会議や講義の録音を自分のパソコンで文字に起こす

インストール手順

1. macOS: リリースページから Apple Silicon 用 .dmg を取得し、アプリケーションフォルダにドラッグします。
2. Windows: リリースページの x64 インストーラ(.exe)。CPU が AVX2 に対応している必要があります。
3. Linux: インストーラはなく、ソースビルドのみ。先に Rust と Node.js が必要です。
4. 要約をローカルで得るには Ollama を別途インストールします。そうでなければ Claude、OpenAI、Groq、OpenRouter のキーを入れます。

韓国語での使い勝手

文字起こしエンジンは Whisper(tiny から large-v3 まで)と Parakeet から選びます。Parakeet はヨーロッパ言語 25 種のモデルで韓国語がないため、韓国語の会議には Whisper を使い、精度が要るなら large-v3 を選びます。公式サイトは多言語対応と言語の自動検出を掲げていますが、対応言語の一覧はありません。韓国語 UI は確認できませんでした。

実際の制約

• 話者分離、PDF/DOCX 書き出し、言語の自動検出は PRO(1 ユーザー月 10 ドル、年 120 ドル一括)に含まれます。コミュニティ版は MIT ライセンスで無料です。
• 公式の最小構成は RAM 8GB、4 コア、ストレージ 10GB。推奨は 16GB、8 コア、50GB です。large-v3 はこれより重くなります。
• Linux はまだソースビルドのみです。

インストール手順

1. macOS(Apple Silicon・Intel)と Windows: リリースページの .dmg / .exe インストーラ。
2. Linux: AppImage、.deb、.rpm、.tar.gz の 4 種。
3. ソースビルドは Node.js 24 以上。git clone のあと npm install、npm run dev を実行します。
4. ローカル Whisper は Metal、CUDA、Vulkan で GPU 加速されます。クラウドモデルは各サービスの API キーを自分で入れます。

韓国語での使い勝手

言語は設定 → Preferences → Language で選び、既定は自動検出です。対応言語数はエンジンごとに異なり、Whisper 59、Parakeet 26、AssemblyAI 7 です。Parakeet はヨーロッパ言語のモデルなので、韓国語なら Whisper を選びます。公式文書も、短い録音や雑音の多い録音では自動検出より言語を明示するよう勧めています。

実際の制約

• Intel Mac ではリアルタイム話者識別と声紋機能が使えません。両機能が依存する ONNX Runtime が 1.24 から macOS x86_64 ビルドを出していないためです。
• ノート機能はサインインが必要です(無料)。クラウドエンジンは使った分だけ各サービスに課金されます。
• MIT ライセンスで、利用状況の収集はありません。

インストール手順

1. Apple Silicon の Mac 専用で、macOS 14 以上が必要です。
2. 先に Python 3.12 以上、ffmpeg(brew install ffmpeg)、Apple のコマンドラインツール(xcode-select --install)を入れます。
3. リポジトリを取得して make setup で仮想環境を作り、make app でアプリを作るか ./run.sh で起動して http://127.0.0.1:8990 で使います。
4. インストーラ(.dmg)はありません。ターミナルを一度は開くことになります。

韓国語での使い勝手

Qwen3-ASR モデルを使い、その公式対応言語 30 種に韓国語が含まれます。単語単位のタイムスタンプ(SRT)は日本語と韓国語向けのトークナイザーを別途載せて作り、README に明記されています。言語は自動検出か手動指定を選べます。韓国語の認識品質に関する個別のベンチマークはモデルカードにありません。

実際の制約

• メモリ: 1.7B モデルは約 3.4GB、0.6B は約 1.2GB のユニファイドメモリを使います(量子化版は 1.9GB、0.5GB)。
• ファイルは一度に 1 つ、最大 4GB。口述入力は既定 2 分、最長 10 分です。
• 話者分離はドキュメントにありません。Intel Mac、Windows、Linux は対象外です。
• Apache-2.0。アカウント、API キー、クラウドは使いません。

インストール手順

1. brew install --cask frigadehq/tap/yap の 1 行、またはリリースページの .dmg。
2. ソースビルドは git clone のあと ./install.sh。Xcode 26 が必要です。
3. ダウンロードするモデルも API キーもアカウントも不要です。

韓国語での使い勝手

Apple の SpeechAnalyzer と SpeechTranscriber をそのまま使い、言語はシステムロケールに従います。アプリ内の言語選択はまだなく、ロードマップの次の項目として挙げられています。Apple の文書は対応ロケールの一覧を公開せず、機器側で問い合わせる形にしているため、韓国語の口述入力が使えるかはシステム言語を韓国語にした Mac で直接確認する必要があります。この確認はまだ残っています。

実際の制約

• macOS 26(Tahoe)以上、Apple Silicon のみ。Intel Mac と Windows は非対応です。
• マイクによるリアルタイム口述入力のみで、ファイルの文字起こしはドキュメントにありません。
• ネットワークコードが一切なく、データは機器の外に出ません。履歴は SwiftData でローカル保存。MIT ライセンスで無料です。

インストール手順

1. macOS(Apple Silicon): .dmg。初回起動は右クリック → 開くで承認が必要で、そのとき Python 環境と既定モデルを自動でダウンロードします。
2. Windows 10/11: x64 MSI(管理者権限なしで入れるなら現在ユーザー向けビルド)。Linux: AppImage(glibc 2.39 以上)。
3. Docker: palashdeb/omnivoice-studio:stable イメージ、ポート 3900。イメージは linux/amd64 のみです。
4. ソースビルドには Node 20 以上または Bun と、Python 3.11 以上が必要です。

韓国語での使い勝手

既定の認識エンジンは WhisperX で、Faster-Whisper、MLX Whisper、PyTorch Whisper、FunASR など 11 種から選べます。Whisper 系は韓国語に対応しますが、README は対応言語数(約 100)しか書かず、韓国語を個別に挙げていません。Parakeet TDT と Moonshine はそれぞれヨーロッパ言語専用、英語専用なので、韓国語のファイルには選びません。韓国語 UI は確認できませんでした。

実際の制約

• 最小構成は RAM 8GB、ディスク 10GB。推奨は 16GB 以上、SSD 20GB 以上です。GPU を使うなら VRAM 4GB 以上が必要で、大きなエンジンはさらに要ります。
• Intel Mac はローカルの Python バックエンドを実行できません(リモートバックエンドのみ)。
• まだベータで、AGPL-3.0 です。ダウンロードするモデルはそれぞれのライセンスに従います。既定の TTS モデルの重みは CC-BY-NC で、商用利用に制限が付きます。