cjpais/Handy

解決する課題

Handy はプライバシー重視のオープンソース音声認識アプリケーションで、ユーザーが話した言葉をコンピュータ上の任意のアクティブテキストフィールドに直接文字起こしできます。クラウドベースの文字起こしサービスを必要とせず、音声データがローカルに留まりプライベートであ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またはプッシュ・トゥ・トークモードで文字起こしを開始します。アプリは Silero の Voice Activity Detection（VAD）で無音を除去し、ローカルの機械学習モデルで音声を処理します。Whisper の各種サイズモデル（GPU 加速対応）や、CPU 最適化された Parakeet V3 モデル（自動言語検出）など、複数のモデルオプションをサポートします。

対象ユーザー

Windows、macOS、Linux で完全オフラインで動作し、無料でプライベートかつ拡張可能な音声認識ツールを求めるユーザー向けに設計されています。

ハイライト

• 完全ローカル：すべての処理はユーザーのマシン上で行われ、クラウドへのデータ送信はありません。
• クロスプラットフォーム：Windows、macOS、Linux をネイティブにサポート。
• 柔軟なモデルサポート：Whisper（Small、Medium、Turbo、Large）と Parakeet V3 モデルに対応。
• 拡張性：Tauri アプリケーション（Rust バックエンド、React フロントエンド）として構築され、フォークしやすい設計。
• システム統合：macOS では Raycast と統合し、リモート制御用の CLI フラグもサポート。