opencode voice dictation
c074dfd777
## Что сделано - `src/types.ts`: добавлены поля `endpoint: string` и `temperature: number` в интерфейс `AppConfig`. - `src/config.ts`: - `DEFAULTS.endpoint = "https://api.groq.com/openai/v1/audio/transcriptions"` (обратная совместимость). - `DEFAULTS.temperature = 0` (детерминированный вывод). - `DEFAULTS.whisperPrompt` сокращён с ~270 до 107 символов — термины через запятую, без предложений. - `getConfig()` читает новые поля через `GM_getValue` с fallback на `DEFAULTS`. - Добавлены 2 меню-команды: «Set STT Endpoint» и «Set Temperature» в `registerMenuCommands` (параметры `onSetEndpoint`, `onSetTemperature`). - `src/index.ts`: реализованы `promptForEndpoint` (fallback на дефолт при пустом вводе) и `promptForTemperature` (clamp к `[0, 1]`, NaN-валидация, сохранение текущего значения при cancel), зарегистрированы в `registerMenuCommands`. - `src/transcribe.ts`: удалён хардкод `GROQ_API_URL`, используется `config.endpoint`; в `buildFormData` добавлено `formData.append("temperature", String(config.temperature))`. - `vite.config.ts`: `@connect api.groq.com` → `@connect *` (разрешает `GM_xmlhttpRequest` к любому домену). - `README.md`: добавлены разделы «Custom STT Endpoint» (EN+RU) с примером nginx `proxy_pass` и «Temperature». - `tests/`: обновлены `mockConfig` (новые поля), ассерты на `temperature` в FormData, тест на длину `whisperPrompt < 120`, `registerMenuCommands` теперь ожидает 7 команд. ## Почему Groq периодически блокирует прямые IP-запросы к `api.groq.com` — нужен обход через пользовательский nginx-прокси (свой endpoint). Whisper галлюцинирует на тишине/шуме — `temperature=0` снижает галлюцинации. Длинный `whisperPrompt` с целыми предложениями мог «утекать» в вывод транскрипции — сокращён до списка терминов через запятую (~107 символов). Хардкод `GROQ_API_URL` и `@connect api.groq.com` блокировали использование кастомных доменов. ## Watch out - `@connect *` в метаблоке расширяет поверхность запросов userscript-а на любой домен — юзер должен доверять установленному endpoint. Это намеренный trade-off для поддержки произвольных прокси. - Существующие юзеры со старым `whisperPrompt` в `GM_getValue` сохраняют своё значение (новый короткий default применяется только если ключ не задан) — обратная совместимость сохранена. - Кламп температуры: ввод `NaN` → toast «Invalid temperature» (значение не меняется); ввод `5` → `1`; ввод `-0.3` → `0`. - Пустой endpoint (юзер ввёл пробелы) → fallback на `DEFAULTS.endpoint` (`api.groq.com`), не пустая строка. - Cancel в prompt (Esc) по endpoint/temperature → значение не меняется (поведение `null`-check). - Error-сообщения `transcribe.ts` всё ещё упоминают «Groq API» — оставлено намеренно, т.к. дефолтный endpoint = Groq и большинство юзеров используют его. ## Pending - Обновить `@version` в `vite.config.ts` при релизе (сейчас `1.0.3` — не тронуто, решает релиз-процесс). - Trim тишины (RMS-based) — явно вне scope этого issue (отдельный PR если `temperature=0` не поможет). Closes #42 Closes #42 --------- Co-authored-by: opencode-agent <agent@opencode.local> |
||
|---|---|---|
| .github | ||
| assets | ||
| docs | ||
| src | ||
| tests | ||
| .gitignore | ||
| .nvmrc | ||
| biome.json | ||
| knip.json | ||
| LICENSE | ||
| package-lock.json | ||
| package.json | ||
| README.md | ||
| tsconfig.json | ||
| vite-env.d.ts | ||
| vite.config.ts | ||
| vitest.config.ts | ||
🚀 opencode-voice-dictation
Voice dictation for OpenCode web — mic button via Whisper (Groq API)
Голосовой ввод для OpenCode web — кнопка микрофона через Whisper (Groq API)
🇺🇸 English
❓ Why
Needed a way to dictate to agents from a phone. Stock Android voice input doesn't cut it. OpenCode web had no built-in voice.
✅ What
A Tampermonkey/Violentmonkey userscript — a mic button in the OpenCode web UI. Language selection, auto-submit after dictation. Whisper via Groq API (requires your own key).
Features
| Feature | Description |
|---|---|
| 🎤 Mic button | Click 🎤 in the input area, speak — text inserts into the prompt |
| 🌍 Language | ru, en, or auto-detect |
| ⚡ Auto-submit | Sends transcription to the agent after dictation (toggleable) |
| 🧠 Whisper (Groq) | whisper-large-v3 / whisper-large-v3-turbo via Groq API |
| 📱 Mobile via Firefox | Firefox supports extensions; mobile Chrome doesn't |
| ✅ Tested on 1.18.8 | Older versions via fallback selectors; needs "New UI" toggle |
| 🔄 Auto-update | Updates itself via @updateURL — no manual reinstall |
| ⌨️ Ctrl+Space | Desktop hotkey to start/stop recording |
⚡ Quick Start
- Install Tampermonkey
- Get a key at console.groq.com/keys
- Open the script install link — it installs into Tampermonkey
- Tampermonkey menu → Set Groq API Key → paste
gsk_...
🌐 Custom STT Endpoint
Groq may block direct requests from some networks. Point the script at your own nginx proxy:
- Deploy an nginx reverse proxy that forwards to
api.groq.com:location /groq/ { proxy_pass https://api.groq.com/; proxy_set_header Host api.groq.com; } - Tampermonkey menu → Set STT Endpoint → paste
https://your-domain.com/groq/openai/v1/audio/transcriptions - Requests now go through your proxy. The userscript metadata uses
@connect *, so any domain is allowed.
🌡️ Temperature
Whisper may hallucinate on silence/noise. Set Temperature (default 0 = deterministic, range 0–1) reduces hallucinations.
🇷🇺 Русский
❓ Зачем
Нужен был способ диктовать агентам с телефона. Стандартный Android-ввод не удовлетворяет. Встроенного голоса в OpenCode web не было.
✅ Что
Скрипт для Tampermonkey/Violentmonkey — кнопка микрофона в веб-интерфейсе OpenCode. Выбор языка, автоотправка после диктовки. Whisper через Groq API (нужен свой ключ).
Фичи
| Фича | Описание |
|---|---|
| 🎤 Микрофон | Нажми 🎤 в поле ввода, говори — текст вставится в промт |
| 🌍 Язык | ru, en или автоопределение |
| ⚡ Автоотправка | Отправляет транскрипцию агенту после диктовки (опционально) |
| 🧠 Whisper (Groq) | whisper-large-v3 / whisper-large-v3-turbo через Groq API |
| 📱 Мобайл через Firefox | Firefox поддерживает расширения; mobile Chrome — нет |
| ✅ Проверено на 1.18.8 | Старые версии через fallback-селекторы; нужен «New UI» |
| 🔄 Автообновление | Обновляется сам через @updateURL — без ручной переустановки |
| ⌨️ Ctrl+Space | Горячая клавиша на десктопе |
⚡ Быстрый старт
- Установи Tampermonkey
- Получи ключ на console.groq.com/keys
- Открой ссылку установки скрипта — скрипт установится в Tampermonkey
- Меню Tampermonkey → Set Groq API Key → вставь
gsk_...
🌐 Кастомный STT endpoint
Groq может блокировать прямые запросы из некоторых сетей. Направь скрипт на свой nginx-прокси:
- Разверни nginx reverse proxy, который форвардит на
api.groq.com:location /groq/ { proxy_pass https://api.groq.com/; proxy_set_header Host api.groq.com; } - Меню Tampermonkey → Set STT Endpoint → вставь
https://your-domain.com/groq/openai/v1/audio/transcriptions - Запросы пойдут через твой прокси. Метаблок юзерскрипта использует
@connect *, поэтому разрешён любой домен.
🌡️ Temperature
Whisper может галлюцинировать на тишине/шуме. Set Temperature (по умолчанию 0 = детерминированный вывод, диапазон 0–1) снижает галлюцинации.