak. Csak más méretű dolgok. Nekem a nagyobbra volt szükségem, mert a diktálás nálam nem rövidítés. Ez az egyetlen módja annak, hogy írjak.
A nyílt forráskódú Mac diktálóalkalmazások egymás mellett
Ezek azok a nyílt forráskódú Mac diktálóalkalmazások, amelyeket ismerek. A csillagok a figyelmet mérik, nem a minőséget, a YapToText pedig csak 2026. július 22. óta van az App Store-ban, ezért az oszlopokat olvasd, ne a számokat.
2026. október 3-án ellenőrizve a GitHubon és az egyes projektek saját oldalain.
| Alkalmazás | Licenc | GitHub-csillagok | Hogyan telepíted | Kijelölt szöveget hanggal szerkeszt | Platformok |
|---|---|---|---|---|---|
| Handy | MIT | 32 747 | A webhelyéről vagy a GitHub-kiadásokból | Nincs megadva | Mac, Windows, Linux |
| FluidVoice | GPL-3.0 | 11 894 | Homebrew vagy GitHub-kiadások | Igen, Write Mode | Mac |
| OpenWhispr | MIT | 8 992 | A webhelyéről | Igen, a hangügynök billentyűjével | Mac, Windows, Linux; iPhone és iPad a fizetős csomagokban |
| VoiceInk | GPL-3.0 | 6 651 | Fizetős letöltés a webhelyéről, vagy fordítsd le | Igen | Mac; iPhone- és iPad-alkalmazás bétában |
| YapToText | GPL-3.0 | 25 | Mac App Store, ingyen, vagy Homebrew | Igen, Quick Edit | Mac |
GPL és MIT, felhasználóként. Mindkettő megengedi, hogy ingyen olvasd, fordítsd és módosítsd a kódot. A különbség az, mi történik, ha valaki módosított példányt ad ki: a GPL alatt köteles ugyanazokkal a feltételekkel közzétenni a módosításait, MIT alatt nem. Egy olyan diktálóalkalmazásnál, amely mindent hall, amit mondasz, a GPL-t választottam, hogy bármelyik letölthető verzió forráskódját el is olvashasd. A VoiceInk-alternatíva oldal részletesen összeveti a legközelebbi GPL-alkalmazással.
Miért települ az App Store-ból, és nem shell-szkriptből
Sok nyílt forráskódú Mac-eszköz úgy települ, hogy egy szkriptet csövezel az internetről a shellbe. A fejlesztőnek kényelmes, neked viszont azt jelenti, hogy át nem nézett kódot futtatsz a saját jogosultságaiddal, egy olyan URL-ről, amelyet a futtatás pillanatában nem tudsz ellenőrizni.
A YapToText a Mac App Store-ban van. Ez azt jelenti, hogy sandboxban fut, átvizsgálták, a rendszeren keresztül frissül, és bármelyik másik alkalmazáshoz hasonlóan eltávolítható. Egy kattintás, Terminal nélkül, és semmi olyan, amiben többet kellene bíznod, mint amit az Apple már ellenőriz. Attól, hogy valami ingyenes és nyílt forráskódú, még nem kell olyan telepítési módnak lennie, amely a munkahelyi biztonsági átvizsgáláson megbukna.
Ha a parancssort szereted, van Homebrew-cask, Developer ID-vel aláírva és hitelesítve. Ma egy kiadással lemarad az App Store mögött, az 1.5.2 áll szemben az 1.5.3-mal, és a modellek nélkül érkezik.
Terminal: Telepítsd a YapToText-et az én Homebrew-tapomból.
brew install --cask ryleighnewman/yaptotext/yaptotextMi történik: A YapToText körülbelül 12 MB letöltése után az Applications mappába kerül, és felülírja az App Store-os példányt, ha van ott ilyen. Addig nem tud diktálni, amíg le nem töltesz egy beszédfelismerő modellt az AI Models oldalon.
A forráskód nyilvános a GitHubon, ahol ma az 1.5.2 áll, így futtatás előtt elolvashatod. A telepítési oldal mindkét utat leírja.
Mit jelent itt az, hogy az eszközön fut
A beszédmodell és a rendbetevő modell is az App Store-os változatban van. Nincs fiók, nincs telemetria és nincs használati elemzés, és a diktálás semmilyen része nem használja a hálózatot. Repülőn is működik, az első indításkor, kikapcsolt Wi-Fi mellett. A Homebrew-változathoz előbb le kell tölteni az egyetlen modellt. A hálózat egyetlen használata egy általad indított modellletöltés, az AI Models oldal valamelyik másik modelljéhez, az offline diktálás oldalon pedig van egy teszt, amelyet lefuttathatsz.
A hang szokatlanul személyes adat. Nem keresőkifejezés. Te vagy az, ahogy beszélsz, a tartalommal és a környezettel együtt. Az őszinte adatvédelmi állítás nem ígéret arról, mit csinál egy cég a felvételeddel. Hanem az, hogy a felvétel soha nem hagyja el a gépet, és a kód, amely ezt bizonyítja, nyilvános.

Amit az építés közben tanultam
- A modell volt a könnyű rész. A Whisper dobozból kivéve kiváló. Minden, amitől a diktálás késznek érződik, körülötte van: hogy hol van a kurzor, mi van a két oldalán, melyik alkalmazásban vagy, és mit értettél azon, hogy „period”.
- A szöveg beillesztése nehezebb, mint az átírása. A kurzor körüli szöveg beolvasása fókuszlopás nélkül, olyan alkalmazásokban, amelyek mind másképp viselkednek, több munkát kívánt, mint az egész átírási folyamat.
- A kisegítő lehetőség tervezés, nem ellenőrzőlista. Az olyan alkalmazásnak, amelyet gépelni nem tudóknak készítenek, gépelés nélkül is kezelhetőnek kell lennie, és nem szabad klinikainak látszania. Van benne a hangod valódi hullámformája, három panelelrendezés és a rendszer saját anyagai, mert azok az eszközök, amelyekre az emberek támaszkodnak, megérdemlik, hogy szép legyen ránézni.
Hol tart most
Ez a projekt 2026. október 3-án, egyszerű számokban.
- Verzió. A Mac App Store-ban az 1.5.3 (21), amely 2026. szeptember 29-én jelent meg. A GitHub és a Homebrew az 1.5.2-n áll, a kiadási jegyzetek pedig minden változást felsorolnak.
- Licenc. GPL-3.0, a forráskód a github.com/ryleighnewman/YapToText címen van.
- Figyelem. 25 csillag a GitHubon.
- Pénz. Nem kell hozzá. Van egy borravalós persely az alkalmazásban, és egy borravaló semmit nem változtat azon, amit kapsz.
A rövid változat
- Ingyenes. Nincs fizetős szint, nincs korlát és nincs fiók.
- Nyílt. A licenc GPL-3.0, a forráskód pedig a GitHubon van.
- A Maceden. Mindkét modell helyben fut, és a hangod soha nem hagyja el a gépet.
Ha fizetős alkalmazásról jössz, amelynek van ingyenes csomagja, a superwhisper-alternatíva oldal feladatról feladatra végigmegy a váltáson.
Ha a többi nyílt forráskódú lehetőséget egymás mellett szeretnéd látni, összevetettem őket a nyílt forráskódú diktálóalkalmazások Macre oldalon.
Ha kipróbálod, és valami nem jó, inkább azt szeretném hallani, mint bármi mást. Így jutott idáig. Nyiss egy issue-t a GitHubon. Mindet elolvasom.
Ingyen letölthető. Nincs fiók és nincsenek zárolt funkciók. Apple chippel szerelt Mac és macOS 14 vagy újabb kell hozzá. Forráskód a GitHubon.
Útmutatók
További útmutatók, angolul
Források
- https://github.com/ryleighnewman/YapToText (ellenőrizve 2026. 10. 03.)
- https://apps.apple.com/us/app/yaptotext/id6786382289 (ellenőrizve 2026. 10. 03.)
- https://support.apple.com/guide/mac-help/use-dictation-mh40584/14.0/mac/14.0 (ellenőrizve 2026. 10. 03.)
- https://wisprflow.ai/pricing (ellenőrizve 2026. 10. 03.)
- https://wisprflow.ai/privacy (ellenőrizve 2026. 10. 03.)
- https://superwhisper.com/docs/billing/plans (ellenőrizve 2026. 10. 03.)
- https://macwhisper.com/ (ellenőrizve 2026. 10. 03.)
- https://github.com/human37/open-wispr (ellenőrizve 2026. 10. 03.)
- https://github.com/cjpais/Handy (ellenőrizve 2026. 10. 03.)
- https://github.com/altic-dev/FluidVoice (ellenőrizve 2026. 10. 03.)
- https://github.com/OpenWhispr/openwhispr (ellenőrizve 2026. 10. 03.)
- https://openwhispr.com/pricing (ellenőrizve 2026. 10. 03.)
- https://github.com/Beingpax/VoiceInk (ellenőrizve 2026. 10. 03.)
- https://tryvoiceink.com/ (ellenőrizve 2026. 10. 03.)
- https://tryvoiceink.com/ios (ellenőrizve 2026. 10. 03.)
Kérdések
Van nyílt forráskódú diktálószoftver Macre?
Igen. A YapToText ingyenes és nyílt forráskódú GPL-3.0 alatt, és fent van a Mac App Store-ban. A Handy és az OpenWhispr MIT licencű, a FluidVoice és a VoiceInk pedig GPL-3.0.
Van nyílt forráskódú alternatívája a Wispr Flow-nak és a superwhispernek?
Igen. A YapToText GPL-licencű és ingyenes, a Maceden futtatja a Whispert és egy helyi rendbetevő modellt, és a Mac App Store-ból vagy Homebrew-val települ. Semmi nem töltődik fel, és nincs fiók.
Működik a YapToText offline?
Igen, az első indítástól a Mac App Store-os változatban: a beszédmodell és a rendbetevő modell az alkalmazással érkezik, így a diktálás nem indít hálózati kérést. A Homebrew-változathoz előbb le kell tölteni egy beszédmodellt.
Miben más, mint a többi nyílt forráskódú Whisper-burkoló?
Három dologban. A kimondottakat a kurzor körüli mondathoz igazítja, így a mondat közbeni diktálás a megfelelő kis- és nagybetűvel, szóközzel és írásjellel jön ki. Maga választja ki a formát, így az e-mail e-mailként jön ki. És bárhol kijelölhetsz szöveget, és hanggal módosíthatod. Emellett az App Store-ból települ shell-szkript helyett.
Tényleg ingyenes? Mi a csel?
Nincs csel és nincs fizetős szint. Örökre ingyenes, a forráskód nyilvános, és az alkalmazásban az egyetlen pénz egy opcionális borravalós persely, amely semmit nem változtat azon, amit kapsz.
Melyik nyílt forráskódú Mac diktálóalkalmazás van fent az App Store-ban?
A YapToText. A többi nyílt forráskódú diktálóalkalmazás, amelyet ismerek, a saját webhelyére vagy a GitHub-kiadásokra irányít a letöltéshez. Az App Store azt jelenti, hogy egy kattintással települ, automatikusan frissül, és az Apple sandboxa és átvizsgálása védi.