trnscrb

trnscrb は会議が始まるパターンを見張る。マイクが5秒ほど活動していて、対応アプリのどれかが動いている、という状態だ。両方が揃うと録音がひとりでに始まる。対象は Google Meet、Zoom、Slack Huddle、Microsoft Teams、FaceTime で、ブラウザのプラグインではなくプロセスの存在を確認するため、ブラウザのタブから参加した通話も拾える。会議が終われば、何も触らずに停止して文字起こしする。

実際の音声テキスト化はローカルで動く。Apple Silicon 上の Whisper small モデルを Metal アクセラレーション経由で使う。録音中も文字起こし中も何もアップロードされない。つまり Wi-Fi を切っていても、クラウドサービスを遮断する社内ネットワークでも動く。モデルは約500 MB の一度きりのダウンロードだ。Web レコーダーではなく trnscrb を選ぶ理由はまさにここにある。音声がマシンの外に出ないのだ。

無料の HuggingFace トークンを渡せば、trnscrb は pyannote ライブラリを使って話者を分け、各行を SPEAKER_00、SPEAKER_01 のように印づける。2人より多くが話すとき、文字起こしが読みやすくなる。では、なぜ余分な設定をするのか。グループ通話では、誰の発言か分からない文字の壁は追いにくいからだ。トークンは任意なので、なくても文字起こしは動く。ただし話者の分離はない。単独の通話なら、その追加手順は簡単に飛ばせる。

セットアップ後、Claude Desktop は trnscrb に手を伸ばすツール群を手に入れる。録音の開始と停止、状態の確認、名前による文字起こしの呼び出しだ。今朝のスタンドアップのアクション項目は何だったかと尋ねれば、保存されたテキストから引いた答えが返る。プレーンテキストのフォルダを、自然な言葉で問い合わせられるものに変える。後になって本当に時間を節約してくれるのは、この部分だ。

既定では trnscrb は自分のマイクだけを録音する。これは自分は捉えるが、他の参加者は捉えない。無料の仮想音声ドライバーである BlackHole を入れると、システム音声も取り込めるようになり、通話の両側が文字起こしに残る。trnscrb install が BlackHole を設定してくれ、アプリはそれが存在すれば自動で検知する。これがないと、遠隔会議の文字起こしは会話の自分の側だけになる。

自動検知だけに頼る必要はない。メニューバーには手動実行用の Start Transcribing と Stop Transcribing があり、残りは CLI が担う。trnscrb list は保存された会議を表示する。trnscrb show は1件を出力する。trnscrb watch はメニューバーなしで、画面も出さずに自動文字起こしを走らせる。そして録音が始まらなかった理由を調べているときは、trnscrb mic-status がマイクの活動をリアルタイムで示す。