ローカルおよびオフラインでの文字起こし
コンピューター上でローカルの音声テキスト変換モデルを使用し、オフラインで音声入力できます。OpenWhisprではTinyからTurboまでのWhisperモデルが用意されており、サイズや精度が異なります。
オープンソースの音声入力・文字起こし
OpenWhisprは、話した内容を編集可能なテキストに変換するオープンソースの音声入力・音声テキスト変換ソフトです。デバイス上での文字起こし、オフライン利用、プライバシーを重視するワークフローに対応するローカルAIモデルを利用でき、必要に応じてクラウド文字起こしも選択できます。
デスクトップアプリでは、音声入力したテキストを、文章作成、コミュニケーション、開発用アプリケーションのアクティブなカーソル位置に送信できます。音声ファイルのアップロード、会議の録音とメモ作成、音声による整理や下書き、多言語の文字起こしにも対応しています。macOS、Windows、Linux、iOSで利用でき、有料プランでは追加の同期機能とチーム機能を利用できます。
主な機能
アプリケーションをまたいだ音声入力
エディター、メール、ドキュメント、チャットツール、開発環境など、現在使用中のアプリケーションに音声入力できます。テキストは確認できるよう、アクティブなカーソル位置に入力されます。
音声指示とAIによる整理
製品の音声操作エージェントモードを使用して、メールの整理やメッセージの下書きなど、話した指示を整形済みの出力に変換できます。
会議メモと音声の文字起こし
通話に会議ボットを参加させることなく、録音を文字起こしし、会議メモを作成できます。会議の出力には、文字起こし、メモ、決定事項、アクション項目、未解決の質問などを含められます。
多言語音声テキスト変換
言語を自動検出し、言語が切り替わる会話を含め、100以上の言語に対応します。
カスタム語彙
カスタム辞書を使って、専門的な名前、業界用語、技術用語を追加できます。また、サイトでは、繰り返し使われる単語の認識を改善するため、修正内容から学習する機能についても説明されています。
実用的なワークフロー
IDEでコードを書く開発者
CursorなどのIDEを使いながら、コードコメント、ドキュメント、コミットメッセージ、プロンプトを音声で入力できます。手入力する代わりに、生成されたテキストをアクティブなカーソル位置で確認できます。
会議メモを作成するチーム
会議を録音または文字起こしし、決定事項、アクション項目、未解決の質問をまとめた構造化されたメモを確認できます。会議ボットやクラウドへのアップロードが適切でない場合は、ローカル処理を利用できます。
テキストを下書きするライターや専門職
自然に話すことで記事、ニュースレター、メール、概要書、その他の長文テキストを下書きし、文章作成アプリケーションで変換後のテキストを編集できます。カスタム辞書は、繰り返し使う名前や用語に役立ちます。
ハンズフリーでアクセシブルなコンピューター利用
デバイス上での音声入力を使ってキーボードの使用を減らしたり、普段使っているアプリで音声入力を利用したりできます。ユースケースのサイトでは、アクセシビリティ、RSI、関節炎、ディスレクシア、移動に関するニーズ向けのワークフローが具体的に説明されています。
録音や調査内容の文字起こし
音声ファイルをアップロードするかローカル文字起こしを利用して、講義、インタビュー、ポッドキャストのエピソード、その他の録音を検索可能なテキストに変換し、その後、別のアプリケーションに要約やフォローアップ用の文章を音声入力できます。
Pros and Cons
Pros
- 無料プランでは、ローカル音声入力を無制限に利用できます。
- ローカル処理によりオフライン利用に対応し、ローカルモデルを選択した場合は音声をユーザーのコンピューター内に保持できます。
- 幅広い文章作成、チャット、メール、開発用アプリケーションで、アクティブなカーソル位置への音声入力が可能です。
- 音声テキスト変換に加えて、会議メモ、音声ファイルのアップロード、カスタム語彙、音声指示によるテキスト整理を利用できます。
- OpenWhisprはMITライセンスのオープンソースで、100以上の言語に対応しています。
Cons
- 無料のOpenWhispr Cloud利用枠は週2,000文字に制限されています。ただし、ローカル音声入力は無制限です。
- デバイス間同期、モバイルコンパニオンアプリ、APIおよびMCPアクセス、エージェントモードは、Freeプランではなく有料プランの機能です。
- ローカル文字起こしでは、ユーザーのデバイス上でモデルを選択して実行する必要があるため、選択したモデルやコンピューターによって使用感が異なる場合があります。
FAQ
OpenWhisprはどのプラットフォームに対応していますか？
OpenWhisprはmacOS、Windows、Linux、iOSで動作します。Freeプランはデスクトップから利用を開始でき、iPhoneおよびiPadのコンパニオンアプリはPro以上のプランに含まれます。
ローカル文字起こしとクラウド文字起こしの違いは何ですか？
ローカル文字起こしは、ローカルAIモデルを使ってコンピューター上で実行されるため、音声をOpenWhisprに送信する必要がありません。クラウド文字起こしは任意の方法として利用できます。また、サイトによると、録音は文字起こし後に削除され、文字起こしデータがモデルのトレーニングに使用されることはありません。
自分のAPIキーを使用できますか？
はい。OpenWhisprはローカルAIモデルに対応しており、クラウド文字起こし用にユーザー自身のAPIキーを登録できます。無料プランには、ローカル音声入力の無制限利用と、独自のAPIキーを使ったクラウド文字起こしが含まれます。
音声入力したテキストはどこに入力されますか？
OpenWhisprは、ChatGPT、Claude、Cursor、Google Docs、Gmail、Slack、Microsoft Teamsなどの対応アプリケーションで、アクティブなカーソル位置に音声入力したテキストを挿入します。その後、そのアプリケーション内でテキストを確認・編集できます。
無料プランには何が含まれますか？
無料プランには、ローカル音声入力の無制限利用、ローカルAIモデルの無制限利用、100以上の言語、カスタム辞書、月5時間の会議録音が含まれます。また、OpenWhispr Cloudの文字起こしを週2,000語まで利用できます。有料プランでは、クラウド文字起こしと会議機能の上限が増え、同期やチームツールなどの機能も追加されます。
Quick Facts
- カテゴリー
- 音声入力・音声テキスト変換ソフト
- 対応プラットフォーム
- macOS、Windows、Linux、iOS
- 処理方式
- ローカルAIモデル、OpenWhispr Cloud、または対応するユーザーのAPIキー
- 対応言語
- 自動検出に対応した100以上の言語
- ソースモデル
- MITライセンスのオープンソース
- 主なワークフロー
- アプリ全体での音声入力、会議メモ、音声の文字起こし、音声による下書き
OpenWhispr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。