OpenWhispr
端末内で音声を文字にするオープンソース入力ホットキーを押して話すと、どのアプリにも文字が入る
主な特徴
使える場面
- Slackで同僚に返信する際、ウィンドウを切り替えずホットキーで話す
- Notionで会議メモを音声入力し、エージェントで構造化された議事録にする
- 機内でネットワークを使わず、VS Code内でブログの段落を書く
- IDEや端末でコードコメント、ドキュメント、コミットメッセージを音声入力する
使い方
- 1 openwhispr.comからmacOS、Windows、Linux用のインストーラーをダウンロードするか、GitHubのソースからビルドします
- 2 初回起動時に、ローカル処理か自前のAPIキーを使うクラウド処理かを選びます
- 3 グローバルホットキーを設定し、押下中録音か切り替え式録音を選びます
- 4 TinyからTurboまで、端末性能に合うローカルモデルサイズをダウンロードします
- 5 任意の入力欄でホットキーを押して話し、離すかもう一度押すとカーソル位置に文字が入ります
- 6 独自用語と修正ルールを追加し、文章を整えるなどの指示にはエージェントモードを使います
こんな方におすすめ
メリット
- 中核機能が無料で、MITライセンスのオープンソース
- ローカルモデルが音声を端末内に留め、ネットワークなしでも動く
- macOS、Windows、Linux、iOSで同じホットキー操作を使える
- 100を超える言語に対応し、自分の語彙で徐々に精度が上がる
制限事項
- ローカルでの精度と速度は端末性能に依存し、大きなモデルは明らかに遅い
- 毎週2,000文字のクラウド無料枠は小さく、多用する場合は有料か自前APIキーが必要
- 騒がしい場所や強い訛りでは認識ミスが残るため、送信前に読み返す必要がある
- 無料枠とライセンス条件は変更される可能性があり、日常利用前に公式ページを確認する
OpenWhispr とは
OpenWhisprは、音声を自分のコンピューターやスマートフォン内で文字に変換するオープンソースの音声入力ツールです。OpenAI WhisperやNVIDIA Parakeetのような音声モデルを基盤にし、既定では認識処理をローカルで行うため、音声データが端末の外へ出ません。コードはMITライセンスでGitHubに公開され、中核機能は無料で使えます。ローカルモデルのほかに、OpenAI、Anthropic、Google Geminiなどの自前APIキーを接続したり、毎週2,000文字の無料枠を含むOpenWhispr Cloudを使ったりすることもできます。macOS、Windows、Linux、iOSで動き、文字は専用エディターだけでなく、任意の入力欄に挿入されます。
できること
- グローバルホットキーを押して話し、Slack、VS Code、Chrome、Word、Notion、端末のカーソル位置へ文字を入れる。
- TinyからTurboまでのローカルモデルを選び、ネットワークなしで文字起こしを続ける。
- エージェントモードで、メモを整える、同僚宛てのメールを下書きするなどの指示を音声で出す。
- 100を超える言語を自動検出し、会話の中で言語が変わっても切り替える。
- 独自の語彙や修正ルールを覚えさせ、KubernetesやPostgreSQLのような専門用語を扱う。
こんな人に向いています
- 話す速さで発想を残し、未公開の下書きを端末内に置きたい書き手や記者。
- IDEや端末でコメント、ドキュメント、コミットメッセージを音声入力する開発者。
- 会議の要点をメモし、構造化されたノートやメール下書きにしたい管理者。
- 顧客情報を端末内に留める必要がある医療、法務、金融の担当者。
- 常に安定したネットワークがない場所で入力したい学生、教育者、旅行者。
注意点
ローカルでの品質と速度は、選ぶモデルサイズと端末性能によって変わります。大きなモデルほど精度は高いものの動作は遅く、小さなモデルでは訛りや専門語が苦手な場合があります。クラウド経路は便利ですが、毎週2,000文字の無料枠は小さく、継続して使うなら自前APIキーか有料プランが必要です。騒がしい場所では認識が崩れることがあるため、送信前に必ず読み返してください。独自用語とエージェント指示の調整には数回の試行がかかることもあります。無料枠とライセンス条件は変更される可能性があるため、毎日使う前に公式サイトで最新情報を確認してください。
よくある質問
OpenWhisprは無料で使えますか。
中核機能はMITライセンスのオープンソースとして無料です。OpenWhispr Cloudには毎週2,000文字の無料枠があり、自前のAPIキーも接続できます。
声は端末の外へ出ますか。
既定では出ません。ローカルモデルが端末内で音声を処理します。クラウドモードを選ぶか、自前のAPIキーを渡した場合のみ外部サービスを使います。
対応プラットフォームは何ですか。
macOS、Windows、Linuxのデスクトップ版と、iOSに対応しています。
ネットワーク接続は必要ですか。
ローカルモデルをダウンロード済みなら不要です。クラウドモデルや同期機能を使う場合にのみ必要です。
何言語を認識できますか。
英語、スペイン語、フランス語、ドイツ語、中国語、日本語、アラビア語など100を超える言語を自動認識します。
無料で使える理由
公式ページの記載内容: 免费额度完全免费免费zh-バックフィル
無料の上限、トライアル期間、機能は公式サイトが決定し、いつでも変更される場合があります。