HN 日本語サマリー

← 一覧へ戻る
プログラミング

Show HN: Yap – ダウンロード不要な macOS 用 OSS オンデバイス音声ディクテーション

Show HN: Yap – OSS on-device voice dictation for macOS with no model to download (github.com)

79 pointsby pancomplex28 コメント

要約

Yap は、macOS 用のオープンソース(MIT ライセンス)のメニューバーアプリで、完全にローカルで動作する音声入力機能を提供します。macOS の新しい SpeechAnalyzer および SpeechTranscriber API を利用しており、モデルのダウンロードや外部 API への依存が不要です。このアプリは、メモリ使用量が少なく、Intel Mac でも動作し、プライバシーが保護されています。

全文翻訳

皆さん、こんにちはHN!私が取り組んできたOSSプロジェクトを共有したいと思います。

それはYapという名前で、macOS向けの小さなメニューバーアプリで、あらゆる入力に対して音声からテキストへの変換を行います。ホットキーを設定し、それを押して話し、もう一度押すと、テキストが現在アクティブなフィールドに貼り付けられます。すべてローカルで実行され、コンピューターから離れることはありません。完全にOSSでMITライセンスです。

macOS 26で、Appleは最近、OSが提供・管理するモデルを使用したストリーミングオンデバイス音声テキスト変換を行う2つの新しいAPI、SpeechAnalyzerとSpeechTranscriberを追加しました。そのため、このアプリは独自のモデルを同梱しておらず、最初の単語が入力されるまで何もロードしません。最近のベンチマークでは、Appleのモデルは精度でWhisper Smallをわずかに上回り、速度は約3倍であることが示されています(参照:https://news.ycombinator.com/item?id=48894752)。Macでは、モデルをダウンロードしたり、高価なAPIにお金を払ったりする必要はもはや全くありません。

多くの既存のディクテーションツールは、このOSSプロジェクトで避けたいと考えていたいくつかのことを行っています。それらは次のいずれかです。

  • お金がかかる(OSに文字通り組み込まれているものに対して)
  • メモリを大量に消費するモデルをバンドルしている(例:WhisperやParakeet)
  • ElectronでラップされたWebアプリ
  • Intel Macではまったく動作しない
  • クローズドソース
  • すべてのトランスクリプトにアクセスできるサードパーティAPIを使用している

これは約3,000行のネイティブSwiftコードで、アプリサイズは4MB、メモリ使用量はアイドル時に60MB近くです。オーディオはAVAudioEngineからSpeechAnalyzerに、ライブプレビューのためにvolatile resultsをオンにして取り込まれ、履歴はSwiftDataに保存されます。ネットワークコードは一切含まれていません。

リポジトリとデモはこちらで入手できます:https://github.com/FrigadeHQ/yap

質問があれば喜んでお答えしますし、機能リクエストも大歓迎です!