オープンソースの文字起こしツールが登場…サブスクとはもうおさらば

BBetter Stack
컴퓨터/소프트웨어가전제품/카메라AI/미래기술

스크립트

00:00:00すべて入力する代わりに、コンピューターに向かって話しかけるだけでも、
00:00:04Whisperflowのようなサブスクリプションが必要になります。確かに便利ですが、すでにMacにある無料の機能で十分
00:00:10十分だと思われがちですが、実際はそうではありません。これはFluid Voiceというアプリです。完全に自分の
00:00:17コンピューター上で動作し、Whisperflowなどの強力な競合として人気が高まっています。
00:00:27Fluid Voiceは、音声をテキストに変換する無料のオープンソースのMacアプリです。すべての処理が
00:00:33自分のコンピューター上で行われます。データがどこかのサーバーに送信されることは一切ありません。これは大きな
00:00:38利点です。私たちにとって良い理由が2つあります。開発者がよく不満を言う点そのものです。まず、
00:00:44話した内容やコード、プライベートな情報がMacの外に出ることはありません。
00:00:50次に、毎月の利用料を払う必要がありません。使い方は非常にシンプルです。
00:00:55「Parakeet」というモデルが音声を認識して書き起こします。次に、ローカルで動作する「
00:01:02Fluid Intelligence」というモデルが、隣に座っている編集者のように、大文字の使用、
00:01:07句読点、構成を話しながら修正します。設定したホットキーを押して話すだけで、きれいに整形されたテキストが
00:01:14カーソル位置に入力されます。Cursor、Cloud、Slack、メール、メモなど、どこでも関係ありません。
00:01:19導入は非常に簡単なので、デモは手短に済ませます。
00:01:24インストールは1行のコマンドで行えます。開いて、マイクとアクセシビリティの権限を与えるだけです。Macアプリでは
00:01:31よくある手順ですね。その後、ホットキーを選択するか、組み込みのものを使用します。
00:01:36特に難しいことはありません。では、見ていてください。キーを押しながら普通に話します。
00:01:42「コードを確認して、バグを防ぐための良い習慣に従っているかチェックしてくれないか?」
00:01:47そのまま書き起こされるだけでなく、ご覧ください。行頭の大文字化、句読点の追加、
00:01:55専門用語のスペル修正、そして実際のコメントのような形式に整えてくれました。自分で直した箇所はありません。
00:02:01読み込み中のアイコンも待ち時間もありません。クラウドを通さないためです。では、他のツールと
00:02:07比べるとどうでしょうか?これは既存の他のツールより4倍高速です。
00:02:12さらに、ここが面白い点です。Macに標準搭載されている音声入力は、
00:02:16テキストメッセージなら問題ありませんが、コミットメッセージやドキュメントなど、誰かが読むものには
00:02:22あまり適していません。Whisperflowは有料なので性能は期待できますが、
00:02:27サブスクリプション制です。音声がクラウドに送られます。多くの人にとって、その時点で選ぶ理由がなくなります。
00:02:33Super Whisperなどは良いツールですが、お金がかかります。
00:02:38Fluid Voiceのローカルでの自動修正には及びません。無料のツールが
00:02:43一番劣っていると思われがちですが、オープンソースでスマートな整形まで行ってくれるのはこれだけです。
00:02:48Apple Siliconなら、動作していることすら忘れるほど高速です。
00:02:55インストールする前に確認しましょう。無料でサブスクリプションもありません。
00:02:59プライベートが守られ、音声データはMacから出ません。Mシリーズでは高速で
00:03:05整形も優秀です。オープンソースで開発も活発なので、問題は
00:03:10修正され続けています。ただし、現時点ではMac専用です。iOSやWindowsは
00:03:16待機リストです。Windowsユーザーはまだ使えません。エディターモデルは約3.5GBあるため、
00:03:22ダウンロードに少し時間がかかります。先ほど言ったように、Apple Siliconで使うのが最適で、
00:03:27Intel Macでも動きますが、遅くなります。英語以外の言語を話す場合は、
00:03:32調整が必要かもしれません。使い始める前に、これらを知っておいてください。
00:03:36時間をかけてダウンロードした後にがっかりしないために。私が強く勧めると思うかもしれませんが、
00:03:42そうとは限りません。Macの開発者にとっては、試してみる価値はあるでしょう。
00:03:48音声入力のためだけに毎月支払いたくないなら、価値がありますよね。
00:03:52メール、ドキュメント、コードのコメント、Slackなど、面倒なタイピングに使いましょう。
00:03:57Claudeに話しかけるのにも使えます。M4 Pro Macではすべてローカルで完結し、非常に高速で便利です。
00:04:03WindowsやiOSが必要な方には申し訳ありません。では、どうすべきでしょうか?
00:04:08Macでは日常的にこれ使い、Mac以外を使う時のために別のツールを併用しましょう。
00:04:13いいとこ取りができますし、Macなら費用はゼロです。
00:04:18GitHubリンクとbrewコマンドは説明欄に載せておきます。コーディングのヒントや
00:04:23テクニックが好きな方は、ぜひBetterStackチャンネルの登録をお願いします。また次の動画でお会いしましょう。

핵심 요약

Fluid Voiceは、ローカル処理によりプライバシーと高速な整形入力を両立するMac専用の無料オープンソースツールであり、サブスクリプション型の音声入力サービスに代わる選択肢となる。

하이라이트

  • Fluid VoiceはMac上で完全に動作する無料のオープンソース音声入力アプリであり、音声データは外部サーバーへ一切送信されない。

  • Parakeet音声認識モデルとFluid Intelligence整形モデルを組み合わせることで、句読点や大文字の修正、専門用語のスペル補正をリアルタイムで行う。

  • 既存のクラウド型ツールと比較して処理速度が4倍速く、待ち時間なしでカーソル位置へ整形済みテキストを入力できる。

  • インストールはターミナルでの1行のコマンド実行により完了し、追加の月額サブスクリプション料金は発生しない。

  • Apple Silicon搭載のMacで最適に動作し、3.5GBのエディターモデルをローカルで実行する。

타임라인

Fluid Voiceの概要と利点

  • Fluid Voiceは完全にローカルで動作するオープンソースのMac用音声書き起こしアプリである。
  • データが外部サーバーへ送信されないため、プライバシーリスクを最小限に抑えられる。
  • 音声認識と同時に、自動的な整形、大文字化、句読点の付与が行われる。

Whisperflowのようなサブスクリプション制ツールに対し、本アプリはMac上で全ての処理を完結させる。Parakeetモデルが音声を認識し、ローカルで動作するFluid Intelligenceモデルが隣に座る編集者のようにテキストを構成する。設定したホットキーを押すだけで、CursorやSlackなどのあらゆるアプリに直接整形済みテキストを入力できる。

導入方法と操作性

  • インストールはコマンドラインから1行の指示を入力するだけで完了する。
  • マイクとアクセシビリティの権限を設定するだけで直ちに使用可能となる。
  • クラウド処理を介さないため、読み込み時間なしでテキスト生成が行われる。

導入は極めてシンプルであり、デモでは発話と同時に専門用語の修正や行頭の大文字化が自動で適用される様子が示された。既存のクラウドベースのツールと異なり、クラウドへのリクエストによる待ち時間が発生しないため、スムーズな入力環境を提供する。

他ツールとの比較と制限事項

  • Fluid Voiceは既存ツールと比較して4倍の高速性を実現している。
  • 現在はMac専用アプリであり、WindowsやiOS版は将来的な待機リストに含まれている。
  • エディターモデルのサイズが約3.5GBあるため、ダウンロードに相応の時間を要する。
  • Apple Silicon搭載機で最適化されており、Intel Macでも動作するが処理速度は低下する。

有料のSuper WhisperやApple標準の音声入力と比較し、ローカルでの自動整形機能が突出している。Mac開発者にとってはサブスクリプション料金を節約できる有効な手段となる。他OS環境では別のツールを併用することで、Mac環境でのコストゼロというメリットを活かした運用が可能である。

커뮤니티 글

모든 글 보기