Guías: instalar y ejecutar

Paquetes nativos para Debian 12 y 13, Ubuntu 22.04 y 24.04, Fedora 42, openSUSE Leap 15.6 y Arch Linux. Hay dos vías de instalación; elija una por máquina.

# Debian 12 y 13, Ubuntu 22.04 y 24.04 y sus derivadas
sudo apt install ./whispskrid_1.0.1_all.deb

# Fedora 42
sudo dnf install ./whispskrid-1.0.1-1.fc42.noarch.rpm

# openSUSE Leap 15.6
sudo zypper install ./whispskrid-1.0.1-1.leap156.noarch.rpm

# Arch Linux
sudo pacman -U whispskrid-1.0.1-1-any.pkg.tar.zst

git clone https://github.com/RonanDavalan/whispskrid.git
cd whispskrid
python3 -m venv .venv
.venv/bin/pip install -e .
.venv/bin/whispskrid --diagnose

Idiomas de dictado

Se admiten cuatro idiomas: inglés, francés, alemán y español. Un único modelo Whisper multilingüe los cubre todos — no hay un modelo por idioma. El idioma activo se elige con -l, si no con el idioma del sistema, si no con la autodetección de Whisper.

whispskrid -l es

El modelo vive en ~/.local/share/whispskrid/whisper-models/. La orden lo descarga y comprueba que se carga:

whispskrid --download-model base

En la primera ejecución sin modelo, ofrece esa misma descarga. Modelos disponibles: tiny, base (por defecto), small, medium, large-v3.

Controlar una sesión

WhispSkrid funciona con pulsar para hablar: se mantiene una tecla, se habla, se suelta; el texto transcrito se inyecta en la ventana que tiene el foco. No hay ningún corte automático — la única salvaguarda es capture.max_seconds (por defecto 300). La tecla por defecto es el Mayús derecho (shift_r), ajustable con hotkeys.push_to_talk.

El escuchador de teclas local (pynput) solo alcanza ventanas X11 y XWayland. En Wayland, o para un atajo global del escritorio, asocie en su lugar estas subórdenes, que se pasan a la sesión en curso por el socket de control:

whispskrid --dictate       # iniciar la captura
whispskrid --dictate-stop  # parar, transcribir, inyectar
whispskrid --toggle        # una u otra según el estado
whispskrid --cancel        # descartar la captura en curso

Un atajo de escritorio no transmite el mantenimiento de la tecla: en esa vía, --dictate y --dictate-stop enmarcan el dictado. La puntuación no se dicta — Whisper puntúa y aplica las mayúsculas de frase por su cuenta.

whispskrid --diagnose informa del tipo de sesión, el backend de inyección, el dispositivo de audio, el estado del backend y del modelo, y luego termina.

Wayland y X11

El texto se inyecta a través del portapapeles, así que necesita un motor de pulsaciones y una herramienta de portapapeles. El motor se comprueba una sola vez al arrancar: primero ydotool (nivel de controlador, a través del demonio ydotoold), luego xdotool, luego el modo degradado (el texto queda en el terminal, no se envía ninguna pulsación). La herramienta de portapapeles es wl-clipboard en Wayland (siempre necesaria) y xclip en X11. Los paquetes nativos las arrastran; una instalación desde las fuentes las añade por su cuenta. Sin una herramienta de portapapeles, el pegado reinserta lo último que se copió a mano. ydotool, cuando es el motor utilizado, necesita el demonio ydotoold y pertenecer al grupo input (cierre la sesión y vuelva a entrar tras añadirlo). El escuchador pynput solo alcanza ventanas X11 y XWayland; en Wayland, asocie las subórdenes anteriores a los ajustes de atajos de su escritorio para cubrir todas las ventanas.

Referencia completa

Cada clave de configuración, la cascada de búsqueda del modelo y el socket de control están documentados en el docs/ del proyecto: configuration.md y la página de manual whispskrid(1), en los cuatro idiomas. Consulte Arquitectura para ver cómo encajan las piezas.