そのまま保持
すでに正しいテキストは、そのまま保持します。モデルカードには、修正が不要な場合は出力が入力と一文字一句一致すべきだと明記されています。
SpeakoFlow Mini 0.8B
SpeakoFlow Mini は、ディクテーションのクリーンアップ用の 0.8B GGUF モデルです。すでに書き起こされた音声を入力として、修正が不要な場合は変更前のテキストをそのまま残しつつ、整えられた文字起こしを返すように設計されています。
モデルカードでは、これは SpeakoFlow のクリーンアップ・パイプラインにおける第 2 段階だと説明されています。別のルールベース層が、フィラー語、繰り返し、句読点、大文字小文字、数字、日付、通貨、既知の専門用語の置換といった決定的な編集を処理し、SpeakoFlow Mini は話者が何を意図したかの判断が必要なケースを担当します。
リポジトリによると、このモデルは Qwen/Qwen3.5-0.8B から LoRA rank 16 でファインチューニングされた後、マージおよび量子化されています。英語専用で、チャットモデルでも書き換えモデルでもないと説明されています。カードには 833 MB の Q8_0 ファイルサイズと、デスクトップ CPU での中央値 2,509 ms も記載されています。
このモデルは SpeakoFlow プロジェクトを通じて配布され、カードに示された例に従って llama.cpp、llama-server、Ollama、または LM Studio でローカル実行できます。
主な機能
撤回の処理
文中で話者が考えを変えたときに、前の語句を後の修正に置き換えるなど、自己修正や撤回を処理します。
ディクテーションコマンドのクリーンアップ
new paragraph や scratch that のような音声による編集コマンドを適用し、コマンド語を文字起こしに残さずに書式変更へ変換します。
記号と構造の変換
メールアドレス、スラッシュ区切りのパス、箇条書き、段落区切りなど、音声化された記号や書式意図を認識します。
ルール＋モデルのワークフロー
決定的なルールを先に適用し、その後で意図の解釈が必要なケースをこのモデルで処理する 2 段階設計を採用しています。ルール層は別途公開されており、モデルの有無にかかわらず使用できます。
オフラインのローカル展開
小さな GGUF モデルとしてローカルで動作し、Windows、macOS、Linux 向けの無料オフライン音声アシスタントである SpeakoFlow に同梱されています。
適した用途
自己修正のクリーンアップ
文中で日付、時刻、名前、数値などが修正され、後からの修正が前のテキストを置き換えるべき場合にこのモデルを使います。
音声コマンドの処理
段落区切りの挿入や scratch-that 指示による文の削除など、書式変更に変換すべきディクテーションコマンドに使います。
記号の正規化
メールアドレス、スラッシュ区切りのパス、その他のディクテーション由来の句読点など、一般的な音声記号を正規化するために、書き起こし後に使います。
保守的な文字起こしクリーンアップ
文字起こしがすでにほぼ正しく、話者の表現や意味を書き換えずに保守的な編集を行いたいワークフローで使います。
ローカルオフラインのアシスタントワークフロー
ホスト型 API を使わずにローカルモデルでディクテーションをクリーンアップしたい場合、デスクトップ機のオフライン音声アシスタント構成で使います。
Pros and Cons
Pros
- すでに正しい文字起こしテキストを、不要に整えすぎずそのまま保持するように設計されています。
- 決定的なクリーンアップルールと、判断に基づく修正の両方を分割ワークフローで扱えます。
- オフラインの音声アシスタント構成でローカルに使用できます。
- 別のルール層と例セットが公開されているため、クリーンアップの挙動を確認・再現しやすくなっています。
- 撤回、音声記号、フィラー、書式指示など、一般的なディクテーションのケースへの具体的な対応が示されています。
Cons
- このモデルカードは、チャットモデルでも汎用の書き換えモデルでもないと警告しており、用途は狭いディクテーション修正タスクに限定されています。
- 例と説明は英語中心であることを示しています。
- 性能に関する詳細はプロジェクトカードに基づいていますが、公開された評価セットは非公開のため、公開例はベンチマークではなくデモ用です。
FAQ
SpeakoFlow Mini は何をしますか？
SpeakoFlow Mini はディクテーションのクリーンアップ用モデルです。書き起こし済みの音声を受け取り、すでに正しいテキストはそのまま保持しつつ、音声内容から推測できる変更だけを適用したクリーンな文字起こしを返します。
SpeakoFlow のクリーンアップワークフローではどのような位置づけですか？
このモデルは、SpeakoFlow の 2 段階クリーンアップワークフローの第 2 段階として使う想定です。第 1 段階では、フィラー語、句読点、スペース、数字、日付、既知の専門用語の置換などの決定的なルールを処理し、このモデルは話者の意図の判断が必要なケースを扱います。
これはチャットモデルや汎用のテキスト書き換えモデルですか？
このカードでは、このモデルはチャットモデルでも一般的なテキスト書き換えモデルでもないと説明されています。追加の指示、区切り記号、例を付けず、文字起こし結果をそのままユーザーメッセージとして渡す必要があります。
どの言語をサポートしていますか？
公開されている例とモデルカードは、英語のディクテーション修正を示しています。カードには、テキストの言語を保持し、翻訳しないようにとも記載されています。
公開ベンチマークや評価セットはありますか？
リポジトリには、試用用の短い examples.jsonl ファイルと、デモ用の別の dictation-cleanup-examples セットが公開されています。評価セット自体は非公開のため、公開例はベンチマークスコアとして引用するためのものではありません。
Quick Facts
- カテゴリ
- 音声認識
- モデルサイズ
- 0.8B パラメータ
- 形式
- GGUF
- ベースモデル
- Qwen/Qwen3.5-0.8B
- 言語
- 英語
- 展開
- SpeakoFlow と一般的なローカル実行環境によるローカルオフライン利用
SpeakoFlow Mini 0.8Bの代替品
Tactiq
Tactiqは、Google Meet、Zoom、Microsoft Teams向けのAIメモ作成ツールです。会議をライブ文字起こしし、要約、アクション項目、フォローアップを生成。Chrome拡張機能と共有・連携に対応。
ProWritingAid
ProWritingAidは、文法チェック、文体編集、言い換え、作品分析を人気の執筆アプリ内で使える執筆支援ツールです。無料プランと有料プラン、章の批評、原稿レビュー、共同編集機能を備えています。
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。
Dictro
Dictroは、Mac向けのプライベートAI音声入力アプリ。話した内容を任意の編集アプリで洗練されたテキストに変換。Apple Silicon Mac対応、既定はローカル処理、Fast Modeも利用可。
Notewarp
Notewarpは、音声メモやアップロード、貼り付けたテキストを、整理されたノート、文字起こし、要約、アクションアイテムに変えるAIノートツールです。
Scripta
Scriptaは、デバイス上で会議を録音・文字起こし・要約するプライバシー重視のAI notetakerです。Macベータ版を公開中で、Windowsは順番待ちです。