push

PUSHは、オフライン音声入力によるディクテーション用のmacOSユーティリティです。ユーザーはキー（デフォルトでは右Option）を押し続けて話し、離すと、フォーカスされている任意のテキストフィールドに文字起こしされたテキストが挿入されます。また、音声活動検出を備えたウェイクワードにも対応し、ハンズフリーで使用できます。音声認識はすべてNeural Engine上でローカルに実行されるため、ネットワーク往復、アカウント、APIキーが不要で、プライバシーが確保されます。 主な機能は次のとおりです。 - 長押しで話す方式とウェイクワードによる起動 - 任意のアプリへのテキスト挿入 - 自己修正（例:「the red car, I mean the blue car」が「the blue car」になる） - フィラーワード（「um」「uh」）の除去、時刻、金額、パーセンテージ、引用符の整形 - 「new line」「new paragraph」「bullet point」、番号付きリストなどのレイアウトコマンド - 意味のある用法を保ちつつ、くだけた「like」を除去する「California mode」 - 名前や専門用語のための個人辞書（iCloudで同期） - 聞き取り状態とストリーミング文字起こしを表示するライブピル - メニューバーのみで、Dockアイコンなし モデル: 本アプリはオンデバイスモデルを使用し、英語のMacではデフォルトでParakeet Streaming、それ以外ではParakeet Ultraを使用します。Parakeet Ultraは英語とラテン文字を使用するヨーロッパの言語に対応し、Nemotron Multilingualは中国語、日本語、アラビア語、ヒンディー語、ロシア語、ギリシャ語などの他の言語をカバーします。モデルはそれぞれ約600 MBで、設定で管理できます。 ベンチマーク（READMEより、2026年9月30日付）では、文字起こしの中央値レイテンシはParakeet Streamingで0.02秒、Parakeet Ultraで0.04秒と主張されており、Wispr Flow（クラウド）の0.74秒と比較して、PUSHは約20倍高速です。テスト用文章での精度はPUSHでは完璧でしたが、Wispr Flowは「Zürich」のウムラウトを時折誤って処理しました。 セットアップ: ReleasesからDMGをダウンロードし、Applicationsにドラッグし、マイクとアクセシビリティの権限を付与して、推奨モデルをダウンロードします。ソースからビルドするには、`swift build`、`swift run`、`swift test`を使用します。 プライバシー: 音声はディクテーション中にのみ録音され、ローカルで処理されます。音声、文字起こし、テレメトリがどこかに送信されることはありません。モデルはローカルに保存され、削除できます。 技術: Swift、SwiftUI、FluidAudio（CoreML/ANE上のParakeet + Silero VAD）、更新にはSparkle。 ライセンス: プロプライエタリ（LICENSEおよびEULAを参照）。バージョン8.2.2まではMITライセンスでした。オープンソースコンポーネントはサードパーティ通知に記載されています。