izwi-ai/izwi

概要： Izwiは、ローカルファーストの音声AIツールキットです。デスクトップアプリ、Webインターフェース、コマンドラインツール (CLI)、ローカル推論サーバーを統合した単一のプロジェクトです。すべて自分のマシン上で完全に動作するため、クラウドサービスやAPIキーは不要です。

機能：

• リアルタイム音声会話： ローカルの音声認識 (ASR)、チャット、テキスト読み上げ (TTS) モデルを使用して、AIと会話できます。
• 音声生成と編集： テキスト読み上げ、長文のStudioプロジェクト、音声クローン、音声デザイン、保存された音声機能。
• 音声分析： 文字起こし、話者分離（誰がいつ話したかを識別）、強制アライメント（テキストと音声のタイムスタンプを一致）、リアルタイム音声認識。
• ローカルチャットとモデル管理： ローカルモデルとのチャット、モデルのダウンロード/ロード/アンロード/削除、履歴の表示、データのエクスポート、設定の調整。
• OpenAI互換API： モデル、チャット補完、音声合成、音声文字起こし、プレビュー応答サポートのための /v1 APIルートを公開しています。これにより、OpenAI API向けに構築された既存のツールをIzwiに向けることができます。

使い方： izwi serve --mode web でローカルサーバーを起動し、CLIを使用してモデルをプル（例: izwi pull Kokoro-82M）し、izwi tts "Hello from Izwi." や izwi transcribe audio.wav のようなタスクを実行します。Webアプリは http://localhost:8080 で利用可能で、APIリファレンスは /docs にあります。

サポートされているモデル： TTS (Qwen3-TTS, Kokoro-82M, Voxtral TTSなど)、ASR (Parakeet, Whisper, Qwen3-ASRなど)、話者分離/アライメント (Sortformer, Qwen3 ForcedAligner)、チャット (Qwen3.5, Qwen3.6など) を含むモデルファミリーを管理します。

プライバシーとハードウェア： 推論データはローカルに留まります。オプションの匿名デスクトップ分析は明示的にオプトインしない限り無効であり、プロンプト、文字起こし、音声データ、ローカルパス、個人識別情報は一切送信されません。macOS Apple SiliconビルドはMetalを使用し、LinuxおよびWindowsのリリースビルドはCPUのみです。CUDAはDockerまたはソースビルド経由でサポートされています。

技術スタック： Rust (izwi-cli や izwi-server などのCargoバイナリ) で構築され、デスクトップシェルにはTauriを使用しています。Apache 2.0ライセンスで提供されています。