Handy

Handyはローカルで動作するオープンソースの音声テキスト変換ツールです。

Handyが生まれたきっかけはなかなか興味深いものです。作者が指を骨折してギプスをはめたため、コードを打つのが困難になり、仕方なくこのツールを作って入力を補助したのです。その核心のロジックは非常にシンプルかつダイレクトです：パソコン上であらかじめ設定したショートカットキー（トランシーバーモードのように）を押し続けながらマイクに向かって話し、キーを離すと、プログラムがバックグラウンドでWhisperモデルを使用して音声を文字に変換し、自動的にキーボード入力をシミュレートして、あなたが今話した内容を、使用中のエディタ、チャットボックス、あるいは任意のテキストエリアに「入力」します。

このツールの最大の特徴は、「正邪を問わぬ」頑固さ——完全なオフライン動作にこだわる点です。あなたの音声データはどのクラウドサーバーにもアップロードされず、すべての認識処理があなた自身のコンピュータのCPUまたはGPU上で実行されます。これは一方で絶対的なプライバシーを保証し（文書作成や機密性の高い内容について話す際に大手企業に盗聴される心配がありません）、他方で、その認識速度と精度はあなたのコンピュータの性能と選択したモデルのサイズに依存することを意味します。

市販のソフトウェアのように様々な派手なAIによる推敲や即時翻訳機能を統合しているわけではなく、Handyは純粋に「口述筆記」という一つのことをうまくやりたいだけです。開発者やギークにとっては、とてもクリーンな基盤となるでしょう。なぜなら、オープンソースであるだけでなく、アーキテクチャ上、意図的に修正しやすい（Forkable）ように設計されているからです。もし特定の用語集を追加したり、特殊なトリガーロジックを実装したい場合、そのRust製のバックエンドは比較的扱いやすいでしょう。簡単に言えば、これはサブスクリプション料金が不要で、インターネット接続も必要とせず、いつでも呼び出せる個人専属の速記者なのです。