OpenWhispr/openwhispr

Voice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (BYOK). Privacy-first and available cross-platform.

解決する課題

OpenWhisprは、手動入力をAIによるディクテーション、会議の文字起こし、メモ作成に置き換える、プライバシーを最優先した音声テキスト変換ツールです。クラウド依存の文字起こしサービスを必要とせず、完全にローカルなオンデバイス処理オプションを提供することで、音声データが確実にプライベートに保たれるようにします。

仕組み

このアプリケーションは、Whisper、NVIDIA Parakeet、Orukeetといった複数の高性能な音声認識（ASR）モデルを統合しており、whisper.cppやsherpa-onnxを介してローカルで実行するか、クラウドプロバイダーを通じて実行します。グローバルホットキーシステムを使用して音声をキャプチャし、アクティブなアプリケーションに直接テキストを貼り付けます。会議については、ZoomやTeamsなどのプラットフォームからの通話を自動検出し、話者分離（ダイアライゼーション）と音声フィンガープリントを適用して、誰が話しているかを識別します。

対象ユーザー

プライバシーを犠牲にすることなく、効率的な音声テキスト変換ワークフロー、安全な会議記録、AI支援によるメモ整理を必要とする専門家、学生、チーム向けに設計されています。

ハイライト

  • プライバシー重視のディクテーション: ローカルの文字起こしモデルにより、音声がデバイスから外部へ送信されることはありません。
  • AIエージェント統合: スクリーンショットによる画面コンテキストのオプション付きで、LLM（GPT-5、Claude、Geminiなど）への直接的な音声コマンドが可能です。
  • 会議インテリジェンス: ライブ話者分離と音声フィンガープリントによる自動会議文字起こし。
  • クロスプラットフォーム対応: macOS、Windows、Linux向けのネイティブアプリ。
  • 柔軟なインフラストラクチャ: ローカルのGPUアクセラレーション推論（Metal、CUDA、Vulkan）とクラウドプロバイダーの両方をサポート。
  • 拡張性: プログラムによるメモ管理のためのパブリックAPIとMCPサーバーが含まれています。

関連

  • Dispatch
    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、カスタマイズ可能なクリーンアップ、スタイル、会議メモ機能を備えた、オフラインかつローカル完結型の無料オープンソースmacOS用音声入力アプリです。このリリースは、ローカル音声モデルや競合ツールに関する活発な議論を巻き起こしています。

  • プロジェクト
    Beingpax/VoiceInk

    VoiceInkは、macOS専用のオフライン音声認識アプリで、whisper.cppおよびtranscribe-cpp-swiftを介してローカルWhisperベースのモデルを使用し、ほぼ瞬間的なプライバシー保護型音声認識、文脈認識モード、カスタム辞書、グローバルショートカット、内蔵AIアシスタントを提供します。GPL-v3のオープンソースで、Homebrewまたはソースからインストール可能。アップデートおよびサポートの有償ライセンスもオプションです。

  • プロジェクト
    ideaplexa/voicetypr

    Voicetyprは、macOSおよびWindows向けのオープンソースでオフラインファーストのディクテーションアプリです。グローバルホットキーで音声をキャプチャし、Whisper（Apple SiliconではParakeetも利用可能）を使用してローカルで文字起こしを行うか、オプションでクラウドSTTサービスを利用できます。また、LLMを使用してテキストを整形し、現在のカーソル位置に挿入することも可能です。付属のCLIにより、スクリプトやAIエージェントが同じ文字起こしパイプラインを利用でき、プレーンテキストやJSONで結果を取得できます。Tauri（Rustバックエンド）とReactで構築されており、LANベースのプライベート文字起こしサーバー機能も備えています。ライセンスはAGPL-3.0です。

  • プロジェクト
    TypeWhisper/typewhisper-mac

    macOS向けのシステム全体で利用可能な音声認識・AIテキスト処理ユーティリティ。ローカルおよびクラウドの文字起こしエンジンをサポートし、カスタマイズ可能なAIワークフローを提供します。

  • プロジェクト
    goodroot/hyprwhspr

    hyprwhsprは、システム全体で動作するLinuxネイティブの音声認識（Speech-to-Text）アプリです。ローカルモデル（Whisper、Cohere、Parakeet、Qwen3-ASRなど）を使用してほぼリアルタイムでディクテーションを行い、必要に応じてクラウドAPIにフォールバックします。Wayland/X11デスクトップ、ステータスバー、テーマ対応のビジュアライザーと統合されています。AURまたはワンライナーでインストールし、`hyprwhspr setup`で設定後、`Super+Alt+D`でディクテーションを切り替えて、文字起こしを任意のウィンドウに自動貼り付けできます。