Problem: Whisper transkribiert Fachbegriffe, Firmennamen oder Eigennamen oft falsch ("VOCIX" → "Vorks", "GDI BLine" → "GDI Mainline").
Ziel: User pflegt eine Vokabelliste, die als initial_prompt an faster-whisper übergeben wird, wodurch die Erkennung dieser Begriffe deutlich verbessert wird.
Skizze:
%APPDATA%/VOCIX/vocabulary.txt (eine Zeile pro Begriff oder Kommaliste)whisper_stt.py baut bei jedem transcribe() aus der Liste den initial_prompt (z.B. "Mögliche Begriffe: VOCIX, GDI BLine, Anthropic, …")- Tray-Eintrag "Vokabular bearbeiten" öffnet Datei im Editor (notepad)
- Hot-Reload: Datei bei jedem Diktat neu lesen (mtime-Check)
- Default-Datei mit ein paar Beispielen wird beim ersten Start angelegt
Akzeptanz: Nach Eintrag von "VOCIX" ins Vokabular wird das Wort konsistent korrekt erkannt.
Problem: Whisper transkribiert Fachbegriffe, Firmennamen oder Eigennamen oft falsch ("VOCIX" → "Vorks", "GDI BLine" → "GDI Mainline").
Ziel: User pflegt eine Vokabelliste, die als
initial_promptan faster-whisper übergeben wird, wodurch die Erkennung dieser Begriffe deutlich verbessert wird.Skizze:
%APPDATA%/VOCIX/vocabulary.txt(eine Zeile pro Begriff oder Kommaliste)whisper_stt.pybaut bei jedemtranscribe()aus der Liste deninitial_prompt(z.B. "Mögliche Begriffe: VOCIX, GDI BLine, Anthropic, …")Akzeptanz: Nach Eintrag von "VOCIX" ins Vokabular wird das Wort konsistent korrekt erkannt.