VoiceInk

ショートカットで録音し、使っているアプリに合わせて文章の出し方を変える

VoiceInkはキーボードやマウスのグローバルショートカットから録音を開始でき、push-to-talk型の音声入力として使えます。Modesでは現在のアプリやURLを見て事前設定したモードを切り替えられるため、チャットでは短く、メールでは整った文章、開発ツールでは技術用語を優先するといった入力体験を作れます。Personal Dictionaryでは固有名詞や業界用語、テキスト置換を登録でき、一般的な音声認識が苦手な語彙を日常利用へ合わせられます。

出典：[1]

ローカル文字起こしを軸にしつつ、必要ならクラウド認識やAI補正へ切り替える

READMEではwhisper.cpp、FluidAudio経由のParakeet、transcribe.cpp系モデル、SenseVoiceなどローカル推論に使う技術が案内されています。一方、現行コードのオンボーディングにはAssemblyAI、Cartesia、Deepgram、ElevenLabs、Soniox、Speechmatics、xAI、Mistral、Groq、Geminiなどのクラウド文字起こしproviderも定義され、AI補正側にはOpenAI、OpenRouter、Anthropicなどの選択肢があります。したがって『常にクラウドへ音声を送るアプリ』でも『全機能が必ずオフライン』でもなく、設定したproviderによってデータの送信先が変わる構成です。

出典：[1][2]

Macで文章を書く時間が長く、キーボード入力を音声で置き換えたい人へ

メール、チャット、ドキュメント、AIプロンプト、開発中のメモなど、複数アプリをまたいで文章を書くMacユーザーに向きます。特に、録音ファイルを後から文字起こしする用途より、その場で話して現在の作業へ文章を入力する使い方と相性があります。機密性の高い内容ではローカルモデルを選び、速度や認識性能を優先する場面では対応するクラウドproviderを使うなど、入力内容ごとに運用を分けたい人にも比較候補になります。

出典：[1][2]

Context Awarenessの権限、クラウド利用時の送信先、配布版と自前ビルドの差を確認する

Context Awarenessでは、文字起こし精度を高めるために画面上の可視コンテンツを読む用途でmacOSのScreen Recording権限を利用します。画面文脈を使いたくない場合や機密画面を扱う環境では、許可する権限と利用モードを確認して導入する必要があります。またクラウド文字起こしやAI補正providerを選んだ場合、その処理対象は各外部サービスへ送信されるため、ローカル処理時と同じプライバシー条件ではありません。

動作要件はmacOS 14.4以降です。ソースからmake localでビルドできますが、公式BUILDING.mdではローカルビルドにはiCloud Dictionary Syncと自動アップデートが含まれないとされています。配布版の購入は自動更新やサポートなどを提供する一方、ソースコード自体はGNU GPL v3で公開されています。改変・再配布する場合はGPLv3の条件を確認してください。

出典：[3][2][4][5]