yuxino/Mimi

Mimi – リアルタイム字幕と翻訳

Mimi は、コンピューター、マイク、またはその両方からオーディオをキャプチャし、音声認識サービスに送信し、必要に応じて翻訳し、テキストをフローティング字幕オーバーレイとして表示するクロスプラットフォームのデスクトップ（および Android）アプリケーションです。映画、ライブストリーム、オンラインコース、またはライブのバイリンガル字幕が必要なあらゆるメディアを視聴することを目的としています。

機能

• ライブ字幕オーバーレイ – 元の言語、翻訳、またはその両方を表示できるフローティングウィンドウ。ウィンドウは移動、サイズ変更、色変更が可能で、テキストのみが表示され、マウスクリックが下のアプリに透過する「イマーシブモード」に設定できます。
• オーディオソースの選択 – システムオーディオ、マイク入力、またはその両方をキャプチャします。macOS/Windows では特定のアプリケーションを対象にできます。Linux では個々の再生ストリームを選択できます。
• 出力の保存 – 字幕はプレーンテキストファイルとしてエクスポートでき、キャプチャしたオーディオは WAV ファイルとして保存できます（両方とも手動で有効にする必要があります）。
• 多言語サポート – 音声認識の言語と翻訳のターゲット言語を選択できます。

仕組み

1. プロバイダーの設定 – 設定 → モデルとサービス で音声認識または翻訳サービス（例：OpenAI Whisper、Google Speech、Apple Speech、Gemini、DeepSeek など）を追加し、必要な API キーを提供します。
2. オーディオと言語の選択 – サウンドと言語 パネルでオーディオソースとソース/ターゲット言語を選択します。
3. 字幕の開始 – 字幕 ページで リアルタイム字幕 をオンにし、必要な OS 権限を付与すると、アプリは選択したクラウドまたはローカルサービスにオーディオをストリーミングし、返されたテキストを表示します。

プラットフォームとインストール

• デスクトップ：macOS 13+（Apple Silicon および Intel）、Windows x64、Linux x86_64。GitHub リリースページから最新のインストーラーをダウンロードしてください。
• Android：別のアプリが提供されています。インストールと使用法については android/README.zh-CN.md を参照してください。

主要な技術詳細

• Tauri（Rust + Web UI）で構築され、軽量なネイティブラッパーを実現。
• クラウドまたはローカル音声サービスを使用。アプリ自体にはモデルは含まれず、オーディオを転送して文字起こしを受け取るだけです。
• Linux で Wayland をサポートし、フローティングウィンドウの同期の修正を含みます。
• MIT ライセンスの下でオープンソース。

ヘルプと貢献

• リポジトリには、詳細な使用ガイド、トラブルシューティングセクション、貢献ガイドが含まれています。
• 問題は GitHub で報告できます。プロジェクトには複数のアクティブな貢献者がリストされ、コミュニティテストに感謝しています。

誰に役立つか？

• 外国語のビデオを視聴し、即時字幕を希望する学習者。
• アクセシビリティのためにライブキャプションを提供したいストリーマー。
• 話されたコンテンツをすばやくキャプチャしてテキスト記録を保持したい人。

---

上記の情報はすべてプロジェクトの README から直接取得しています。