KoeKaku (声書く) - 完全ローカルの音声入力 & 文字起こしツール

Windowsの音声入力機能を代替する、開発者・パワーユーザー向けの高速・高精度な音声入力ツールです。 「Win+H」よりも柔軟なカスタマイズが可能で、完全にローカルで動作するためプライバシーも安心です。

✨ 特徴

• IME非依存の確実な入力: SendInput API (UNICODE) を使用し、IMEの状態（かな/英数）に関わらず正確に入力。
• 高精度な日本語認識: SherpaOnnx + Parakeet TDT 0.6b v2 モデルを採用。
• 完全ローカル動作: 音声データは外部に送信されず、すべてローカルPC上で処理されます。
• 自動セットアップ: 初回起動時に必要なモデル（約720MB）を自動的にダウンロードします。
• 管理者権限不要: 通常のユーザー権限で動作し、スタートアップ登録も可能です。
• Pro版機能: 制限解除でさらに便利にカスタマイズ（後述）。

💎 Pro版 vs 無料版

本アプリは「基本無料」でご利用いただけますが、設定変更などのカスタマイズ機能には制限があります。

[Pro版] ・起動時間制限: 無制限 (常時起動可能) ・音声入力機能: 利用可能 ・マイク感度(VAD)調整: 変更可能 ・ホットキー変更: 自由に変更可能 ・効果音の変更: 好きなWAVファイルに変更可能 ・スタートアップ登録: 自動起動設定が可能

[無料版] ・起動時間制限: 3時間 (再起動でリセットされます) ・音声入力機能: 利用可能 (Pro版と同等) ・マイク感度(VAD)調整: 固定 (変更不可) ・ホットキー変更: 固定 (Ctrl+Alt+H のみ) ・効果音の変更: 固定 (標準音のみ) ・スタートアップ登録: 利用不可

Pro版の購入方法: 設定画面の「情報」タブから「Pro版を購入 / 復元」ボタンをクリックすることで、Microsoft Store経由で購入できます。

🚀 セットアップ

1. 必要な環境

• OS: Windows 10/11 (64bit)
• Runtime: .NET 8.0 Desktop Runtime
• インターネット接続: 初回起動時のモデルダウンロードに必要

2. 起動

1. 実行
   • KoeKaku.exe を実行します。
   • 初回起動時はモデルのダウンロードが行われます（数分かかる場合があります）。
2. 常駐
   • 起動するとタスクトレイにアイコンが表示され、バックグラウンドで待機します。
   • 「設定」から「Windows起動時に実行する」を有効にすると便利です。

Note

: 管理者権限で動作しているアプリケーション（タスクマネージャーや一部のインストーラーなど）に入力したい場合は、本アプリも「管理者として実行」する必要があります。

📖 使い方

音声入力の開始

1. 入力したいテキストボックスやエディタをクリックしてアクティブにします。
2. 設定したホットキー（デフォルト: Ctrl + Alt + H）を押します。
   • または、タスクトレイアイコンをダブルクリックしても設定画面が開けます。
3. 「ピコッ」という開始音が鳴り、画面左上に青いオーバーレイ（認識中インジケータ）が表示されます。
4. マイクに向かって話しかけてください。
5. 話し終わる（無音が続く）と自動的に認識され、テキストが入力されます。

入力の停止

以下のいずれかの操作で、認識を中断します：

• キーボードの任意のキーを押す
• マウスをクリックする
• 別のウィンドウにフォーカスを移す
• ホットキーをもう一度押す

⚙️ 設定のカスタマイズ

タスクトレイのアイコンを右クリックし、「設定 (&S)...」を選択すると設定画面が開きます。

1. 一般

• Windows起動時に実行する: PC起動時に自動的にアプリを起動します。

2. 音声

• マイクデバイス: 使用するマイクを選択します。
• 聞き取り中音量ミュート: ONの場合、音声認識中はPCのスピーカー音量を一時的にミュートし、誤ってシステム音や動画の音声を拾ってしまうのを防ぎます（認識が完了または中断すると元の音量に戻ります）。
• 開始音: 入力開始時に再生するWAVファイルを指定できます（デフォルト: start.wav）。

3. ホットキー

• キー/ボタン: Ctrl, Alt, Shift, Win の組み合わせたキーボードのキー、またはマウスのボタン（左/右/中/X1/X2）を割り当て可能。
• 設定ボタン: 押下後に実際のキー/ボタンを入力して設定します。

4. 詳細

• マイク感度 (VAD): 声を拾う感度を調整します（高いほど小さな声も拾いますが、雑音も拾いやすくなります）。
• ビーム幅: Beam Search時の探索幅（4〜10推奨）。大きいほど処理が遅くなります

5. 情報

• アプリケーションのバージョン、開発者情報、ライセンス情報を確認できます。
• AIコンテンツを通報: 生成されたAIコンテンツに問題がある場合、開発者へ通報することができます。

📜 ライセンス

本ソフトウェアは以下のオープンソースライブラリを使用しています：

• SherpaOnnx: Apache 2.0 License
• Parakeet TDT 0.6b v2: Copyright (c) 2024 NVIDIA CORPORATION & AFFILIATES. All rights reserved. Licensed under the Creative Commons Attribution 4.0 International (CC-BY-4.0) (https://creativecommons.org/licenses/by/4.0/)
• NAudio: MIT License
• .NET Runtime: MIT License