Der Reddit-Nutzer Danmoreng hat die Extension „talk-to-pi" veröffentlicht, die Spracheingabe direkt im Browser für das KI-Coding-Terminal pi ermöglicht – ohne dass ein dauerhaft laufender zweiter Server nötig ist. Die Extension startet den STT-Server bedarfsgesteuert und lädt das benötigte Modell beim ersten Start einmalig von Hugging Face herunter. Als Spracherkennungsmodell dient NVIDIAs Nemotron 3.5 ASR Streaming 0.6B, das mit Streaming-Unterstützung und Mehrsprachigkeit aufwartet und selbst auf der CPU schnell genug für Echtzeit-Transkription ist. Das zugehörige Runtime-Framework NeMo-Speech.cpp, NVIDIAs eigenes GGML-basiertes Inferenz-Backend, war zum Zeitpunkt der Veröffentlichung erst kurz zuvor still auf GitHub erschienen – ebenso das offizielle Q8-GGUF-Gewicht auf dem NVIDIA-Hugging-Face-Account. Das Workflow-Design ist bewusst minimalistisch gehalten: Ein Tastaturkürzel öffnet ein Popup, transkribierter Text wird live angezeigt, und der Nutzer kann ihn übernehmen oder verwerfen, bevor er editierbar ins Prompt-Eingabefeld eingefügt wird. Sprache und Shortcut lassen sich in den Einstellungen anpassen; die Standardeinstellung ist automatische Spracherkennung. Danmoreng hatte ursprünglich parakeet.cpp als Runtime erwogen, entschied sich aber für NeMo-Speech.cpp, sobald NVIDIA das eigene Backend veröffentlichte. Getestet wurde die Extension unter Linux und Windows; ein MacOS-Build existiert, konnte vom Entwickler jedoch mangels Hardware nicht selbst geprüft werden.