thewh1teagle/vibe

Vibe – オフライン、多言語対応の音声・動画文字起こしツール

概要
Vibeは、クラウドにデータを送信することなく、音声や動画ファイル内の音声をテキストに変換できるデスクトップアプリケーションです。macOS、Windows、Linux上でローカルに動作し、幅広いソース形式（YouTubeリンク、ローカルファイル、マイク、システムオーディオ、電話録音など）をサポートしています。文字起こしされたテキストはSRT、VTT、TXT、HTML、PDF、JSON、DOCXとしてエクスポートでき、オプションで要約、翻訳、話者分離機能も提供します。

主な機能

• オフラインファースト: ローカルで実行されるモデル（Whisper, Nemotron 3.5, Parakeet TDT v3）を使用するため、データがデバイスから外部へ送信されることはありません。
• 多言語対応: 基盤となるモデルがサポートする「ほぼすべての言語」で動作します。
• 多様な入力ソース: ファイル、YouTube/Vimeo/Facebook/TwitterのURL、マイク、システムオーディオ、QRコード経由の電話録音。
• エクスポートと後処理: 字幕形式（SRT/VTT）やドキュメント形式へのエクスポート、直接印刷、Claude APIまたはローカルのOllamaによる要約生成、英語への翻訳、話者分離の実行が可能です。
• パフォーマンス: macOS、Windows、LinuxでのGPUアクセラレーション（Vulkan, CoreML, Nvidia/AMD/Intel）に対応。
• 拡張性: カスタムモデルURL、CLIインターフェース、Swaggerドキュメント付きのHTTP API、設定可能なモデル引数。

ターゲットユーザー

• プライバシーを重視した文字起こしが必要な方（ジャーナリスト、研究者、開発者）。
• 動画の字幕や文字起こしを作成したいコンテンツクリエイター。
• グラフィカルなUIを好みつつ、自動化のためにコマンドラインやAPIフックも利用したい方。

はじめ方

1. READMEに記載されているGitHubページからアプリをダウンロードします。
2. ハードウェアアクセラレーションが必要な場合は、必要なGPUランタイム（Vulkan, CoreMLなど）をインストールします。
3. UIを開き、ファイルを追加するか動画URLを貼り付け、モデルを選択して Transcribe をクリックします。
4. サイドパネルを使用して、プレビュー、編集、エクスポート、またはClaude/Ollamaへの送信による要約を行います。
5. スクリプト作成の場合は、vibe CLIを --help オプション付きで実行して利用可能なコマンドを確認してください。

詳細情報

• ビルド手順: docs/BUILDING.md
• APIリファレンス: 内蔵HTTPサーバーによって提供されるSwagger UI。
• コミュニティチャット: README内のDiscordリンク。
• GitHub上のロードマップとイシュートラッカー。

まとめ Vibeは、最先端の音声認識モデルをユーザーフレンドリーで完全にオフラインのデスクトップアプリに統合し、データをユーザーのPC内に保持したまま、便利な後処理ツールを提供します。