futo-org/voice-input

Offical FUTO Keyboard Issue Tracker and Source Mirror of https://gitlab.futo.org/keyboard/voiceinput

FUTO Voice Input – 何であるか

FUTO Voice Input は、オフラインの音声認識を提供する Android アプリです。Android の汎用音声認識 API に接続するため、他のアプリやキーボードがこのアプリを即座に使用可能な音声入力エンジンとして利用できます。

コアの目的

Google や Samsung のクラウドサービスに依存せずに、Android デバイス上で発話した言葉をテキストに変換する。
すべてのキーボードやアプリが標準の android.speech.action.RECOGNIZE_SPEECH インテント、または IME の「音声」サブタイプを通じて呼び出せる再利用可能なバックエンドを提供する。

主な機能（README に記載）

機能	詳細
モデル	OpenAI Whisper モデル（`whisper.cpp` を経由）を使用して音声認識を行う。
言語対応	Whisper で 1,000 時間以上学習済みの 17 言語（英語、中国語、ドイツ語、スペイン語、ロシア語、フランス語、ポルトガル語、韓国語、日本語、トルコ語、ポーランド語、イタリア語、スウェーデン語、オランダ語、カタロニア語、フィンランド語、インドネシア語）。
API 統合	暗黙の `android.speech.action.RECOGNIZE_SPEECH` インテント（浮動ウィンドウ）と IME の音声サブタイプモード（画面下部のキーボード置き換え）をサポート。
キーボード互換性	第三者キーボード（FUTO Keyboard、HeliBoard、FlorisBoard、AnySoftKeyboard、Unexpected Keyboard、AOSP Keyboard）および一部の独自キーボード（Grammarly、Microsoft SwiftKey）と互換性あり。Gboard、Samsung Keyboard、Simple Keyboard、TypeWise は、サードパーティ音声入力のフックを備えていないため、非対応。
ビルドフラーバー	`dev`（フル課金 & 自動更新）、`playStore`（Play 課金のみ）、`standalone`（Play 課金なし、自動更新あり）、`fDroid`（Play 課金なし、自動更新なし）。
オフライン動作	クラウド呼び出しは不要。Whisper モデルはネイティブコード（`whisper.cpp`）でローカルで実行。
将来のロードマップ	現在非対応の Android `SpeechRecognizer` API のサポートを計画中。

現在の状態

開発の焦点は FUTO Keyboard アプリに移行しており、現在は内部に音声入力を統合済み。
シングルアプリとしての Voice Input アプリは、別々のアプリを好むユーザー、または他のキーボードと併用したいユーザーのために引き続きメンテナンスされている。

技術スタック（README から）

Android – Android Studio と Gradle で構築。
ネイティブ推論 – Whisper モデルは whisper.cpp（C/C++）でコンパイル。以前は TensorFlow Lite を使用していたが、現在は非使用。
音声前処理 – PocketFFT（高速フーリエ変換）と WebRTC VAD（音声活動検出）を android-vad を経由して使用。
ライセンス – FUTO Source First License 1.0 の下で配布。

セットアップ / 使用方法

インストール – 公式サイトから APK をダウンロード：https://voiceinput.futo.org/
キーボードの選択 – 対応キーボード（例：FUTO Keyboard、HeliBoard）を使用し、「音声入力」オプションを有効化。
起動 – アプリから汎用音声認識インテントをトリガーする（浮動ウィンドウ）か、キーボードの音声キーを押す（画面下部 UI）。
自前ビルド – リポジトリをクローンし、Android Studio で開くか、./gradlew assembleStandaloneRelease を実行してリリース用 APK を生成。必要に応じてフラーバー（dev、playStore、standalone、fDroid）を選択。

質問の場所

公開の問題：https://github.com/futo-org/voice-input/issues
プライベートサポート：ウェブサイトに記載の連絡先メール、またはアプリ内の「フィードバックを送信」ボタンを使用。

クレジット & 依存関係

OpenAI Whisper – 音声認識のコアモデル。
whisper.cpp – デバイス上で推論を行うための軽量 C++ 実装。
PocketFFT、WebRTC VAD、および以前の TensorFlow Lite（音声処理用）。
アイコンは Feather Icons から。

まとめ

FUTO Voice Input は、クラウドサービスを必要とせずに、Whisper の多言語音声認識をスマートフォンに提供する本格的なオープンソース Android 音声認識アプリです。プライバシーを最優先したいユーザー、または多数のサードパーティキーボードで動作する音声入力エンジンが必要なユーザーにとって特に有用です。