TypeWhisper/typewhisper-mac
Local speech-to-text for macOS on-device AI, fully private, optional cloud
解決する課題
TypeWhisper for Macは、システム全体で利用可能な音声文字変換およびAIテキスト処理ツールです。ユーザーはあらゆるアプリケーションでテキストの音声入力を行ったり、音声ファイルを文字起こししたり、カスタマイズ可能なワークフローを通じてAIでテキストを変換したりすることができます。プライバシーのためのローカルなデバイス上処理と、スピードのためのクラウドAPIの選択も可能です。
仕組み
このアプリケーションは、複数の文字起こしエンジン（WhisperKit、Parakeet、および各種クラウドAPIなど）とLLMプロバイダー（MLX経由のローカルなGemma 4や、Groq、OpenAIなどのクラウドオプションを含む）を統合しています。プッシュ・トゥ・トーク（押している間だけ話す）方式の音声入力にはグローバルホットキーを使用し、新しいエンジンや後処理を追加するための拡張可能なプラグインシステムを備えています。また、自動化のためのローカルREST APIとCLIツールも搭載しています。
対象ユーザー
高品質な音声入力と文字起こしを必要とするmacOSユーザー、特にプライバシーのためにローカルAIモデルを好む方や、使用中のアプリやウェブサイトに基づいてテキスト変換ワークフローを自動化したい方に設計されています。
ハイライト
- ハイブリッド処理: ローカルのデバイス上モデルとクラウドAPIを含む、11種類の異なる文字起こしエンジンをサポート。
- AIワークフロー: アプリやウェブサイトのコンテキストによって自動的にトリガーできる、翻訳、書き換え、フォーマットのための再利用可能な変換機能。
- 拡張性: カスタムLLM、文字起こし、TTSプロバイダー用のプラグインシステムに加え、外部スクリプト用のローカルHTTP APIを搭載。
- パーソナライズ: 認識精度向上のための組み込み辞書、自動学習による修正、プレースホルダー付きのテキストスニペット。
- ファイル文字起こし: 音声/ビデオファイルのバッチ処理、SRTおよびWebVTT字幕の書き出しオプション。