Handy
cjpais (open source project) · ライティング · 音声・言語
HandyはMac、Windows、Linuxで完全オフライン動作する無料・オープンソースのオフライン音声認識アプリだ。オープンソース ディクテーションの代表格で、キーボードショートカット一つで音声入力を任意の欄のテキストに変える。
Handy について
What Is Handy
Handyはクロスプラットフォームのデスクトップアプリで、一つの仕事だけをきちんとこなす。音声をどこにも送らずにテキストへ変えることだ。キーを押して話せば、メールでもコードエディタでも、すでに使っている入力欄に言葉がそのまま入る。
登場した背景には、音声プライバシーを重視する文字起こしツールの多くが、サブスク料を取るか、録音をサーバーへ送るかしかないという事情がある。Handyはすべてを手元のマシンに置く。音声はローカルのWhisper文字起こしやParakeetモデルで処理されるため、インターネット接続なしでも動き、話した内容がパソコンの外へ出ることはない。
代償はセットアップだ。Handyはライブサポート付きの洗練された商用製品ではなく、速度はハードウェア頼りになる。遅いマシンでは大きめのモデルが話す速さに追いつけないことがあるので、小さめのモデルを選ぶか、CPUやGPUが十分な端末で動かしたい。Linuxでは貼り付けを正しく動かすために、小さなテキスト入力ツールを別途入れる必要がある。
Getting Started
- 公式サイトかGitHubのリリースページから自分の環境向けのインストーラーをダウンロードする。Homebrew、winget、あるいは利用中のLinuxディストリビューションのパッケージマネージャーから入れてもよい。
- Handyを起動し、求められるマイクとアクセシビリティの権限を許可する。録音とテキストの貼り付けに必要なものだ。
- 設定で文字起こしモデルを選ぶ。速さを求めるなら軽めのWhisperビルドか、CPU向けに調整されたParakeet V3を選ぶ。
- キーボードショートカットを設定し、キーを押し続けるか軽く叩いて話す。すると入力中の欄に言葉が現れる。
AIツール情報
Handyの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- ライターとメモを取る人：タイプより考えるのが速い人に向く。下書きを話すほうがキーを叩くより速いからだ。はっきり話せば精度は保たれる。
- プライバシーを気にする人：機密情報を扱う人に合う。音声が端末の外へ出ないからだ。ただしウェブ版ではなくアプリをダウンロードする必要がある。
- 開発者と上級者：設定をいじり、モデルを差し替え、オープンソースツールを拡張したい人に合う。動きの速いプロジェクトの粗さを許容できるならなお良い。
タスク
- 長文の口述：話した段落をテキストにする作業は、記事やレポートの下書きに向く。一定のペースで話すとモデルが追いつき、最も力を発揮する。
- フォームとメッセージの入力：短い返信や短い欄は相性がよく、指で打つ代わりに話せる。名前や数字は自分で見直したい。
- アクセシビリティ入力：タイプがつらい、あるいは痛みを伴う人にとって、Handyはほとんどのアプリで両手をほとんど使わずに文字を入れられる手段になる。精度はマイクと選んだモデル次第だ。
シーン
- 機密文書の作業：顧客契約や診療記録をクラウドサービスに触れさせたくないとき、ローカル処理が内容を手元に留める。オフライン設計なので、閉じたネットワークでも動く。
- 安定したネットがない場所での執筆：飛行機の中でも、離れたオフィスでも、接続が不安定でも、モデルがパソコンの中にあるため文字起こしは動き続ける。
- アプリを切り替えながらの素早い記録：グローバルショートカットがあれば、フォーカス中のウィンドウにそのまま口述できる。ブラウザ、チャット、メモを行き来しながら流れを切らさずに済む。
主な機能
完全オフラインの文字起こし
Handyは録音をすべて自分のパソコンで処理するので、音声がサーバーに届くことはない。 これはローカル Whisper 文字起こしだ。アカウントもクラウドの請求もなく、データがマシンの外へ出ない。私的な作業や規制の厳しい業務でこそ効いてくる。
WhisperとParakeetのモデル選択
Small、Medium、Turbo、Largeの各サイズのWhisperモデルを動かせる。どれも速度と精度のトレードオフだ。言語を自動検出するCPU向けモデルParakeet V3に切り替えることもできる。ツールをハードウェアに合わせられるわけだ。
グローバルキーボードショートカット
設定できるホットキーで、システムのどこからでも録音を始められる。押し続けて録音し離して止める、叩いてオンオフを切り替える、長押し専用か切り替え専用に固定する、といった使い方ができる。自分の働き方に合わせられる。
プッシュトゥトークと切り替えモード
一般的な長押しやタップのほかに、Handyは専用のプッシュトゥトークモードを備える。キーを押している間だけマイクを開く方式だ。アプリがいつ聞くかを細かく制御でき、共有スペースで役立つ。
カスタム辞書と履歴
よく使う名前、専門用語、珍しい綴りをHandyに教えておけば、それらを壊さなくなる。過去の文字起こしは履歴から見返せる。どちらも、一般的な文字起こしツールで必要になりがちな後処理を減らす。
クロスプラットフォームのデスクトップアプリ
Handy 音声文字起こしは基本的なツールにとどまらない。中身を確認し、改変し、拡張できるオープンソースのツールだ。アカウントを一切求めないので、最初の録音までに登録するものは何もない。
メリットとデメリット
メリット
- 完全に無料でオープンソース。サブスクもアカウントも利用上限もない。
- 音声は端末に留まり、機密の話がクラウドへ出ない。
- オフラインで動くため、ネット接続がなくても文字起こしが使える。
- WhisperモデルとParakeet V3を切り替え、速度と精度を調整できる。
- グローバルホットキーで、ウィンドウを切り替えずにどのアプリへも口述できる。
デメリット
- セットアップにいくつか手順が要り、動かす前にマイクとアクセシビリティの権限が必要。
- 大きめのモデルは遅いハードウェアで追いつかず、性能はCPUやGPU次第。
- Linuxでは貼り付けに、xdotoolやwtypeのような追加の入力ツールが要ることがある。
- 公式APIもマネージドなクラウドもないため、サーバー側や自動化のパイプラインには向かない。
よくある質問
無料だ。Handyは無料かつオープンソースで、有料プランもサブスクもアカウントも要らない。開発はスポンサーと寄付で支えられており、ライセンス料ではない。
関連コンテンツ
Handyに関連するツール、スキル、記事を探す。
Handyの代替ツール
Google EmbeddingGemma 2
Google DeepMind · ライティング · 画像 · コーディングGoogle EmbeddingGemma 2 は 7 億 4000 万パラメータのオープンなモデルで、テキスト、コード、画像、音声、動画フレームを同じ 768 次元空間のベクトルに変え、スマートフォンやノート PC 上で動く。
MePersona
MePersona, Inc. · ライティング · 生産性向上 · マーケティングMePersonaはクリエイター向けのAI統合受信箱だ。あなたの話し方を学習し、12プラットフォームに届くファンメッセージの返信を下書きして、承認したものだけを送る。
Fluence
Yay Software (Yannick Huchard) · ライティング · 音声・言語 · 生産性向上Fluence は Android 向けのドキュメントリーダーだ。PDF、EPUB、Word 文書、ウェブ記事を読み上げ、発話中の文を画面で追わせ、本文についての質問にも端末上で答える。