プッシュ・トゥ・トーク入力
右Optionキーを押し続けると録音を開始し、離すと停止して認識されたテキストを入力中のフィールドに挿入します。
概要
Open Typelessは、Trellisフレームワークのデモとして作られたmacOS向けの音声入力ツールです。ショートカットキーを押しながら話し、キーを離すと認識されたテキストが現在のカーソル位置に挿入されます。
READMEでは、Volcano Engine音声認識を使うバックグラウンドアプリ、フローティングのステータスウィンドウ、アクティブなカーソルへのテキスト挿入が説明されています。ウィンドウを切り替えたり作業を中断したりせずに、他のmacOSアプリ内で素早く文字起こししたいユーザー向けです。
機能
ストリーミング書き起こし
完全な最終書き起こしを待たずに、認識結果が届くたびに表示します。
フローティングオーバーレイ
現在のアプリから切り替えずに、録音状態とライブテキストを表示するフローティングのすりガラス風ウィンドウを使います。
カーソル位置への挿入
確定したテキストを現在のカーソル位置に送るので、その場で入力を続けられます。
作業を妨げないワークフロー
使用中のアプリからフォーカスを奪わずに動作するため、既存のワークフローにそのまま組み込めます。
使用例
ハンズオンでの音声入力
キーボードに手を置いたまま、macOSの任意のアプリにテキストを音声入力できます。右Optionキーを押し、話して、離すとカーソル位置にテキストが挿入されます。
アプリ内での素早いメモ取得
別のエディタを開かずに、話したメモや短いメッセージを記録できます。作業を続けながら、フローティングウィンドウで状態とライブ書き起こしを確認できます。
ライブ文字起こしの確認
話している内容をその場で認識結果として確認できます。テキストが挿入される前にすぐフィードバックを得たい場合に便利です。
Trellisフレームワークの例
Trellisのデモや参考実装としてこのプロジェクトを利用できます。リポジトリには、アプリ構造に関するソース構成メモ、Electronのドキュメント、使用例のドキュメントが含まれています。
Pros and Cons
Pros
- 1回の押し続けて離す操作でプッシュ・トゥ・トークによる文字起こしを行えます。
- 話している間にライブで書き起こしを表示します。
- 入力したテキストを現在のカーソル位置に挿入します。
- 現在のアプリからフォーカスを奪わずにオーバーレイを表示したままにできます。
Cons
- macOS 12.0以上とNode.js 18以上が必要です。
- `.env` ファイルでVolcano Engineの認証情報とセットアップが必要です。
- デフォルトのショートカットは、コードを変更しない限り右Optionキーに固定されています。
- 初回の認識では、WebSocketのセットアップに1〜2秒の遅延が発生することがあります。
FAQ
Open Typelessは何をするものですか？
READMEでは、このアプリはmacOS向けの音声入力ツールとして説明されています。バックグラウンドで動作し、右Optionキーを押している間に録音を開始し、離すと認識されたテキストを現在のカーソル位置に挿入します。
実行するには何が必要ですか？
記載されている要件は、macOS 12.0以上、Node.js 18以上、pnpmです。READMEには、初回起動時にマイク権限とアクセシビリティ権限も必要だと書かれています。
音声認識はどのように設定されますか？
このプロジェクトはVolcano Engine音声認識を使用しています。セットアップでは、`.env.example` を `.env` にコピーし、`VOLCENGINE_APP_ID`、`VOLCENGINE_ACCESS_TOKEN`、`VOLCENGINE_RESOURCE_ID` を入力する必要があります。
プッシュ・トゥ・トークのショートカットは変更できますか？
現在のショートカットは右Optionキーに固定されています。READMEでは、`src/main/services/keyboard/keyboard.service.ts` を編集することで変更できると案内しています。
なぜ最初は認識が遅く感じられることがあるのですか？
READMEによると、Volcano Engineへの最初の接続ではWebSocket接続を確立するために1〜2秒かかることがあり、その後はより速く動作します。
Quick Facts
- カテゴリ
- Developer Tool
- プラットフォーム
- macOS
- 主な用途
- 音声入力とテキスト挿入
- フレームワーク
- Trellis
- 認識サービス
- Volcano Engine ASR
- リポジトリ
- github.com/mindfold-ai/open-typeless
Open Typelessの代替品
SpeakoFlow
SpeakoFlowは、Windows、macOS、Linux対応の無料・オープンソースのデスクトップ音声入力アプリ。あらゆるアプリに дикationでき、Flow、要約整理、翻訳、画面認識アシスタントにも対応。
QuickQuill
QuickQuillは、macOSで使えるローカル動作の音声入力・文字起こしアプリです。会議の録音、書き起こし、要約、ノート書き出しをクラウドなしで行えます。
Zen Whisper
Zen Whisperは、Apple Silicon搭載MacのmacOS 14以降向けローカルファーストの音声入力・文字起こしアプリ。ほとんどのMacテキスト欄へ入力でき、メディアや対応公開リンクも文字起こし可能。110言語に対応。
Speech to Text Converter
Speech to Text Converter は、ブラウザで使える文字起こしツールです。ライブ音声入力や音声・動画ファイルのアップロードに対応し、短い作業向けの無料プランと、無制限の文字起こし、AI要約、翻訳、話者識別、詳細な書き出し機能を備えたProプランがあります。
CAKIE
CAKIEは、AIエージェント向けに画面と音声を録画できるMacアプリです。文字起こしとスクリーンショットのハイライトを追加し、プロンプトをコピーして別のAIアプリに貼り付けたり添付したりできます。
Sanota
Sanotaは、話した思い出や振り返り、インタビューを分かりやすい文章の物語に変えるアプリ。家族史や共有の記憶づくりを、ガイド付きプロンプトと月額・年額プランで支援します。