VoiceInk
Pax (Beingpax) · 音声・言語
VoiceInkはApple Silicon搭載Mac向けのMac音声入力アプリであり、オープンソースの音声入力ツールだ。ローカルAIモデルで音声からテキストへ変換し、音声は端末から出ない。
VoiceInk について
About
VoiceInkとは
VoiceInkは個人開発者Paxが作ったネイティブmacOS音声入力アプリだ。ショートカットキーを押して話すと、完成したテキストがカーソルのあるアプリに入る。GmailでもSlackでもコードエディタでも同じだ。売りはプライバシーで、文字起こしはローカルAIモデル上で動くため、音声がマシンの外へ出ることはない。
このローカル優先の設計が、クラウド型ツールより選ばれる最大の理由だ。オフライン文字起こしなら何もアップロードされず、プロジェクトはオープンソースなのでコードを自分で確認できる。仕上がりを整えたい場合は、任意のCloud Enhancementを使えばGroqやCerebras、Geminiなどのサービスに自分のAPIキーでテキストを渡せる。この場合も送られるのはテキストだけで、音声は送られない。
難点はハードルだ。このAI音声入力アプリはApple Silicon搭載Macのみで動き、macOS 14.4以降が必要なので、旧型のIntel機は対象外となる。月額プランもない。財布には優しいが、返金保証以外に購入前の試用手段がないということでもある。
はじめ方
- 公式サイトからVoiceInkをダウンロードするか、Homebrewでインストールして開く。
- macOSが尋ねたらマイクとアクセシビリティの権限を許可する。録音と他アプリへのテキスト貼り付けに必要だ。
- 設定でローカルモデルを選び、録音用のショートカットキーを決める。
- キーを押しながら話し、離すと文字起こしが作業中のウィンドウに貼り付く。
- カスタムモードや個人辞書を作り、アプリごとの書き方に合わせる。
AIツール情報
VoiceInk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
- ライターやブロガー：下書きは打つより話す方が速く、文字起こしはMac内に残るので、私的なメモがサーバーに触れることはない。
- 開発者：エディタやターミナルにプロンプトを音声で入れるとウィンドウ切り替えが減り、個人辞書が変数名やライブラリ名のつづりを正しく保つ。
- 学生：講義メモを音声で取れば時間が浮き、オフライン文字起こしは飛行機や電波の届かない教室でも動く。
- 腱鞘炎や身体の制約がある人：ハンズフリーで書けばキーボードがボトルネックから外れる。ただしApple SiliconのMacが前提だ。
タスク
- メールの返信：雑な進捗を口にすると、VoiceInkがつなぎ言葉を削り、そのまま送れる読みやすい文に整える。
- 長いメモの下書き：自由に話した内容が、箇条書きと締めのアクションを備えた整理されたメモになる。
- 選択テキストの書き換え：荒い段落を選び、どう変えたいかを話すと、その場で整った版に差し替わる。
- AIプロンプトの作成：ChatGPTなどへの詳細なプロンプトは、打つより話す方が速い。
- 日記をつける：思いつきを話して残し、できた文章をタイムスタンプ付きのMarkdown日記に保存する。
シーン
- 打たずに学ぶ：学生や社会人が、読み物や動画を見ながら音声入力でメモを絶やさず続ける。
- 机で執筆：書き手は声に出して発想し、白紙を眺める代わりに出来上がりを整える。
- 移動中の編集：ノートPCユーザーが、開いた文書に修正を音声で入れ、トラックパッドに触れずに済ませる。
主な機能
ローカルAI文字起こし
VoiceInkは自分のMac上でローカルモデルによる音声認識を動かす。文字起こしはネット接続なしで動き、音声は私的なまま保たれる。複数モデルから選べ、手元のマシンに合わせて速度と精度を天秤にかけられる。
あらゆるアプリへの音声入力
このアプリはキーボード入力を受け付けるあらゆるプログラムにテキストを貼り付ける。メールソフトやチャットからコードエディタ、ターミナルまで対応する。アプリごとの設定は不要で、ひとつのキーが作業の流れ全体をカバーする。
カスタムモードと個人辞書
モードを使えば、会議やインタビュー、短いメッセージなど状況ごとに違うルールを決められる。個人辞書は、実際に使う人名や製品名、特殊なつづりを文字起こしと整形のモデルに覚えさせる。
スマート置換と定型文
スマート置換は、短く話したフレーズを正確なテキストに展開し、ある単語を別の単語に置き換える。地味な機能だが、同じ住所や署名、決まり文句を毎日繰り返すなら、浮く時間は馬鹿にならない。
任意のCloud Enhancement
より整った出力が欲しいときは、任意のステップで文字起こし済みのテキストだけを、自分のAPIキーでGroqやCerebras、Geminiなどのクラウドサービスに送れる。音声そのものは端末を出ない。
オープンソースのコード
プロジェクトはGitHubで公開制作されており、誰でも読んで、監査して、自分でビルドできる。プライバシーを重視する人にとって、このオープンソース音声入力の形は、どんな機能一覧よりも説得力がある。
メリットとデメリット
メリット
- 文字起こしがローカルで動くため、音声データは既定でMacの外に出ない。
- サブスクなしの買い切りで、月額制の音声入力ライバルの大半より安い。
- オープンソースなので、プライバシーへの約束は信じるだけでなく検証できる。
- ひとつのキーであらゆるアプリで使え、カスタムモードと個人辞書も備える。
- 買い切り価格に永久アップデートが含まれる。
デメリット
- Apple Silicon搭載MacとmacOS 14.4以降のみで動き、Intel機の持ち主は使えない。
- 無料プランがなく、購入前に試す手段は返金保証だけだ。
- Cloud Enhancementは外部サービスのAPIキーを自分で用意する必要があり、設定の手間が増える。
- ローカルモデルはメモリとバッテリーを食い、精度は選ぶモデル次第だ。
よくある質問
VoiceInkはmacOS上で話した言葉をテキストに変える。ショートカットキーを押して話すと、開いているアプリに文字起こしが貼り付く。ローカルAIモデルでプライバシーに配慮する。
関連コンテンツ
VoiceInkに関連するツール、スキル、記事を探す。
VoiceInkの代替ツール
Prosp
Prosp · ライティング · 音声・言語 · マーケティングProspは、代理店や営業チーム向けに作られたAI LinkedInアプローチツールだ。見込み客ごとに自分の声でメッセージとボイスメッセージを書き、相手が本当に返信するように仕向ける。アカウントをつなぎ、リードを見つけ、AIにパーソナライズされたメッセージを大量に下書きさせて送信させる。すべて1つの受信トレイから行える。大量のアウトバウンドを回す人向けにできている。それがこの製品の売り込みのすべてだ。それでも各接点は人間らしく感じられなければならない。
Wordly AI Translation
Wordly · 音声・言語 · 生産性向上Wordly AI Translationは、会議・カンファレンス・イベント向けに作られたリアルタイムAI翻訳・字幕プラットフォームだ。60以上の言語でライブ翻訳、字幕、文字起こし、要約を提供し、参加者は専用ヘッドセットを使わず、QRコードを読み取るかリンクを開くだけで参加できる。Zoom、Microsoft Teams、Google Meet、Webexと連携し、セッションごとに人間の通訳を雇わずに多言語対応したい組織に向く。それだけのことだ。
Musicful
Musicful AI · 音声・言語 · 動画Musicfulは、テキストを数分で音楽に変えるAI音楽ジェネレーター兼AIミュージックビデオ作成ツール。テキストの指示、歌詞、あるいは口ずさんだメロディーを渡すと、ボーカルと楽器が入った完成したトラックを返す。AI楽曲ジェネレーターとしても機能し、自分が作った曲からミュージックビデオを生成し、AIカバーツールと開発者向けAPIも備える。ウェブブラウザとAndroidアプリで動くので、パソコンで曲を始めてスマホで続きを進められる。