henrywoo/kazam

Kazam2 - Linux Screen Recorder, Broadcaster, Capture and OCR with AI in mind

何を解決するか

Kazam は、スクリーン録画、ライブ配信、および画面からのテキスト抽出を処理するための多機能 Linux ツールです。ユーザーがデスクトップ活動を動画としてキャプチャしたり、YouTube や Twitch などのプラットフォームにストリーミングしたり、視覚的なテキストを編集可能なデジタルテキストに変換したりする必要がある場合に、統合されたツールを提供します。

動作方法

Kazam は GStreamer を使用して画面コンテンツをキャプチャし、X11 および Wayland セッションの両方をサポートしています（後者については xdg-desktop-portal ScreenCast インターフェースを利用）。H264 および VP8 コーデックと互換性のあるフォーマットで動画を記録します。AI 機能には Tesseract OCR と RapidOCR を統合し、キャプチャした画面領域からテキストを検出・抽出できます。音声は PulseAudio サウンドシステムを介して処理され、ウェブカメラのオーバーレイもサポートしています。

対象ユーザー

軽量なスクリーンレコーダーが必要な Linux ユーザー、Twitch や YouTube に配信するコンテンツクリエイター、選択できない画面内のテキストを抽出したいユーザー。

特徴

  • マルチモードキャプチャ: フルスクリーン、特定のウィンドウ、またはカスタム領域選択をサポート。
  • ライブ配信: RTMP を介して YouTube および Twitch へのストリーミングを内蔵サポート。
  • AI ベースの OCR: 画面からテキストを検出し、編集または保存可能に。
  • Wayland 対応: PipeWire との自動検出および統合により、現代的な Linux デスクトップ環境に対応。
  • 統合音声/動画: システム音声、マイク入力、ウェブカメラの同時記録。

関連

  • プロジェクト
    dynobo/normcap

    Linux、macOS、Windows 向けの OCR 対応スクリーンキャプチャーツール。画像を保存するのではなく、画面からテキストとバーコードを抽出します。

  • プロジェクト
    xushengfeng/eSearch

    スクリーンショット、オフラインOCR、翻訳、および画像検索を統合し、画面上の情報を抽出して活用するためのクロスプラットフォーム・スクリーン検索ツール。

  • プロジェクト
    TheOrcDev/videorc

    Videorcは、オープンソースでAIを活用したデスクトップスタジオ。クリエイターがスクリーン／カメラをキャプチャし、複数のプラットフォームにストリーミングし、トランスクリプト、タイトル、チャプター、ハイライトをすべてAIで自動生成できる。すべてを1つのシーンベースUIから実行可能。

  • プロジェクト
    VoxelCubes/PanelCleaner

    Panel Cleanerは、機械学習モデルを使用して漫画の会話吹き出し内のテキストを検出し、マスク処理するオープンソースのPythonツールです。その後、テキストを削除（LaMaによるインペイントをオプションで使用）またはOCRで抽出できます。コマンドラインまたはQt GUIから利用可能で、バッチ処理、CUDA加速、カスタマイズ可能なプロファイルをサポートします。GPL-v3ライセンスで、pipパッケージ、プリビルドバイナリ、Flatpak、AUR、Dockerイメージとして提供されています。

  • プロジェクト
    TheJoeFin/Text-Grab

    Text GrabはWindows専用のデスクトップアプリで、スクリーンショット、PDF、UI要素など、画面に表示されるすべてのテキストをローカルOCR（WinAI、WinRT OCR、Tesseract）でキャプチャし、内蔵のクリーニング機能、スプレッドシート編集、正規表現ベースの抽出、再利用可能なキャプチャテンプレート、バッチフォルダ処理、Chrome/Edge拡張機能を提供します。すべての処理はデバイス内に留まり、Copilot+ PCではNPU加速推論もオプション。Microsoft Store、GitHubリリース、パッケージマネージャーからインストール可能。Visual Studioまたは.NET SDKでソースからビルド可能。