Просто мысль, наподобие Wordcraft. Есть много хороших и несложно применимых (с точки зрения python) библиотек, на которых можно сделать умопомрачительный редактор текста.

1. VOSK — распознавание речи. Есть и тяжёлая качественная, и очень лёгкая быстрая модель. Если в тишине и отчётливо говорить — то весьма хорошо очень лёгкая распознает, для команд точно подойдёт,
2. rut5-base-multitask — многозадачная модель работы с текстами. 9 задач, из них перевод, составление из набора слов связного предложения, суммаризация, вставки пропущенных слов (осмысленно), и т.д.,
3. MMOCR — распознаватель текстов. Tesseract и приседание со всеми этими его настройками — и итоговым качеством — нервно курит,
4. RuDolph — генератор изображений по текстам и наоборот.

Складываем паззлы… в мечтах

Сижу я значит, набираю текст в блоге, и командую голосом своим, значит, «исправь!», «переведи!», «картинка!», «сканируй!».

Вот… а редактор все слушает и делает. Главное чтобы коллеги рядом не сидели, чтобы им смешно не было, для фрилансеров решение, так сказать.

Сложность тут только найти GPU под каждую модель, а то и не одну. Дорого для такого удовольствия. И не продашь — копирайтеры хоть и получают, быстрее руками набирают, а у остальных мало текста.

Такая вот заметка.

P.S. И вот совсем свежая мультимодалка, Flamingo. Просто для информации.