openWhisper — กด Fn แล้วพูด Mac พิมพ์ให้ build เองทั้งตัว

dictation บน macOS ฉบับ clean build: Whisper ผ่าน Groq + LLM เกลาคำ รองรับไทย เบา 3MB ไม่มี subscription ไม่มี auto-update จากคนอื่น

พิมพ์ไทยช้ากว่าพูดกันทุกคนแหละ — แอปตัวนี้เลยกลายเป็นของติดเครื่อง: กดปุ่ม Fn ค้างไว้ พูดสิ่งที่อยากพิมพ์ ปล่อยปุ่ม ข้อความไปโผล่ในแอปที่เปิดอยู่ทันที ช่องแชท, editor, ช่อง search ได้หมด ทั้งไทยและอังกฤษ

ข้างในทำงานยังไง

เสียงถูกส่งไปถอดด้วย Whisper ผ่าน Groq (เร็วระดับไม่กี่วินาที) แล้วผ่าน LLM อีกชั้นเพื่อเกลาคำผิด เว้นวรรค จัดประโยคให้อ่านรู้เรื่อง ก่อนวางลงแอปที่ใช้อยู่อัตโนมัติ

ค่าใช้จ่าย = ศูนย์ เพราะใช้ Groq free tier ซึ่งเหลือเฟือสำหรับ dictation — สมัคร API key ฟรีที่ console.groq.com/keys ใช้เวลาไม่ถึงห้านาที key เดียวใช้ได้ทั้งถอดเสียงและเกลาคำ

ทำไมถึง build เองทั้งตัว

ตัวนี้เราต่อยอดจากโปรเจกต์ open source ของ dev คนไทย เอา source มานั่งไล่ audit ทีละไฟล์ก่อน (โค้ดสะอาด ไม่มี telemetry) แล้ว build เวอร์ชันของตัวเองในชื่อ openWhisper โดยตัดของที่ไม่อยากได้ออก:

ถอด auto-update ทั้งระบบ — เวอร์ชันต้นทางเช็คอัปเดตจาก server ของคนทำทุกวัน แปลว่าเขา push โค้ดใหม่เข้าเครื่องเราได้ตลอด เราตัดช่องนี้ทิ้ง อัปเดตได้ทางเดียวคือ build เองจาก source ที่อ่านแล้ว
บีบ entitlements ให้แน่นขึ้น — ปิดช่องโหลด library ภายนอกที่เปิดเผื่อไว้
เช็ค binary หลัง build — URL ในตัวแอปเหลือแค่ API providers ที่เราเลือกใช้เอง

สรุปสเปค

macOS 13+ · ตัวแอป ~3MB เขียนด้วย Swift ล้วน อยู่ใน menu bar เงียบๆ
เสียงที่อัดเป็นไฟล์ temp ส่งถอดเสร็จลบทิ้งทันที
มีระบบ dictionary สอนคำที่เราพูดแล้วมันฟังผิดบ่อยให้แก้อัตโนมัติ
ติดตั้ง/อัปเดตด้วยสคริปต์เดียว build จบในไม่กี่วินาที
โค้ดทั้งหมดเปิดอ่านได้ที่ github.com/honvibe/openWhisper (MIT) — git clone แล้ว ./install.sh จบ

บทเรียนที่ได้จากรอบนี้: ของฟรี open source ดีๆ มีเยอะ แต่ “อ่าน source ก่อน แล้ว build เอง” คือเส้นแบ่งระหว่างใช้ของเขากับเป็นเจ้าของเครื่องมือจริงๆ — ใครอยากทำแบบเดียวกัน เริ่มจากสมัคร Groq API key แล้วหา dictation app ที่เปิด source ให้อ่านได้เป็นตัวตั้ง