enviouswispr

EnviousWisprは、macOS向けの無料・オープンソースのAIディクテーションおよび音声認識アプリで、Apple Silicon向けに構築され、完全にオンデバイスで動作するよう設計されています。音声はローカルで処理され、アップロードされることはありません。アカウントやサブスクリプションは不要で、オフラインでも動作します。 基本的な流れ: 任意のアプリからグローバルキーバインドを押して話すと、アプリがローカルで文字起こしを行い、必要に応じてLLMでテキストを校正し、クリップボードにコピーして、アクティブなアプリへ自動ペーストできます。READMEには1秒未満の文字起こしが記載されており、AI校正を有効にした場合のキーバインドからペーストまでの一連の流れは通常1.5秒程度です。Silero VADが発話の停止を検出し、録音を自動的に終了します。キーバインドモードには、プッシュトゥトーク、トグル、ハンズフリー(長文ディクテーション用にダブルプレスでロック)があります。 2つのASRエンジンが提供されています。Parakeet TDT v3(NVIDIA NeMo、FluidAudio経由)がデフォルトで、Apple Neural Engine上で動作し、25のヨーロッパ言語をサポートし、約460 MBのディスク容量を必要とします。WhisperKit(OpenAI Whisper Large v3 Turbo、argmax経由)はGPU上で動作し、自動言語検出付きで99以上の言語をサポートし、約1.6 GBを必要とします。どちらもCoreMLを通じて動作し、初回起動時にモデルをダウンロードしてコンパイルします。 AI校正はオプションで、デフォルトではオンデバイスに留まります。オプションには、プロジェクト独自のファインチューニングされたクリーンアップモデルであるEG-1(約2.9 GB、macOS 14以降)、SuperwhisperのS1-mini(約484 MB、英語向けで、Tone、Structure、Contextのスタイル設定あり)、Apple Intelligence(macOS 26以降、追加ダウンロード不要)、Ollama(ローカルまたはホスト型)があります。OpenAI、Gemini、Claude経由のクラウド校正は自分のAPIキーを持ち込む方式で、テキストのみを送信し、音声は決して送信しません。READMEには、EG-1はアプリのGPLv3ではなく独自のモデルライセンスの下で配布されており、Qwen3-4B-Instruct-2507のファインチューニングされた派生モデルであると記載されています。 READMEの機能ハイライトには、発話中に録音ピル内で単語をライブプレビューするLive Preview、キャンセルされたディクテーションテキストを24時間保持するEscape Recovery(テキストのみで音声は保持しない)、日付・時刻・クリップボードの埋め込みに対応して保存したテキストを一言一句そのままペーストするSnippets、既存の音声・動画(m4a、mp3、wav、aiff、caf、mp4、mov、flac)を話者分離できる場合は話者のターン付きで文字起こしするTranscribe a File、カスタム語彙と連絡先インポート付きの語彙パック、macOS上のどこからでも修正した綴りを保存できるQuick Add、名前による絵文字ディクテーション、英語での数値・日付・金額の決定論的フォーマット、All/Dictations/Transcriptsフィルター付きの履歴、メニューバー常駐、Sparkleによる自動更新があります。 READMEは信頼性への取り組みも記述しています。クリティカルパス(録音、文字起こし、ペースト)はオプションの拡張機能から分離されているため、校正や履歴保存の失敗が配信を妨げることはありません。標準的なペーストに対応しないアプリ向けに、多段階のペースト経路が自動的にフォールバックします。オンボーディングではアクセシビリティ権限が必要で、取り消された場合は再確認します。音声エンジンは別のヘルパーではなくアプリ内で動作し、アイドル時のフリーズを回避します。リリースは署名、公証、Gatekeeperチェック済みと記載されています。 要件はmacOS 14(Sonoma)以降およびApple Silicon(M1以降)です。インストールはHomebrew cask(saurabhav88/tap/enviouswispr)またはDMGダウンロードによる方法があります。マイク、アクセシビリティ、および(初回ペーストフォールバック時の)オートメーションの権限が要求されます。ソースからのビルドではコンパイルにSwift Package Managerを使用し、実行可能な.appはTuistとXcodeビルドエンジンを通じて組み立てられます。リリースDMGは、完全なXcode 26以降、mise、Tuistを必要とするスクリプトによって生成されます。 READMEのアーキテクチャに関する記述では、パイプライン状態機械(idle、recording、transcribing、polishing、complete)、アクター分離を伴うSwift 6の厳格な並行性、意図的に分離されたParakeetとWhisperKitのバックエンド、そしてクリティカルパスが決して失敗せずオプション機能が優雅に劣化する「Heart & Limbs」パターンが説明されています。 プライバシー: 音声はローカルで処理され、アップロードされませんが、ローカル復元が一時的に音声を保持することがあります。匿名の製品分析(PostHog)とクラッシュレポート(Sentry)はデフォルトで有効で、それぞれ設定で無効にできます。クラッシュレポートにはディクテーションされたテキストと音声は含まれません。プロジェクトはアプリケーションコードについてGPLv3でライセンスされており、EG-1モデルの重みは、再配布と競合モデルのトレーニングへの使用を制限する別のコミュニティモデルライセンスの下にあります。名称とロゴは商標です。