altic-dev/FluidVoice

Fastest and only macOS Dictation app with on-device STT and custom trained AI enhancement model. Windows pre-build available! A local Wispr Flow alternative. DM us on X exclusive model access! 😉 - https://x.com/fluidvoiceapp

解決する課題

FluidVoiceは、macOS向けのオープンソース音声入力アプリであり、ユーザーは音声を使って文章の作成、書き換え、コンピュータの制御を行うことができます。クラウド処理を必要とせず、Mac上のあらゆるアプリケーションに直接統合できる、プライバシーに配慮した低遅延の文字起こしサービスへのニーズに応えます。

仕組み

このアプリは、サポートされているさまざまな音声モデル（Nemotron、Parakeet、Cohere、Whisperなど）を使用して、音声をリアルタイムでテキストに変換します。アクセシビリティAPIを活用し、アクティブなテキストフィールドに直接テキストを挿入します。また、スマートなフォーマットや文脈を考慮した大文字小文字の変換を行うための、プライベートなデバイス内AIランタイム「Fluid Intelligence」を搭載しています。

対象ユーザー

高速でプライバシーが保護された、統合型の音声入力およびシステム制御体験を求めるMacユーザー。完全にローカルでの処理を好む方から、クラウドAIプロバイダーによる強化を利用したい方まで幅広く対応しています。

主な特徴

  • ローカルファーストのプライバシー: クラウドAIの使用を選択しない限り、音声およびテキストデータはデバイス内に留まります。
  • コマンドモード: 音声でアプリの起動、ショートカットの実行、ワークフローの自動化が可能です。
  • 書き込みモード: あらゆるアプリケーション内で直接、音声入力やテキストの書き換えが可能です。
  • マルチモデルサポート: Nemotron Speech 3.5、Parakeet、Whisperなど、言語や遅延のニーズに合わせて幅広いモデルをサポートしています。
  • Fluid Intelligence: デバイス内での後処理とスマートなフォーマットを行うためのローカルAIレイヤー。
  • ノッチ対応オーバーレイ: MacBookのノッチを避けて表示されるリアルタイム文字起こしプレビュー。

関連

  • プロジェクト
    FluidInference/FluidAudio

    FluidAudioは、Appleデバイス上でオンデバイス音声AIを実現するSwift SDKです — 音声認識、テキスト音声変換、音声活動検出、話者分離、音声強化など — すべてApple Neural Engineで高速かつプライバシー保護された処理が可能です。

  • 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
    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
    mylxsw/typeflux

    プライバシーを重視したローカルモデルをサポートする、あらゆるアプリに瞬時に音声認識テキストを挿入するmacOSアプリ。AIアシスタントにより音声駆動のQ&Aや編集も可能。

  • プロジェクト
    watzon/pindrop

    Pindropは、Whisper‑Kit、Parakeet、SenseVoice、Apple Speechなどのオンデバイスモデル、またはオプションのOpenAIクラウドモデルを使用して、オフラインで音声をテキストに変換する、非推奨のネイティブmacOSメニューバーアプリです。リアルタイムストリーミング、多言語対応、話者分離、検索可能な転写ライブラリ、AI強化クリーンアップ、プライバシー最優先のデフォルトを備えています。Swift/SwiftUIで構築され、macOS 14+（Apple Silicon推奨）で動作し、Saysoアプリに置き換えられています。