AbhishekBarali/SpeakoFlow

解決する課題

SpeakoFlowは、ユーザーがあらゆるアプリケーションで音声を使って入力できるクロスプラットフォームの音声ディクテーションおよびAIアシスタントツールです。手動でのタイピングを不要にし、システム全体の音声からテキストへのインターフェースを提供するとともに、翻訳、説明、ハンズフリー会話などのタスクのためのAIアシスタントも統合しています。

仕組み

このアプリケーションは、音声からテキストへの変換（STT）、大規模言語モデル（LLM）、およびテキストから音声への変換（TTS）のために、ローカルモデルとクラウドベースのモデルの組み合わせを使用します。ユーザーはキーボードショートカットで操作をトリガーし、テキストを口述したり、選択したテキストや画面についてAIアシスタントに質問したり、音声での会話に参加したりできます。Whisper、Parakeet、llama.cppなどのローカルエンジンに加え、OpenAIやAnthropicなどのクラウドプロバイダーを含む幅広いモデルをサポートしています。

対象ユーザー

タイピングを音声に置き換えて生産性を向上させたい人、すべてのアプリでアクセス可能なAIアシスタントを必要とするユーザー、そして会議を自動的に文字起こしして要約する必要がある専門家向けに設計されています。

ハイライト

• システム全体のディクテーション: カスタマイズ可能なキーボードショートカットで、あらゆるアプリで音声を使って入力できます。
• AIアシスタント: 質問をしたり、テキストを翻訳したり、選択したテキストをAI生成の回答に置き換えたりできます。
• ハンズフリー会話: ローカルまたはクラウドの音声を使用して、AIアシスタントと音声対話に参加できます。
• 会議の文字起こし: マイクとシステムオーディオを録音して、トランスクリプトと構造化された会議メモ（要約、決定事項、次のステップ）を作成します。
• AIクリーンアップ: フィラーワードを削除し、文法と句読点をリアルタイムで修正する専用の小型モデル（SpeakoFlow Mini）。
• プライバシー優先: デフォルトでローカルに文字起こしと処理を行い、テレメトリーやアカウントは不要です。
• 柔軟なモデルサポート: 65以上の音声モデルとさまざまなLLMプロバイダー（Ollama / LM Studioを介したローカル、またはクラウドAPIキー）をサポートしています。