crosswk/SayIt

解決する課題

SayItは、あらゆるアプリケーションで音声入力を行えるWindows用ツールです。音声をAIで洗練されたテキストに変換し、カーソル位置に直接挿入することで、タイピングの遅さを解消します。ウィンドウの切り替えや、フィラー（言い淀み）や認識ミスの手動修正が不要になります。

仕組み

ユーザーがショートカットキーで録音を開始すると、音声認識 (ASR) エンジンが処理を行います。システムは3つの動作モードをサポートしています：ローカルモード（GPU上のGGUFモデルを使用）、クラウドAPIモード（OpenAIやGroqなどのプロバイダーに直接接続）、サーバーモード（セルフホストされたFastAPIバックエンドに接続）。文字起こし後、テキストはAIによるクリーンアップ工程を経て、カスタマイズ可能なプロンプトによりフィラーの削除やアイデアの整形が行われます。また、周囲のテキストを読み取ってトーンや専門用語を合わせることも可能です。

対象ユーザー

さまざまなエディタ、チャットアプリ、ブラウザで効率的にテキストを入力したいWindowsユーザーや、セルフホスト型でプライバシーを重視した音声テキスト化ソリューションを求めるチーム向けに設計されています。

主な特徴

• ユニバーサル音声入力: ショートカットキーにより、すべてのWindowsソフトウェアで動作します。
• AIによるクリーンアップ: プロンプトを編集して、フィラーの削除やエラーの修正が可能です。
• 文脈を理解したライティング: 周囲のテキストを読み取ってトーンを合わせたり、選択したテキストを編集指示として使用したりできます。
• 柔軟なデプロイメント: ローカルのGGUFモデル、各種クラウドAPI、セルフホストのDockerデプロイメントをサポートしています。
• 透明性の高いデータフロー: 音声とテキストがどこで処理されるかを明確に示し、プライバシーを制御します。
• ローカル履歴: 録音の検索可能な記録を保持し、再生や再文字起こしが可能です。