SpeakLocale

SpeakLocale について

SpeakLocale は、Windows 向けのローカルファーストな音声入力および文字起こしアプリケーションです。互換性のある NVIDIA GPU を搭載したデバイス上で Whisper モデルを使用するか、ユーザーが提供する API キーを通じてクラウド文字起こしを利用することで、音声をテキストに変換します。本プラットフォームは、速度、正確性、データのプライバシーを重視するユーザー向けに設計されています。

このアプリケーションは100以上の言語での文字起こしに対応しており、DeepL（BYOK）を通じて33以上の言語へリアルタイム翻訳が可能です。任意のテキストフィールドに直接入力できるため既存のワークフローに統合でき、コーディング、メール、メモ、医療文書作成などのタスク用にカスタマイズ可能なモードを備えています。

主な特長

• 互換性のある NVIDIA GPU を搭載した Windows でのローカル Whisper 文字起こし。完全にオフラインで動作し、データはすべて端末上に保持されます
• クラウドサービスへの「キー持ち込み（BYOK）」対応：文字起こしには Groq Whisper、整形処理には LLM（例：OpenAI）などを利用可能
• ホットキーによるリアルタイム音声入力。デスクトップアプリケーションやブラウザのあらゆるテキストフィールドで利用可
• スマートフォーマット機能：句読点の自動挿入、言い淀みの除去、技術用語の扱い、用途別音声入力モード（コード、メール、メモ、医療）
• 字幕作成、会議メモ、コンテンツ再利用のためのファイルおよび動画の文字起こし
• DeepL（BYOK）による翻訳。月最大50万文字の無料枠あり
• サブスクリプション不要のライセンス体系：Basic（無料、週単位のワード制限付き）、Pro（一括払い、無制限使用、1年間のアップデート付き）、Pro Lifetime（一括払い、生涯アップデート付き、GPU 必須）
• 提供元の柔軟性：ニーズに応じて文字起こし・LLM のプロバイダーを自由に選択または変更可能

SpeakLocale の仕組み

SpeakLocale は、任意の Windows アプリケーションで音声入力を可能にします。ユーザーはホットキーを押して自然なスピードで話すだけでよく、ツールがリアルタイムで音声を文字起こしし、アクティブな入力フィールドにテキストを入力します。互換性のある NVIDIA GPU が利用可能な場合、インターネット接続なしで Whisper を使用してローカルで文字起こしが行われます。ローカル処理が利用できない、または望まない場合は、ユーザー自身で API キーを提供してクラウド文字起こし（例：Groq Whisper）を利用でき、実際の使用量に対してのみ、選択したプロバイダーに支払います。

文字起こし後、必要に応じて SpeakLocale はテキストを LLM に送信し、清書、句読点の挿入、言い淀みの除去、分野に特化したフォーマット調整を行います。音声入力モード（コード、メール、メモ、医療）により、タスクに応じた清書およびフォーマットルールが適用されます。また、録音済みコンテンツの後処理として、ファイルおよび動画の文字起こしもサポートしています。

ユーザーが自身の API キーを提供すれば、DeepL 経由で翻訳も利用可能です。これにより、ある言語で話しながら別の言語のテキストを任意のアプリケーションに直接出力できます。DeepL の無料枠（月最大50万文字）で、多くの日常的な翻訳ニーズに対応できます。

主な利点と活用例

• 開発者：コメント、ドキュメント、コミットメッセージを音声入力。技術用語の補正機能や、文脈を考慮したフォーマットを行う「コードモード」を利用可能
• 作家：句読点挿入や言い淀み除去機能を使い、記事、ブログ、メールを迅速に作成
• ビジネスパーソン：効率的にメール、報告書、メッセージを作成。多言語コミュニケーションに翻訳機能を活用
• 医療従事者：ローカル処理により患者ノートを作成し、端末上のプライバシーを確保。データ取り扱いが厳格な環境にも適しています
• 学生：講義のメモ取り、インタビューの文字起こし、長時間の執筆作業中のタイピング負担を軽減
• グローバルチーム：DeepL を通じてある言語で音声入力し、別の言語で出力。多言語協働を支援

プランと提供状況

注：BYOK = Bring Your Own Keys（例：Whisper に Groq、整形に OpenAI などの LLM、翻訳に DeepL）。ローカル Whisper 処理には互換性のある NVIDIA GPU が必要です。BYOK を使用すれば、任意のコンピュータでクラウド文字起こしが可能。

年間コスト比較（概算）

月約50,000ワードを音声入力する専門職向け：

前提条件：提供されたデータに基づく。BYOK コストは Groq Whisper Turbo を使用し $0.04/時間で推定（月約50,000ワード ≈ 約$0.22/月の文字起こし費用）。