mkiol/dsnote

何を解決するか

Speech Noteは、インターネット接続を必要とせずに、複数の言語にわたってノートを作成、読み取り、翻訳できる、プライバシー重視のノート作成アプリケーションです。すべての音声とテキストをユーザーのデバイス上でローカルに処理することで、クラウドサービスに個人データを送信する必要性を排除します。

仕組み

このアプリケーションは、さまざまなAIタスクを処理するために、いくつかのオープンソースの処理エンジンを統合しています：

• Speech to Text (STT): Whisper.cpp、Faster Whisper、Vosk、および Coqui STT のようなエンジンを使用して、話された言葉をテキストに変換します。
• Text to Speech (TTS): Piper、Kokoro、F5-TTS、および Parler-TTS を含む幅広いエンジンを採用して、テキストを読み上げます。
• Machine Translation (MT): 言語間のオフライン翻訳に Bergamot Translator を利用します。

ユーザーは、アプリ内の組み込みのグラフィカルなモデルブラウザを通じて、必要な特定の言語モデル（チェックポイントファイル）をダウンロードできます。

対象ユーザー

データプライバシーとオフライン機能を優先する、多言語ノート作成ツールを必要とする Linux デスクトップおよび Sailfish OS ユーザー向けに設計されています。

ハイライト

• 完全オフライン: すべての処理はローカルで行われ、データがインターネットに送信されないことが保証されます。
• 多言語サポート: STT、TTS、および翻訳のための広範な言語カバー範囲。
• エンジンの多様性: 音声および翻訳のための膨大な数の特化型AIエンジンをサポート。
• 統合されたモデル管理: 必要なモデルを簡単にダウンロードするための組み込みブラウザ。