Oddech

Program do wykrywania i ściszania wdechów w nagraniach wideo. Otwiera plik z kilkoma ścieżkami audio, znajduje wdechy na wybranych ścieżkach i pozwala je przejrzeć. Wynik to nowe wideo albo pliki WAV ze ściszonymi wdechami, albo gotowa, pocięta oś czasu do programu montażowego. Oryginalne nagranie nie jest zmieniane.

Jak używać

1. Otwórz nagranie: „Otwórz…”, przeciągnij plik do okna (tylko X11) albo podaj go przy uruchomieniu.
2. Wybierz ścieżkę z mową: włącz „Popraw wdechy” w jej nagłówku. Wykrywanie uruchomi się samo i trwa kilka sekund.
3. Przejrzyj wdechy paskiem na dole: ‹ › przechodzą między wdechami, „Zatwierdź” lub „To nie wdech” rozstrzyga pojedynczy, „Zatwierdź wszystkie” resztę. Brakujący wdech zaznacz myszą na ścieżce i kliknij „+ Dodaj wdech”.
4. Ustaw ściszenie suwakiem na górze i porównaj „Przed” / „Po”.
5. Eksportuj: „Eksportuj” zapisuje wideo lub pliki WAV (format w „Więcej opcji”), a „Więcej opcji → Oś czasu do montażu” zapisuje FCPXML do DaVinci Resolve.

Poprawki zapisują się automatycznie obok nagrania. Skróty klawiszowe i dokładny opis działania funkcji: klawisz F1 w programie.

Instalacja

Wymagania: Linux x86-64, X11 lub Wayland. Opcjonalnie karta graficzna NVIDIA do akceleracji.

Paczki są na stronie wydań.

Debian, Ubuntu i pochodne (od Ubuntu 22.04 / Debiana 12):

sudo apt install ./oddech_1.0.1_amd64.deb

Program pojawia się w menu jako „Oddech”; z terminala: oddech [nagranie.mkv].

Wykrywanie na karcie NVIDIA (sterownik 525 lub nowszy) daje dodatkowa paczka z bibliotekami CUDA i cuDNN (ok. 1,3 GB do pobrania, 2,9 GB po instalacji):

sudo apt install ./oddech-cuda_1.0.1_amd64.deb

Bez tej paczki, bez karty NVIDIA albo gdy karta nie przejdzie testu przy starcie, program używa wyłącznie CPU (wykrywa ok. 2 razy wolniej). Pokazuje to wskaźnik na pasku stanu na dole okna.

Inne dystrybucje (AppImage):

chmod +x Oddech-1.0.1-x86_64.AppImage
./Oddech-1.0.1-x86_64.AppImage [nagranie.mkv]

AppImage potrzebuje FUSE (fusermount3 albo fusermount); bez niego działa z opcją --appimage-extract-and-run. Resztę bierze z systemu (niżej). Jeśli trafisz na błąd: fuse: memory allocation failed Oznacza to, że potrzebujesz zaktualizować AppImageLaunchera do wersji 3.x. AppImageLauncher w wersji 2.x nie działa z obecną wersją appimage Oddechu.

Wymagania systemowe

Paczki zawierają FFmpeg 8.1 (avcodec, avformat, avutil, swresample), ONNX Runtime 1.22 i model Respiro-en. Z systemu potrzebne są:

Do czego	Debian / Ubuntu	Arch
biblioteka C (glibc 2.35 lub nowsza)	libc6	glibc
dźwięk (ALSA; PipeWire i PulseAudio przez wtyczkę ALSA)	libasound2	alsa-lib
okno na X11	libx11-6 libxcursor1 libxi6 libxrandr2 libxkbcommon0 libxkbcommon-x11-0	libx11 libxcursor libxi libxrandr libxkbcommon libxkbcommon-x11
okno na Waylandzie	libwayland-client0 libwayland-cursor0 libwayland-egl1	wayland
rysowanie: Vulkan (loader i sterownik), bez niego OpenGL (EGL, sterowniki Mesa)	libvulkan1 mesa-vulkan-drivers libegl1	vulkan-icd-loader, sterownik (vulkan-intel, vulkan-radeon, nvidia-utils; bez karty vulkan-swrast), libglvnd
okna wyboru plików: portal XDG, a bez niego zenity	libdbus-1-3 xdg-desktop-portal (i backend pulpitu) albo zenity	dbus xdg-desktop-portal (i backend, np. xdg-desktop-portal-gtk) albo zenity
czcionki (opcjonalnie; bez nich wbudowane)	fonts-dejavu-core	ttf-dejavu

Wykrywanie na karcie NVIDIA: sterownik 525 lub nowszy (w .deb z paczką oddech-cuda; AppImage wykrywa tylko na procesorze).

Uruchamianie ze źródeł

Opis dla Debiana i Ubuntu; na innych systemach potrzebne są odpowiedniki tych pakietów.

1. Narzędzia i biblioteki

sudo apt install build-essential pkg-config clang libclang-dev libasound2-dev libavcodec-dev libavformat-dev libavutil-dev git

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

Ze źródeł program korzysta z systemowego FFmpeg (sprawdzone wersje 6.1 i 8.1). Do testów potrzebne jest też polecenie ffmpeg.

2. Katalog aplikacji dist/ — model i biblioteki, które program ładuje w czasie działania:

dist/
  lib/      ONNX Runtime 1.22
  models/   respiro-en.onnx

• dist/lib/: libonnxruntime.so* i libonnxruntime_providers_shared.so z paczki onnxruntime-linux-x64-gpu-1.22.0 (wydania ONNX Runtime na GitHubie); do pracy na karcie NVIDIA także libonnxruntime_providers_cuda.so oraz systemowe CUDA 12 i cuDNN 9 (np. nvidia-cuda-toolkit libcudnn9-cuda-12).
• dist/models/respiro-en.onnx: kopia modelu z repozytorium:

mkdir -p dist/models && cp models/respiro-en.onnx dist/models/

models/respiro-en.onnx to eksport modelu Respiro-en do ONNX. Odtworzenie go (wymaga uv):

git clone https://github.com/ydqmkkx/Respiro-en training/vendor/Respiro-en
uv venv training/.venv && uv pip install --python training/.venv/bin/python -r training/requirements.txt
training/.venv/bin/python training/export_respiro_onnx.py

3. Budowanie i start

cargo build --release

./target/release/oddech [nagranie.mkv]

Transkrypcja mowy (whisper.cpp z CUDA) nie jest potrzebna do wykrywania i domyślnie nie jest budowana; włącza ją --features whisper (wymaga dodatkowo cmake, g++-12 i nvidia-cuda-toolkit).

Paczki instalacyjne

packaging/build.sh

Buduje .deb, AppImage i paczkę oddech-cuda w kontenerze z Ubuntu 22.04 (najstarszy obsługiwany system: paczka zbudowana na nim działa też na nowszych). Wymaga podman albo docker. FFmpeg, ONNX Runtime, biblioteki NVIDIA (ok. 2,6 GB; --no-cuda pomija je razem z paczką oddech-cuda) i narzędzia AppImage pobiera w wersjach przypiętych w packaging/versions.sh (z sumami kontrolnymi) do packaging/cache/; wynik trafia do packaging/out/.

Wydania

Wydanie buduje GitHub Actions (.github/workflows/release.yml) po wypchnięciu taga vX.Y.Z zgodnego z wersją w Cargo.toml: uruchamia packaging/build.sh i publikuje paczki z sumami SHA-256 jako wydanie tego taga. Tag z przyrostkiem (vX.Y.Z-rc1) daje wydanie próbne (pre-release).

1. Nowa wersja w Cargo.toml ([workspace.package]) i w nazwach plików w „Instalacja”; cargo build aktualizuje Cargo.lock.
2. Commit, potem git tag vX.Y.Z && git push origin main vX.Y.Z.

Pliki pobierane przez build.sh, które znikają ze źródła (kompilacje FFmpeg), workflow kopiuje do wydania build-deps; build.sh korzysta z tej kopii, gdy źródła już nie ma.

Dodatkowe informacje

Gdzie program trzyma dane

Co	Gdzie
Poprawki nagrania, kopia referencyjna	obok nagrania: <nagranie>.oddech.json, <nagranie>.oddech.reference.json
Ustawienia	~/.config/oddech/settings.json
Dziennik (bieżące i poprzednie uruchomienie)	~/.local/state/oddech/oddech.log, oddech.log.1
Zdekodowany dźwięk (pamięć podręczna)	~/.cache/oddech/, limit w „Więcej opcji”
Model i biblioteki	lib/ i models/ obok programu (w wersji ze źródeł: dist/)

Zmienne środowiskowe

Zmienna	Działanie
ODDECH_HOME	inny katalog aplikacji (z lib/ i models/)
ORT_DYLIB_PATH	inna biblioteka libonnxruntime.so
ODDECH_CACHE_DIR	inny katalog pamięci podręcznej
ODDECH_CPU=1	wykrywanie na procesorze mimo dostępnej karty
RUST_LOG=debug	szczegółowy dziennik, m.in. pełne komunikaty błędów GPU

Dokumentacja projektu: wymagania w SPEC.md, decyzje techniczne i ich uzasadnienia w DECISIONS.md, narzędzia do pomiarów jakości wykrywania w training/.

Testy: cargo test --workspace.

Licencja: MIT (LICENSE). Licencje dołączonych składników są w paczkach w katalogu licenses/.