Muesli

Muesli — приложение для Mac, которое превращает голос в текст прямо на устройстве, без облака. Оно делает две вещи: диктовку по горячей клавише (как WisprFlow) и запись встреч с расшифровкой и конспектом (как Granola). Подойдёт тем, кто много говорит с компьютером — созвоны, заметки, черновики — и не хочет отправлять аудио на сторонние серверы.

В режиме диктовки всё просто: держишь горячую клавишу (или дважды тапаешь для режима без рук), говоришь, отпускаешь — и текст сам появляется в том месте, где стоит курсор. Задержка около 0,13 секунды за счёт модели Parakeet TDT, которая работает на Neural Engine чипов Apple.

С встречами сложнее и интереснее. Muesli одновременно слушает микрофон и системный звук — то есть отдельно записывает тебя и отдельно всех остальных участников звонка. Расшифровка может идти кусками, синхронно с речью: голосовая активность определяется через VAD, поэтому фразы режутся по естественным паузам, а не как попало. Диаризация раскладывает голоса собеседников по меткам "Speaker 1", "Speaker 2" и так далее. Когда встреча заканчивается, транскрипт будет готов за несколько секунд.

Для распознавания речи можно выбрать из нескольких моделей — Parakeet TDT и Nemotron 3.5 на Neural Engine, Cohere Transcribe 2B, разные версии Whisper через WhisprKit, Qwen3 ASR, SenseVoice и другие. Живая расшифровка во время звонка работает в двух режимах: Nemotron 3.5 даёт один многоязычный транскрипт сразу и для превью, и для финальной версии, а Parakeet Realtime EOU — быстрый англоязычный вариант для предпросмотра, пока финальный текст собирает отдельная модель. По умолчанию живая расшифровка выключена, модели нужно скачать вручную в разделе Models.

Конспекты встреч Muesli может сгенерировать через OpenAI, бесплатные модели OpenRouter, подписку ChatGPT Plus/Pro (без API-ключа) или через локальный Ollama — выбор остаётся за пользователем. Из дополнительного: приложение умеет находить ссылки на встречи в календаре и запускать звонок с одновременной записью, определять начало созвона по включению камеры в Zoom, Teams и похожих приложениях, чистить речь от слов-паузников типа "э-э" и "ну", импортировать аудиофайлы для расшифровки постфактум, экспортировать заметки в PDF или Markdown, а через iCloud синхронизировать текстовые данные (не аудио) с версией для iPhone.

Есть встроенный словарь для правильного распознавания имён и терминов, гибкая настройка горячих клавиш, тёмная и светлая тема, а также опциональный экспериментальный голосовой планировщик, который может выполнять действия в приложениях и браузере по надиктованным командам.

Muesli — проект с открытым исходным кодом, код доступен на GitHub. Работает только на macOS и заточен под чипы Apple Silicon: вся тяжёлая обработка речи происходит локально, без передачи данных на сторонние серверы, за исключением случаев, когда сам пользователь подключает облачного провайдера для генерации конспектов.