声は指紋と同じ生体情報だ。それでも多くの音声入力ツールは、録音を企業のサーバーに送ることを前提にしてきた。大手の音声アシスタントでは録音を人が聞いていたことが内部告発や当局の調査で明るみに出て、アップルはSiriをめぐる訴訟で9,500万ドルの和解に応じている。
高精度な音声認識を使うなら、音声をクラウドに預け、分単位の料金やサブスクリプションを払う。データの扱いは、企業のプライバシーポリシーを信じるしかない。 それが音声入力の「当たり前」だった。
OpenWhisprは、信頼を「約束」ではなく「公開」で示す。ソースコードはすべてMITライセンスで公開され、誰でも音声の扱いを確かめ、自分でビルドし、方針が気に入らなければフォーク(分岐)できる。 文字起こしはWhisperやNVIDIA Parakeetといったオープンなモデルを使い、手元のパソコンの中で完結する。このローカル版はずっと無料で、クラウドを使うか、自分のAPIキーを使うかもユーザーが選べる。
話した言葉をそのままテキストにして、あらゆるアプリに入力できるオープンソースの音声入力ソフト。macOS・Windows・Linuxに対応し、AIによる文章の整形、会議にボットを参加させずに取る議事録、音声ファイルの文字起こし、声で指示するメール作成などの機能を備える。100以上の言語に対応し、オフラインでも使える。 無料のローカル版に加えて、有料のクラウドサービスも提供する。運営はGizmo Labs Inc.で、米サンフランシスコを拠点とする。ダウンロード数は約15万、GitHubでのスター数は9,500を超え、200人以上の開発者がコードに貢献している。
StarTextで全文を読む →