OpenSuperWhisper

OpenSuperWhisperは、Apple silicon Macで音声を録音し、文字起こしするアプリです。キーボード操作での音声入力、既存の録音の文字起こし、ローカルにダウンロードした音声モデルの管理を求める方に適しています。開発元は、必須のホスト型文字起こしサービスではなく、WhisperとFluidAudio Parakeetのエンジンを案内しています。

録音と文字起こし

グローバルキーボードショートカット、修飾キー、または対応するマウスボタンで録音を開始・停止できます。押している間だけ録音するモードでは、操作を解除すると録音が停止します。メニューバーから内蔵、外付け、Bluetooth、Apple Continuityのマイクを選択できます。音声ファイルをアプリにドラッグすると、順番に文字起こしでき、処理後の履歴を検索できます。

バージョン0.1.0では、Finderから音声ファイルを開く機能と、MP4コンテナの処理改善が追加されています。言語の自動検出と任意の句読点前後のスペース調整は音声入力に役立ちますが、音声認識は完全ではありません。文字起こし結果を送信する前に、名前、数字、句読点、専門用語を確認してください。READMEでは、ストリーミング文字起こしが引き続き今後の課題として挙げられています。録音とその後の処理を、完全に実装されたストリーミングテキストエンジンとして案内すべきではありません。

インストールと確認済みの開発元要件

公式DMGからアプリをApplicationsにコピーするか、brew install --cask opensuperwhisperを実行してください。確認済みの0.1.0のDMGは11,671,615バイトです。このリリースでは、macOS 14.0 Sonoma以降とApple silicon ARM64が要件として明記されています。Intelへの対応はリポジトリのTODOであり、対応していると考えるべきではありません。読み取り専用の検査で、バージョン0.1.0、ビルド13、最低要件macOS 14.0、arm64実行ファイルであることが確認されています。

モデルファイルはアプリのモデル設定からダウンロードしてください。モデルに必要なディスク容量とメモリは、小容量のアプリ本体のダウンロードとは別に必要です。大きなモデルは、使用メモリが大幅に増え、処理時間も長くなる場合があります。READMEには、Whisperモデルファイルの手動追加とヘブライ語向けのファインチューニングモデルについても説明があります。モデルのライセンスは、アプリのMITライセンスとは別です。CMake、Rust、Rubyなどのソースビルド用ツールは開発時の要件であり、リリース済みアプリの利用に一律で必要なものではありません。

権限、アカウント、ネットワーク

音声の録音にはマイクの使用許可が必要です。グローバル操作や、音声入力したテキストを別のアプリケーションに挿入する機能では、macOSの入力関連またはアクセシビリティの権限が必要になる場合があります。有効にする機能に必要なアクセス権限だけを許可してください。入力マイクを選択できることは、任意のシステム音声を録音できることを意味しません。読み込むファイルには、読み取り可能なファイルアクセス権限が必要です。挿入されたテキストは他のアプリに渡され、そのアプリ独自のポリシーに従って扱われる場合があります。

開発元は、ダウンロード可能なローカルモデルを案内しており、OpenSuperWhisperのアカウントやサブスクリプションは必須ではないとしています。ネットワークアクセスは、モデル、リリース、ドキュメントの取得に使われます。ローカルで文字起こしできることと、すべての更新機能、モデルのダウンロード、外部アプリケーションがオフラインで動作するという主張は別です。FluidAudio、Whisper、モデル提供元には、それぞれ別の通知事項や利用規約がある場合があります。

ライセンスとデータのリスク

このプロジェクトは、MITライセンスで公開されている無料のオープンソースです。このアプリは商用のSuperwhisper製品とは別のものであり、その製品のアカウントやサブスクリプションは提供しません。音声や文字起こしの履歴には、私的な会話、顧客記録、認証情報が含まれる可能性があります。人を録音する際は許可を得て、保存された履歴を確認し、不具合報告から機密情報を含む例を削除してください。Clear Allはユーザーが実行する操作であり、すべてのファイル、バックアップ、診断用コピーが安全に消去される証拠ではありません。

正確さが重要な場合は、元の録音を保持してください。Bluetooth接続の遅延、マイクの選択間違い、文字起こしの誤りによって、重要な情報が失われる可能性があります。話す前に録音インジケーターを確認し、自動挿入の前に最終的な文字起こし結果を確認してください。

出典：公式リポジトリ、現在のREADME、該当リリース。