douvo

Douvoは、macOS 14.0以降を搭載したApple Silicon Mac向けに設計された軽量macOS音声入力アプリケーションです。主要な音声認識エンジンとしてDoubao ASR（自動音声認識）を活用し、オプションのAI後処理で挿入前の文字起こしを整形します。 このアプリはメニューバーユーティリティとして動作し、フローティング録音オーバーレイを備えています。ユーザーは設定可能なトリガーキーを押して録音を開始し、話し終えたら再度押して停止し、認識されたテキストを任意のアプリケーションの現在のカーソル位置に挿入します。プッシュトゥトークモードも利用可能です。 Douvoは、Doubao Web、Doubao Android、Youdao Bage Shuoの3つのASRパスをサポートしています。複数のパスを同時に選択でき、並行して実行され、結果はAI後処理で統合されます。デフォルトのパスはWebです。 主な機能は以下の通りです。 - ショートプレスまたはプッシュトゥトーク録音で任意のアプリにディクテーション - オプションのAI後処理による言い回し、句読点、フィラーワード、トーン、出力スタイルの修正 - 選択テキストの音声駆動編集（最大500文字） - 設定可能な翻訳キーによるオンデマンド翻訳 - カスタム語彙とコンテキスト注入（プロジェクト用語、パス、名前、ユーザーID、現在時刻、最前面アプリ、ウィンドウタイトル） - デバイス上のローカルMLXモデルまたはリモートLLMプロバイダーの選択 - メニューバーUI、フローティング録音オーバーレイ、外観切り替え、クリップボード認識挿入、ローカル診断 AI後処理では、DouvoはSuperwhisperのS1-mini（英語のみ、335 MB）、Spark-X2.5 1.7Bおよび4B（中国語修正と推論）などのローカルモデル、またはリモートLLMプロバイダーを提供します。出力スタイルには、Natural、Concise、Structured、Customがあり、スタイル強度を調整できます。 このアプリには、マイクとアクセシビリティの権限が必要です。GitHub ReleasesからDMGとして、またはHomebrew Caskを介して配布されています。現在のビルドは公証されていないため、初回起動時にmacOSが手動での隔離解除を要求する場合があります。 Douvoは、主流のローカル音声モデルが認識品質に課題を抱える中英混在入力ワークフロー向けに構築されています。強力なDoubao ASRパスを、後処理、語彙、翻訳、選択テキスト編集、クリップボード認識挿入、ローカル診断を備えたアプリ非依存の音声入力ツールとしてラップします。 このプロジェクトは、観察されたDoubaoおよびYoudao Bage Shuoのクライアント動作に依存しており、いずれのサービスの公式API、SDK、または統合ではありません。ユーザーは有効なDoubaoアカウントが必要で、自分でログインする必要があります。認識のために送信された音声は、Doubaoのサービスによって処理されます。 このプロジェクトはMITライセンスの下でリリースされています。