earendil-works/pi-voice

解決する問題

Pi Voice は、Pi ターミナル環境向けのローカルでプライバシー重視の音声テキスト変換統合を提供します。ユーザーはチャットセッションに直接テキストを口述でき、AI エージェントが外部のクラウド文字起こしサービスに依存せずにローカル音声・動画ファイルを処理できるようにします。

仕組み

Pi プラットフォームの拡張機能として動作し、録音を切り替えるグローバルキーボードショートカット（デフォルトは Ctrl+Alt+Z）を登録します。録音後、音声はローカルで文字起こしされます。また、transcribe_file というツールも提供し、AI エージェントが FFmpeg を使用してデコードし、マシン上の音声・動画ファイルを分析できるようにします。

対象ユーザー

このツールは、音声で AI エージェントと対話したい、または開発ワークフロー内でローカルメディアファイルを直接文字起こしする必要がある Pi ターミナルインターフェースのユーザー向けに設計されています。

ハイライト

• プライバシーとオフライン機能のためのローカルファースト文字起こし。
• ハンズフリー操作のための設定可能なキーボードショートカット。
• エージェント支援メディア分析のための統合 transcribe_file ツール。
• 専用 TUI メニューによるカスタムモデル選択と言語設定のサポート。