Voicebox: 音声入力・自動整形・自動ペーストを実現するmacOS向けデスクトップツール

概要

音声をWhisperで文字起こしし、LLMで文脈に合わせて整形した上で、現在開いているアプリへ自動ペーストするオープンソースのmacOS向けツール。

詳細内容

Voiceboxは、macOS上での入力を効率化するAI音声入力ツールです。Wails（Go + React）で構築されたデスクトップアプリと、Cloudflare Workersを活用したバックエンドで構成されています。ユーザーがホットキーを押しながら話すと、音声データがクラウド上のWhisperモデルで文字起こしされ、さらにLLM（Qwen等）が現在フォーカスされているアプリの文脈（アプリ名や入力項目の役割など）を考慮してテキストを整形します。最終的なテキストは自動的にクリップボードへコピーされ、元のアプリに直接ペーストされます。アクセシビリティAPIを活用した文脈把握と、シームレスな自動貼り付けが大きな特徴です。

元記事を読む他のサマリーを見る