BetterWispr 0.0 リリース – macOS向け無料オープンソース・ローカル音声入力

BetterWispr 0.0は、macOS向けにオフラインかつローカル完結型の音声入力機能を提供します

BetterWispr 0.0は、Apache-2.0ライセンスで提供される無料のmacOSアプリで、ユーザーのデバイス上で完全に音声を文字起こしします。macOS 14以降（Apple Silicon推奨）が必要で、モデルの初回ダウンロード後はアカウント、クラウドAPIキー、インターネット接続を必要としません。

箱から出してすぐに使える主要機能

長押しで話す – ⌥ Space（またはカスタムショートカット）を押しながら話し、離すと整形されたテキストが挿入されます。
9つの内蔵モデル – Appleのオンデバイス音声認識、Parakeet（英語、日本語、25の欧州言語）、およびより広範な多言語サポートのためのOpenAI Whisper。ユーザーはSarvam AI、Smallest AI、またはOpenAI互換のエンドポイントを設定することも可能です。
自動クリーンアップ – 「ライト」モードは英語のフィラー（「えーと」、繰り返し、言い淀み）を除去し、「ミディアム」モードはAIによる明確化編集を追加します。「なし」を選択すると生の文字起こしが保持されます。
アプリごとのスタイル – 各アプリに対して、句読点や大文字小文字を制御するトーン（カジュアル、非常にカジュアル、フォーマル）を設定できます。
会議メモワークフロー – Notetaker機能は、ユーザーを「自分」、他のアプリを「相手」として記録し、Apple IntelligenceやローカルのOllamaモデルを使用して要約、決定事項、アクションアイテムを生成します。
語彙学習 – 設定で名前やカスタム用語を追加したり、履歴で単語を修正したりすることで、将来の音声入力で正しく綴れるようエンジンに学習させます。
履歴とインサイト – 生の文字起こしと整形済みのテキストはローカルに保存されます。ダッシュボードでは、単語数、話す速度、クリーンアップによる削減量、毎日の継続状況を確認できます。
安全なアップデート – リリースはEdDSA署名付きのSparkle経由で配信され、改ざんのないアップグレードを保証します。

ローカル処理が重要な理由

すべての文字起こしはMac上で実行されるため、外部サーバーとの通信が発生しません。この設計により、ユーザーのプライバシーが保護され、遅延が軽減され、モデルがインストールされていればインターネット接続なしで動作します。プロジェクトのGitHubリポジトリ（https://github.com/opennookorg/betterwispr）では、完全なソースコードとコントリビューター向けの make dev ビルドスクリプトが提供されています。

コミュニティの反応のハイライト

既存ツールとの比較 – ユーザーからは、BetterWisprがHandy、VoiceInk、Wispr Flow、その他のOSSプロジェクトとどう違うのかという質問が繰り返されました。BetterWisprのローカルモデル、内蔵のクリーンアップレベル、アプリごとのスタイリングというユニークな組み合わせが差別化要因であるという意見で一致していますが、多くの人はこの分野が混雑しているとも見ています。

"機能面で https://github.com/cjpais/Handy に非常によく似ていると感じます…これを使うユースケースは何でしょうか？" – Zizizizz
モデルの選択 – 複数のコメント投稿者が、Whisper (2022) が依然として多言語STTの事実上の基準であり、その関連性が続いていることを称賛しました。

"本当に驚くべきは、これや多くの競合製品がすべて2022年に登場したOpenAI Whisperを使用していることです。初期のOpenAIチームに敬意を表します…" – Royce-CMR
ローカルファーストの代替案 – GoogleのAI-Edge EloquentやオープンソースのBiscottiプロジェクトが、他のオフライン専用オプションとして挙げられ、プライバシーを保護する音声入力への需要が高まっていることが強調されました。
ユーザー体験 – 一部のユーザーはParakeet v3での完璧な初期テストを報告した一方、タイピングと比較して音声入力に疲れを感じるという意見もありました。

"自転車に乗っている間にコーディングやビルドをする方法を考えていました…Macにリモートターミナルで接続して音声制御したいです。" – honkycat
将来の機能要望 – ウェイクワードによる起動、LLM駆動の編集のための2ボタンコマンド、会議録音のより詳細な話者分離（ダイアライゼーション）が人気の提案でした。

"ウェイクワード検出を追加して、『Hey wakeWord』と言うだけでSTTを起動できるようにしてはどうでしょうか？" – handfuloflight
Apple Siliconでのパフォーマンス – ユーザーは、小さなWhisperモデル（約200 MB）がMシリーズチップ上でGPU負荷をほとんどかけずに動作し、日常使用に耐えうることを確認しました。

"小さなモデルは役に立たないと思っていましたが、実際は素晴らしく、GPUの使用率もほとんど上がりません。" – starik36

始め方

インストール – https://betterwispr.com/ からアプリをダウンロードし、ウェルカムガイドに従ってマイク、アクセシビリティ、音声認識の権限を許可します。
モデルの選択 – 設定でローカルモデルをダウンロードし（英語にはParakeet v3を推奨）、好みのクリーンアップレベルを設定します。
音声入力 – テキストフィールドにカーソルを置き、⌥ Spaceを押しながら話し、離します。整形されたテキストが即座に表示されます。自動貼り付けが失敗した場合は、文字起こしがクリップボードにコピーされます。
微調整 – カスタム語彙を追加したり、ワークフローに合わせてアプリごとのスタイルを調整したりします。

今後の展望

BetterWisprは、高品質な音声モデルとユーザーが制御可能なクリーンアップおよびスタイリングを組み合わせることで、完全にオフラインの音声入力パイプラインが現代のMacで実現可能であることを示しています。活発なHNの議論は、ローカル音声機能の拡張（特にウェイクワード起動、会議の話者分離、ローカルLLMとの緊密な統合）に対するコミュニティの強い関心を示しています。Appleがオンデバイスの音声資産を改善し続けるにつれ（macOS 27以降）、BetterWisprのようなプロジェクトはさらに高性能になり、主流になる可能性があります。