VocaHQ/vocalinux

解決する課題

Vocalinux は、Linux ユーザー向けのプライバシーを重視したデバイス内完結型の音声入力ツールです。クラウドサービスに依存することなく、あらゆるアクティブなアプリケーションで音声をテキストに変換できます。これにより、さまざまな Linux ディストリビューションやディスプレイサーバー（X11 および Wayland）間で不足していた、ネイティブで高品質な音声認識（STT）統合の問題を解決します。

仕組み

このアプリケーションは、ユーザーのコンピューター上でローカルの音声認識エンジンを実行します。モデルの初回ダウンロード後は、すべての音声処理がローカルで行われます。whisper.cpp（デフォルト）、OpenAI Whisper、Faster Whisper、VOSK、Parakeet など、複数のエンジンをサポートしています。他のアプリにテキストを入力するために、xdotool、IBus、wtype、または ydotool といったツールを使用します。

対象ユーザー

アカウント登録が不要で、音声データがデバイス内に留まる、プライバシーに配慮したシームレスな音声入力体験を求める Linux ユーザー。Ubuntu、Debian、Fedora、Arch Linux などの主要なディストリビューションで動作するように設計されています。

ハイライト

• デバイス内処理: モデルのダウンロード後、音声はローカルで処理されるためプライバシーが最大限に保護されます。
• マルチエンジン対応: whisper.cpp、OpenAI Whisper、Faster Whisper、VOSK、Parakeet をサポート。
• GPU アクセラレーション: whisper.cpp を通じて、AMD、Intel、NVIDIA GPU で Vulkan を利用可能。
• X11 および Wayland の互換性: 両方の主要な Linux ディスプレイサーバーで動作します。
• 音声コマンド: 句読点や基本的な書式設定コマンド（例: 「new line」、「period」）を組み込みでサポート。
• 柔軟なインストール: インストールスクリプト、.deb、.rpm、AppImage、AUR、Flatpak、Snap を通じて利用可能。