Local-first AI-dicteertool · 2026Dagelijks in gebruikLP Whisper
Dicteren, vertalen en tolken op de Mac — zonder dat één woord het pand verlaat.
Houd de Fn-toets ingedrukt, spreek, en de tekst staat in welke app je ook gebruikt. LP Whisper is een macOS-menubalkapp met tien standen — van platte dictatie tot nette mail, samenvatting en een tweerichtings-tolk met stem. Alles draait op een eigen lokale AI-server: geen cloud, geen abonnement, geen datalek.
10
Standen, van dictaat tot tolk
15
Tolk-talen
±3,2 s
Voor 35 seconden spraak
0
Cloud-API's in de keten
Wat het kan
Push-to-talk overal
Fn indrukken = opnemen, loslaten = tekst geplakt in de actieve app. Het klembord wordt volledig gesnapshot en netjes teruggezet — inclusief opmaak, bestanden en afbeeldingen.
Tien standen
Dictatie, vertalen naar Engels, nette mail, zakelijker, samenvatten, korter, prompt maken, tolk in twee richtingen en OCR op klembord-afbeeldingen — te kiezen met een dubbeltik op Fn.
Volledig offline AI-keten
Spraakherkenning met whisper.cpp, tekstbewerking via Ollama, vertaling met een lokaal Gemma-model en een lokale neurale stem via MLX — de stemservice luistert uitsluitend op localhost.
Tolk met stem
Spreek één beurt in; de Mac spreekt de vertaling uit en wisselt automatisch van gespreksrichting. Vijftien talen, van Engels en Duits tot Oekraïens en Arabisch.
Zelflerend woordenboek
Correcties gaan naar de server; na herhaling promoveert die zelf woordenboeksuggesties — zo werd 'video pro' vanzelf 'VidéPro'.
Streaming tijdens het spreken
Audio wordt al in blokken geüpload terwijl je praat; 35 seconden spraak staat in ruim drie seconden als tekst klaar. Mislukt streamen, dan valt de app terug op een WAV-upload.
WhisperFlow Table Node (hardware)
Eigen vergaderhardware op tafel: een 360°-array met zes microfoons, 7-inch touchscreen, LED-statusring en een fysieke mute-schakelaar — met een Raspberry Pi 5 binnenin, pratend met dezelfde lokale server. Opnemen, samenvatten en actiepunten, zonder cloud.
Hoe we het gebouwd hebben
De client is ±2.500 regels Swift zonder frameworks: NSEvent-monitors voor de Fn-toets, AVAudioEngine voor audio en een synthetische ⌘V voor het plakken — draaiend als menubalk-agent met een eigen watchdog die hem herstart als het moet.
De server is Python/FastAPI op een Mac mini in het eigen netwerk: whisper.cpp, Ollama en een MLX-stemservice als LaunchAgent met HF_HUB_OFFLINE=1 — na de eenmalige modelinstallatie is er letterlijk geen internetverbinding meer nodig.
Audio wordt direct na verwerking verwijderd; alleen tolksessies mogen bewust 7–90 dagen lokaal bewaard blijven, met automatische opruiming. Elke stap logt zijn eigen latency, zodat traagheid altijd herleidbaar is.
Waarom we het gebouwd hebben
Dicteren is sneller dan typen — maar klantgesprekken en concept-mails horen niet bij een cloudleverancier. Dus bedachten we de offline versie: dezelfde snelheid, nul cloud-API's, alles binnen het eigen netwerk.
Het is ons eigen dagelijkse gereedschap geworden, inclusief een iOS-vergaderapp op dezelfde lokale server — en het bewijs dat serieuze spraak-AI prima op eigen hardware draait.
