digimata/quill

quill – ローカル macOS ミーティングレコーダー & トラック生成ツール

何であるか – マックのメニュー バーに常駐する単一バイナリのSwiftアプリ。1クリックでマイクとコンピュータが再生するすべての音声を記録し、2つのトラックを別々の .caf ファイルとして保存し、オンデバイスの音声認識モデルでスピーカー識別付きのトランスクリプトを生成します。データは一切クラウドに送信されません。

主な機能

• メニュー バーのアイコンからワンクリックで開始/停止。
• 2つのオーディオトラック（マイク + システム）により、クリーンな単一ソース音声で音声認識モデルが動作し、別途スピーカー識別モデルを使わずに自然な 私 vs. 他者 のダイアライゼーションが可能。
• Parakeet TDT 0.6B v2 Core MLモデル（Apple Silicon上で1時間あたり約20秒の計算）を用いた完全ローカルのトランスクリプション。WhisperKitのフォールバックは計画中。
• 自動キューイング：各記録は順番にトランスクリプションされ、未完了のジョブは次回起動時に再開される。
• 出力ディレクトリのカスタマイズ、トランスクリプションの有効/無効、マイクのエコーキャンセリングのオプション、セッション終了後にシェルコマンドを実行するフック（on_stop）。
• デーモンの起動、記録のルート変更、ヘルスチェック（quill doctor）、ログイン時起動エージェントのインストール/アンインストールを行うためのシンプルなCLI。

動作方法

1. 記録 – macOS Core Audioプロセスタップ（AudioHardwareCreateProcessTap）を使用してシステム音声をキャプチャし、AVAudioEngineでマイク音声を取得。音声はAACエンコードされたCAFファイルに直接ストリーミングされ、プロセスがクラッシュしても読み取り可能。
2. トランスクリプション – 各トラックは FluidAudio Core MLラッパーを介してParakeetモデルに送信される。meta.jsonのオフセットに従ってタイムシフトされ、1つのタイムスタンプ付き、スピーカータグ付きトランスクリプト（transcript.json およびレンダリングされた transcript.md）にマージされる。
3. キューと永続化 – meta.json が存在して transcript.json が存在しない場合、保留中のジョブとみなされる。ファイルシステム自体がキューとして機能するため、前の記録がトランスクリプション中でも新しい記録を開始可能。

インストールと使用方法

# Swiftバイナリをビルド
cd quill
swift build -c release
sudo cp .build/release/quill /usr/local/bin/quill

# オプション：ログイン時に起動
quill install --launch-at-login

• quill（またはLaunchAgent）を実行してメニュー バー デーモンを起動。
• フェザー アイコンをクリック → 記録を開始、再度クリック → 停止。
• トランスクリプションは自動で実行され、macOSの通知で完了を知らせます。
• 記録は ~/Recordings/<yyyy.MM.dd-HHmm>/ 以下に保存され、以下のファイルが含まれます：
  • mic.caf（あなたの声）
  • system.caf（他の参加者 / システム音声）
  • meta.json（タイムスタンプ）
  • transcript.json および transcript.md（機械可読および人間可読バージョン）
  • transcribe.log（進行状況 / エラー）

設定（オプション ~/.config/quill/config.json）

{
  "recordings_dir": "~/Recordings",
  "transcription": {"enabled": true, "engine": "parakeet"},
  "on_stop": "my-hook"
}

• recordings_dir でデフォルトの場所を上書き。
• transcription.enabled を false に設定すると、音声のキャプチャのみ。
• mic_voice_processing でAppleのエコーキャンセリングを切り替え（スピーカー経由での記録時に有用）。
• on_stop はトランスクリプト書き込み後に、セッションフォルダを引数としてシェルコマンドを実行。

制限 / 注意点

• システム音声タップはMacが再生するすべてを記録するため、バックグラウンド音楽や通知が system.caf トラックに含まれる可能性がある。
• macOS 15+（プロセスタップAPI）が必要。合理的なトランスクリプション速度を得るにはApple Siliconが推奨。
• 現在のモデルは英語のみ対応。Whisperフォールバックが追加されると、他の言語もサポートされる予定。
• 「画面およびシステム音声の記録」の権限が付与されていないと、記録が無音になる。

技術スタック

• Swift（Swift Package Managerによる単一実行可能ファイル）
• Core Audioプロセスタップ：システム音声キャプチャ
• AVAudioEngine および AVAudioFile：マイクキャプチャとAACエンコードストリーミング
• FluidAudio / Parakeet Core MLモデル：オンデバイストランスクリプション
• NSStatusItem：メニュー バーUI

---

すべての詳細はリポジトリのREADMEから直接取得。