SKI

会話の両半分があなたのコンピューター上で動く。音声認識が聞き取り、ニューラル音声が話す。送り先のクラウドが存在しないため、何もアップロードされない。実質的な効果として、音声と文字起こしはディスクに残り、ローカル音声認識がループをオフラインで動かし続ける。私的なコードや顧客データを扱う人にとって、これは懸念をまるごと一つ取り除く。

書き取りツールは入力テキストで止まる。SKIはエージェントの応答を読み上げて、ループを閉じる。全二重のエコーキャンセリングにより、スピーカーを開いたまま文の途中で割り込んでも声が届く。プッシュトゥトークもヘッドセットも要らない。話し終わりを察知して考えを丸ごと送るので、やり取りが自然に感じられる。覚える文法はない。話すだけだ。

緑のドットは、エージェントが実際に聞いていることを示す。ポーリングではなくリアルタイムだ。複数のリポジトリを同時に束ね、異なるエージェントをまたぐこともでき、プロジェクト名をクリックして切り替える。各プロジェクトは自分の声で答える。三つのタスクを同時にこなすセッションでも、どれが答えたか一目で分かる。

これをオンにすると、文字起こしはまず編集可能な吹き出しに入る。チェックマークを押すまでエージェントには何も届かず、聞き間違えた語を直したり、悪い依頼を実行前に止めたりできる。エージェントが自力でファイルを書き、消せるだけに、こうした安全装置は重要だ。早めに入れておく価値がある。

ホットキーで画面を取り込み、その画像が次の音声依頼に添えられる。エージェントは、あなたが見ているものを見る必要があるとき、自分でスクリーンショットを撮ることもできる。レイアウトの不具合や表示の乱れを声で説明するのは、見せるよりずっと遅いからだ。なぜ重要か。絵はいつでも段落に勝るからだ。

SKIはマイクと室内音声を取り込み、デバイス上で文字起こしする。発言者タグ付きのトラックと、通話中のライブ文字起こし付きだ。録音時間と保持期間は無制限で、Markdownかプレーンテキストに書き出せる。通話にボットが入らないため、他の参加者には録音機器ではなく、あなた自身が見える。

会議のURLをウィジェットに貼ると、コーディングエージェントがライブ参加者として入る。発言し、聞き、発表し、あるいは静かにメモを取る。画面を見て、画面共有でき、チャットを読み、送信もする。Google Meet、Teams、Zoomに対応し、ウィジェットから会議を立ち上げることもできる。

一つのskillが、開発者がすでに使っているエージェントをカバーする。Claude Code、Cursor、Codex、Gemini CLI、OpenClaw、その他もろもろだ。接続はエージェントごとにワンクリックなので、プロジェクト間でツールを替えても音声ループを失わない。この広さが、単一ツールの小技ではなく習慣にする。