altic-dev/FluidVoice

何を解決するか

FluidVoice は、macOS 向けのオープンソース音声入力アプリで、ユーザーが声を使ってテキスト入力とコンピュータの操作を行うことを可能にします。任意のテキストフィールドでの手動入力の必要性を排除し、音声コマンドを通じてシステム操作やワークフローを自動化する手段を提供します。

動作方法

このアプリは、Nemotron、Parakeet、Whisper などのさまざまな音声認識モデルを使用して、リアルタイムで音声をテキストに変換します。その後、アクセシビリティ API を使って、そのテキストをアクティブなアプリケーションに直接挿入します。品質を向上させるために、「Fluid Intelligence」というローカル AI ランタイムを提供しており、ローカルでスマートフォーマット、大文字化、後処理を実行できます。また、OpenAI や Groq などのクラウドベースの AI プロバイダーをオプションで利用して、さらに精緻な処理も可能です。

対象ユーザー

macOS 15.0+ で Apple Silicon を搭載したユーザー（Intel マシンも Whisper を通じてサポート）で、プライバシーを重視し、ローカル処理を最優先する音声入力ツールを必要とする方々に最適です。文章作成、テキストの再編集、Mac の音声による操作を目的としています。

特徴

• 複数のモデル対応: レイテンシーや言語のニーズに応じて、Nemotron Speech 3.5、Parakeet、Cohere、Whisper などさまざまなエンジンを選択可能。
• 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、システム操作のトリガーが可能。
• 書き込みモード: 任意のアプリのテキストフィールドに直接テキストを挿入または上書き可能。
• ローカル最優先のプライバシー: ローカル処理により、音声やテキストデータは機械上に留まり、クラウドプロバイダーを明示的に有効化しない限り、外部に送信されません。
• ライブプレビュー: ノッチ対応のリアルタイム音声認識オーバーレイで、話された瞬間に単語が表示されます。