オンデバイス文字起こし
NVIDIA Parakeet を CPU 上で実行して、PC 上で音声を文字起こしします。コアの処理経路では音声をアップロードせず、アカウントも不要です。
Windows 向けのプライベート音声入力
Whisperstreamは、音声をクラウドサービスに送信する代わりに自分の PC 上で文字起こしする、Windows 向けのプライベート音声入力アプリです。プッシュトゥトーク録音、ローカル音声認識、そして現在使っているアプリや入力欄への直接入力を中心に設計されています。
この製品は、アドインや常時稼働するバックグラウンドの待ち受けなしで、一般的な Windows アプリ全体で音声入力を使いたい人向けです。ソースページには、任意のクリーンアップ機能、文字起こし履歴、モデルをダウンロードした後のオフライン動作についても記載されています。
主な機能
プッシュトゥトーク操作
ホットキーを押し続けて入力するか、トグルモードに切り替えてハンズフリーで録音できます。既定のショートカットは Right Shift で、変更も可能です。
幅広いアプリ互換性
クリップボード貼り付けまたはキー入力のシミュレーションで、入力中のフィールドに文字起こし結果を送ります。ソースによると、Outlook、Word、Slack、VS Code、ブラウザ、ターミナルなどでアドインなしに動作します。
ローカル文字起こし履歴
検索可能な文字起こし履歴をデバイス上に保存し、保存済み音声を再生し、過去の入力内容を後から再度コピーできます。履歴は保存時に暗号化され、無効化も可能です。
任意の AI クリーンアップ
フィラー語の削除、句読点と文法の修正、口頭での自己修正の反映を行う、任意の AI ステップで入力内容を整えられます。ローカルモデルまたは設定済みのプロバイダーを使用できます。
カスタム辞書とプロファイル
名前、専門用語、略語を一度登録しておくと、Whisperstream が以後の入力で一貫して使用します。ソースでは、アプリごとのプロファイルやカスタムプロンプトも設定できるとされています。
Whisperstream の主な使い方
一般的な Windows 音声入力
メール、ドキュメント、チャットアプリ、ブラウザの入力欄に向かって話し、Whisperstream にカーソルのある場所へテキストを挿入させます。
開発者向け音声入力
サイトで紹介されている Claude Code のワークフローを含め、コード入力用のプロンプトやターミナル、エディタでの入力にローカル音声入力ワークフローを使います。
オフライン作業
セットアップ後はコアの文字起こし経路がインターネットなしでも継続できるため、オフライン時や接続が不安定なときに音声入力できます。
保存された音声入力履歴
後で検索できるプライベートなローカル文字起こし記録を保存し、音声の再生や過去の音声入力のコピー＆ペースト再利用に使えます。
クリーンアップと語彙の管理
任意の AI ステップと、名前、専門用語、略語、繰り返し使う表現のカスタム辞書エントリを使って、手作業での修正を減らせます。
Pros and Cons
Pros
- コアの文字起こしは PC 上でローカルに実行され、主要な処理経路では音声のアップロードがありません。
- Outlook、Word、Slack、VS Code、ブラウザ、ターミナルなど、多くの Windows アプリで動作します。
- プッシュトゥトークが既定のため、マイクが常時待機する状態を避けられます。
- 任意の文字起こし履歴はデバイス上で暗号化され、無効にすることもできます。
- ライセンスは買い切りで、ソースによると 1 ライセンスを所有する最大 2 台の PC で使用できます。
Cons
- コアの文字起こしフローは、対応する Windows 10/11 の 64 ビット PC に限定されます。
- ライセンス認証、更新、モデルのダウンロード、設定したオンライン強化機能や外部送信先など、一部機能には引き続きインターネット接続が必要です。
- アプリのポリシー、セキュリティ設定、またはリモートセッションの制限により、特定のアプリではテキスト送信がブロックまたは制限される場合があります。
FAQ
無料トライアルはありますか？
はい。Whisperstream には無料トライアルがあり、ソースによるとアカウントやクレジットカードなしでダウンロードして試せます。
Whisperstream はインターネット接続なしで動作しますか？
必須の音声モデルをダウンロードした後は、コアの文字起こしとテキスト入力をオフラインで実行できます。インターネット接続は、ライセンス認証、更新、モデルのダウンロード、および有効にした任意のオンライン機能に使われる場合があります。
必要なシステム要件は何ですか？
ソースには、64ビット x64 の Windows 10 または 11 が必要と記載されています。CPU で動作し、GPU は不要で、メモリは最低 8 GB、推奨 16 GB です。
1つのライセンスを複数のPCで使えますか？
はい。1 つのライセンスを、ノート PC とデスクトップのように所有する最大 2 台の PC で有効化できます。
どの言語に対応していますか？
Whisperstream は 39 言語をサポートしています。ソースでは、言語はセットアップ時に選択され、必要に応じてアプリが一致するモデルをダウンロードすると説明されています。
Quick Facts
- カテゴリ
- 生産性
- プラットフォーム
- Windows 10/11（64ビット x64）
- 主な用途
- プライベート音声テキスト入力
- 企業/ドメイン
- whisperstream.io
- 価格
- 29ドルの買い切り; 無料トライアルあり
- ライセンス
- 1 ライセンスで最大 2 台の PC
Whisperstream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。
Carbon Voice
Carbon Voiceは、チームと個人向けの非同期音声メッセージアプリ。文字起こし、AI要約、端末間アクセスで、通話なしのコミュニケーションを実現します。
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。
Goldfish
Goldfishは、Mac上の文脈を活用して返信、執筆、要約、作業継続を支援するmacOS向けAIメモリアプリです。メモリはMac内に保存され、あなたらしい文体で書けます。
Flunkey
FlunkeyはWindows向けの音声入力中心の生産性レイヤー。話した内容をテキスト化し、AI支援の出力や記憶した文脈に変換。作業中のアプリを離れずに使えます。
ArtDeck
ArtDeckは、iPhone、iPad、Mac向けのビジュアル参考ボードアプリ。素材を1枚のキャンバスに集約し、ToolBoxレンズでオフラインでも観察できます。iCloud同期は任意、買い切りでアカウント不要。