devonmochi/byetype

解決する課題

ByeType は、マルチモーダル AI を使用して高精度で文脈を考慮した文字起こしを提供する音声テキスト変換およびスクリーンキャプチャツールです。標準的なディクテーションソフトウェアの一般的な問題（業界固有の用語の認識不足、固有名詞の誤った処理、会話のフィラーワードをフォーマットまたはクリーンアップできないことなど）を解決します。

仕組み

音声を文字起こししてから LLM による二次処理を必要とする従来のツールとは異なり、ByeType は生の音声を直接マルチモーダルモデルに送信します。Markdown ファイルを使用してカスタムルール、語彙リスト、出力スタイルを定義します。アプリケーションは文字起こしプロセス中にこれらのルールをリアルタイムで適用します。また、手動修正を分析して将来の精度を向上させる「自動学習」機能も備えています。スクリーンキャプチャでは、AI を使用してレイアウトを解釈し、UI の乱雑さを除去し、改行の乱れなどのフォーマット問題を修正します。

対象ユーザー

ドキュメント作成、コーディング、またはコミュニケーションで音声入力を頻繁に使用し、技術的な専門用語、特定のブランド名、カスタムフォーマット要件を理解する高精度な出力を必要とするプロフェッショナルおよびパワーユーザー向けに設計されています。

ハイライト

• カスタマイズ可能なルール： Markdown を使用して独自の語彙、優先フォーマット、出力スタイルを定義します。
• マルチモーダル処理： 直接音声からテキストへの処理により、スタイルとコンテキストルールを即座に適用できます。
• スマートクリーンアップ： フィラーワードを自動的に削除し、数字/単位をフォーマットし、スクリーンショットのコードスニペットやテキストブロックを処理します。
• クロスプラットフォーム： macOS、Windows、および iOS ショートカットで利用可能です。
• 開発者フレンドリー： 音声文字起こしを他のワークフローやスクリプトに統合するためのローカル HTTP API が含まれています。