Entrada de Voz Claude Ruso Sin Conexión

# Entrada de Voz Local para Claude en Ruso: Hecho en una Tarde

Un servidor Flask en localhost:5555 recibe audio desde una extensión de Chrome, lo transcribe localmente con Whisper (modelo small), y envía el texto al campo de entrada de Claude.ai. Una app de barra de menú hecha con rumps maneja el inicio y parada, con el ícono del menú cambiando de 🤖 a 🎤. Todo funciona completamente offline, sin límites, gratis al 100%. Funciona en macOS, fácil de adaptar a Linux.

Requisitos Previos

Instala las dependencias:

• Whisper: brew install openai-whisper
• ffmpeg: brew install ffmpeg
• Python 3 y Chrome

Prueba Whisper:

whisper --version

Busca "Russian" en la salida. Crea la estructura del proyecto:

mkdir -p ~/projects/whisper-claude
cd ~/projects/whisper-claude
python3 -m venv venv
source venv/bin/activate
pip install flask flask-cors rumps
mkdir -p extension/icons

El entorno virtual es esencial en macOS Ventura+ para evitar conflictos con Python del sistema.

Servidor de Transcripción (server.py)

El servidor maneja POST /transcribe con audio en base64 o archivo, llama a Whisper con --language ru --fp16 False (crucial para Apple Silicon), y devuelve JSON con el texto. Incluye endpoints /ping y /shutdown.

from flask import Flask, request, jsonify
from flask_cors import CORS
import subprocess
import tempfile
import os
import threading

app = Flask(__name__)
CORS(app)

WHISPER_PATH = "/opt/homebrew/bin/whisper"
WHISPER_MODEL = "small"
PORT = 5555

@app.route("/ping", methods=["GET"])
def ping():
    return jsonify({"status": "ok"})

@app.route("/transcribe", methods=["POST"])
def transcribe():
    if "audio" not in request.files:
        return jsonify({"error": "No audio file found"}), 400

    audio_file = request.files["audio"]

    with tempfile.NamedTemporaryFile(suffix=".webm", delete=False) as tmp:
        tmp_path = tmp.name
        audio_file.save(tmp_path)

    try:
        result = subprocess.run(
            [
                WHISPER_PATH, tmp_path,
                "--model", WHISPER_MODEL,
                "--language", "ru",
                "--output_format", "txt",
                "--output_dir", tempfile.gettempdir(),
                "--fp16", "False",
            ],
            capture_output=True, text=True, timeout=60
        )

        txt_path = tmp_path.replace(".webm", ".txt")
        if os.path.exists(txt_path):
            with open(txt_path, "r", encoding="utf-8") as f:
                text = f.read().strip()
            os.unlink(txt_path)
        else:
            text = result.stdout.strip()

        return jsonify({"text": text})

    except subprocess.TimeoutExpired:
        return jsonify({"error": "Timeout"}), 500
    except Exception as e:
        return jsonify({"error": str(e)}), 500
    finally:
        os.unlink(tmp_path)

@app.route("/shutdown", methods=["POST"])
def shutdown():
    threading.Timer(0.5, lambda: os._exit(0)).start()
    return jsonify({"status": "shutting down"})

if __name__ == "__main__":
    print(f"[Whisper] Starting on port {PORT}, model: {WHISPER_MODEL}")
    app.run(host="127.0.0.1", port=PORT, debug=False)

Consejo clave: --fp16 False evita fallos en chips M1/M2/M3.

Controlador de Barra de Menú (menubar.py)

La app verifica puertos cada 5 segundos con rumps.Timer, inicia/para servidores en hilos. La config TOOLS permite agregar servicios con una línea. El estado se muestra con emojis: ✅ ejecutándose, ⏸ pausado.

import rumps
import subprocess
import threading
import os
import time
import urllib.request

BASE_DIR = "~/projects/whisper-claude"
VENV_PYTHON = os.path.join(BASE_DIR, "venv/bin/python3")

TOOLS = [
    {
        "name": "Whisper → Claude",
        "script": os.path.join(BASE_DIR, "server.py"),
        "port": 5555,
        "description": "Entrada de voz en ruso",
    },
]

# ... (resto del código como en el original, abreviado para ejemplo)

class AILauncher(rumps.App):
    # implementación como arriba
    pass

if __name__ == "__main__":
    AILauncher().run()

Código completo incluye ToolController con alternar, check_all y apagado elegante.

Extensión de Chrome

manifest.json (MV3):

{
  "manifest_version": 3,
  "name": "Whisper para Claude",
  "version": "1.0",
  "permissions": ["activeTab", "scripting"],
  "host_permissions": [
    "https://claude.ai/*",
    "http://127.0.0.1:5555/*"
  ],
  "content_scripts": [
    {
      "matches": ["https://claude.ai/*"],
      "js": ["content.js"],
      "run_at": "document_end"
    }
  ],
  "background": {
    "service_worker": "background.js"
  }
}

background.js maneja contenido mixto: audio base64 de content.js → fetch en background → servidor.

const SERVER_URL = "http://127.0.0.1:5555";

chrome.runtime.onMessage.addListener((message, sender, sendResponse) => {
  if (message.action === "transcribe") {
    handleTranscribe(message.audio).then(sendResponse);
    return true;
  }
});

async function handleTranscribe(base64Audio) {
  // base64 a Blob a FormData a POST /transcribe
}

Content.js agrega un botón 🎤 junto al campo de entrada y captura MediaRecorder.

Aspectos Destacados

• Modelo Whisper small local: ~1 GB, transcribe ruso offline en 10-30 segundos.
• Arquitectura extensible: agrega nuevas herramientas IA a TOOLS sin cambiar código.
• Seguridad: solo localhost, sin llamadas a la nube, CORS para Chrome.
• Compatibilidad: macOS Apple Silicon (fp16=False), Linux con ajustes de ruta.
• Rendimiento: timeout de 60 segundos, limpieza automática de archivos temporales.

— Editorial Team