cjpais/Handy

解決する問題

Handy は、プライバシー重視のオープンソース音声テキスト変換アプリケーションで、ユーザーがコンピューター上の任意のアクティブなテキストフィールドに音声を直接文字起こしできるようにします。クラウドベースの文字起こしサービスの必要性を排除し、音声データがローカルかつプライベートに保たれることを保証します。

仕組み

ユーザーは設定可能なキーボードショートカット（長押し、トグル、またはタップ）で録音をトリガーします。アプリケーションは Silero VAD（音声活動検出）を使用して無音をフィルタリングし、ローカル AI モデルを使用して音声を処理します。ユーザーは GPU アクセラレーションを備えたさまざまな Whisper モデル（Small、Medium、Turbo、Large）または CPU 最適化の Parakeet V3 モデルを選択できます。処理後、文字起こしされたテキストはアクティブなアプリケーションに直接貼り付けられます。

対象ユーザー

無料でプライベート、クロスプラットフォーム（Windows、macOS、Linux）の文字起こしツールを求めるユーザー向けに設計されており、アクセシビリティや一般的な生産性向上、また拡張可能な音声テキスト変換フレームワークを求める開発者にも適しています。

ハイライト

• 完全オフライン：すべての文字起こしはクラウド接続なしでローカルマシンで行われます。
• 拡張可能：オープンソースで、カスタム Whisper GGML モデルをサポートします。
• クロスプラットフォーム：Windows、macOS、Linux をネイティブサポート。
• 柔軟な制御：キーボードショートカット、リモート制御用の CLI フラグ、macOS 用の Raycast 拡張機能をサポート。
• モデル選択：パフォーマンスとハードウェア能力のバランスを取るために、さまざまな Whisper および Parakeet モデルを提供。