최근 본 상품
더보기
AKIAKI

【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版

  • Digital
    2,800 JPY

About Gift

【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版
【オフラインで使えるAI音声入力ソフト】WhisperKey GPU版

※こちらはWhisperKeyの「GPU動作版」のページです。「CPU動作版」との買い間違いにご注意ください。 「GPU動作版」の利用にはNVIDIA製GPUが搭載されたPCが必要です。 ページ下部に要件を記載しているので、もし条件を満たすことが難しい方は、「CPU動作版」をご検討ください。 CPU動作版はこちら: https://asaimo-eos.booth.pm/items/7284686

概要

「WhisperKey」は、WindowsPCにインストールするだけでキー1つでどこでも高精度なリアルタイム音声入力ができるソフトです。 GPU動作版では、NVIDIA製グラフィックボードの処理能力を活かして、最上位モデル「large-v3」での超高精度な音声入力を実現します。 さらに v5.0 からは、パソコンの中で動く AI(LLM)が、音声認識の聞き間違いを直してから入力する「入力補正」に対応しました。 ・基本動作はオフラインで完結(ネット環境が必要なのは、音声認識と入力補正のモデルをダウンロードするときだけです) ・話した声や入力した文章は外部に一切送信されないため安心してご利用になれます。入力補正の AI もパソコンの中で動きます。 ・日本語の音声入力専用のソフトです。 ・買い切り型のWindowsソフトです。

GPU動作版の特徴

・NVIDIA製グラフィックボードで音声処理を高速化 ・最上位モデル「large-v3」や、日本語専用の高精度モデル「kotoba-whisper-v2.0」に対応 ・処理速度が格段にアップ、リアルタイム入力が快適 ・入力補正で、聞き間違いや同音異義語の取り違えを AI が直してから入力(v5.0 から)

使い方(基本操作は超シンプル)

0. はじめて起動したときだけ、モデルタブで音声認識のモデルをダウンロードします(medium で約 1.5 GB)。入力補正を使うときは、入力補正タブから入力補正のモデルもダウンロードします(約 5.3 GB) 1. ソフトを起動した状態でショートカットキーを押す(デフォルト: F9) → 音声入力がONになる 2. 喋った内容がカーソル位置に自動で入力される 3. もう一度キーを押す → 音声入力が終了 以上が基本操作です。 システムトレイ(画面右下のアイコン)から設定の画面を開いたり、ソフトを終了したりできます。

主要機能

・入力補正(v5.0 から) 音声認識の聞き間違いや崩れた表記を、パソコンの中で動く AI(gemma-4-E4B-it)が直してから入力します。直前の入力の話題も手がかりにします。 「よく使う言葉」をよみがなと一緒に登録すると、専門用語や固有名詞も直しやすくなります。 ・同音異義語の確かめ(v5.0 から) 「仕様 / 使用」「分 / 文」のように、それだけ見ると正しい言葉になる取り違えも、辞書から同じ読みの言葉を並べて AI に選ばせることで直します。 「楽天 / 濁点」「科学習 / 過学習」のような、聞き分けにくい音の取り違えにも対応しています。 ・候補を出す(v5.0 から) 入力した文章のほかの候補を、日本語入力の変換候補のように並べて選べます(デフォルト: F8)。 選ぶと、入力した文章がその候補に入れ替わります。 ・句読点補正(v5.0 から) 音声認識が付けた「、」「。」をいったん外して、AI が付け直します。付いたり付かなかったりするのを防ぎます。 ・辞書変換機能 音声入力ソフトの弱点である誤変換を事前定義で防止。 専門用語、固有名詞、特殊文字の入力に威力を発揮します。 入力履歴から、間違えた言葉をそのまま辞書に登録することもできます。 ・コマンド実行機能 特定の言葉を発話することで、URLを開いたり、 アプリを起動したりできます。 ・入力履歴と取り消し(v5.0 から) 最近の入力を一覧で確認・コピーできます。 直前の入力は、キー1つ(デフォルト: F10)で取り消せます。 ・プッシュトゥトーク(v5.0 から) キーを押している間だけ録音するモードに切り替えられます(デフォルト: Shift+F9 で切り替え)。 ・「。」「、」を消す(v5.0 から) 入力する文章の「。」や「、」を消せます。チャットなど、句読点を付けない場面に便利です。 ・使いやすい設定の画面(v5.0 から) マイク、ショートカットキー、効果音、テーマ(ライト / ダーク)などを、ひとつの画面で変えられます。Windows の起動時にWhisperKeyも自動で立ち上げる設定もあります。

ポイント１：好みや環境に応じて選べる入力精度

音声入力処理には Faster Whisper を採用しています。お使いのGPU性能に応じて、以下からお好みのモデルを選択できます。 ・tiny (約 75 MB) = 最速・最軽量(精度は低め) ・base (約 145 MB) = とても軽量(精度はやや低め) ・small (約 480 MB) = 高速・軽量 ・medium (約 1.5 GB) = 速さと精度のバランス重視【推奨】 ・kotoba-whisper-v2.0 (約 1.5 GB) = 日本語専用。large-v3 に近い精度で、より速い ・large-v3-turbo (約 1.6 GB) = large-v3 に近い精度で、より速い ・large-v3 (約 3.1 GB) = 最高峰の精度、専門用語や長文にも強い モデルは使うものだけダウンロードでき、いらなくなったら画面から削除できます。

ポイント２：安心セキュリティ

文字起こしも入力補正も、すべてパソコンの中で行います。インターネットにつなぐのは、モデルをダウンロードするとき(ダウンロードのボタンを押したとき)だけで、話した声や入力した文章を外部に送ることはありません。

ポイント３：珍しい買い切りタイプの音声入力ソフト

現在配信されている音声入力ソフトはサブスク制が主流となっておりますが、本製品は買い切りで好きなだけご利用いただけます。

こんな方におすすめ

✓ 長時間の執筆作業がある方(ブログ記事、技術記事、小説執筆など) ✓ 音声入力ソフトの「誤変換」「ハルシネーション」にストレスを感じていた方 ✓ 同音異義語や専門用語の変換ミスを、手で直す手間を減らしたい方 ✓ プライバシー重視で、クラウド型の音声入力を避けたい方 ✓ サブスク料金を払い続けたくない方 ✓ Notion や Markdown 対応エディタでの作業が多い方

【動作環境】

■ 必須要件 ・OS: Windows 10/11(64bit版) ・CPU: Intel Core i5 以上 / AMD Ryzen 5 以上 ・メモリ: 8GB以上 ・ストレージ: 本体 約 2.5 GB + 使うモデルの大きさ(音声認識のモデルは tiny の約 75 MB 〜 large-v3 の約 3.1 GB。モデルごとの大きさは「ポイント1」をご覧ください。入力補正を使う場合は、さらに約 5.3 GB) ・GPU: NVIDIA GeForce GTX 10シリーズ以降(VRAM 4GB以上) ・GPUドライバ: バージョン 560 以上 ・マイク: 任意の音声入力デバイス ・言語: 日本語のみ ・インターネット: 初めて使うときのモデルのダウンロードのみ ■ 必要な VRAM の目安 ・入力補正なし: tiny・base で 0.5GB、small で 1GB、medium・kotoba-whisper-v2.0・large-v3-turbo で 2.5GB、large-v3 で 4.5GB ・入力補正あり: small で 4.5GB、medium・kotoba-whisper-v2.0・large-v3-turbo で 6GB、large-v3 で 8GB ※ WhisperKey を単体で動かしたときの目安です。ブラウザやゲームなど、ほかのアプリも VRAM を使うため、余裕を見てください。 ※ VRAM が足りないときも止まらずに動きますが、とても遅くなります。VRAM 4GB 程度の GPU では、入力補正はオフで使うのがおすすめです。 ■ 推奨環境(入力補正と大きいモデルを快適に使う場合) ・GPU: VRAM 8GB以上(RTX 3060 / RTX 4060 以上) ・メモリ: 16GB以上 ・USB接続の外部マイク ■ 速さの目安(話し終わってから文字が入力されるまで) ・GeForce RTX 5060 Ti(VRAM 16GB): どのモデルでも、入力補正なしで約 1秒、入力補正ありで約 2秒 ・GeForce GTX 1650 Ti(VRAM 4GB): medium で約 4秒、入力補正をオンにすると約 10秒

【アップデートについて】

・購入済みの方は、BOOTH のマイライブラリから最新版を無償でダウンロードできます ・前のバージョンの上からインストールすると、音声辞書と音声実行の登録はそのまま引き継がれます ・v4.4 からアップデートした場合、マイクは「既定のデバイス」に戻ります。お使いのマイクが既定でない場合は、設定の画面で選び直してください

【権利について】

■ ライセンス形態 買い切り型の使用許諾契約です。1ライセンスで1ユーザーが利用できます。 ■ 利用にあたって ・商用・個人問わず利用可能 ・入力した文字起こし結果の利用に制限はありません ■ ソースコード公開 本ソフトウェアのソースコードは GitHub で公開しています。 GitHub URL : https://github.com/akiaki256/WhisperKey 詳細な使用許諾契約書は、インストール後に LICENSE.txt で ご確認いただけます。 ■ サードパーティライセンス 本ソフトウェアは faster-whisper をはじめとする 複数のオープンソースソフトウェアを利用しています。 GPU版は NVIDIA 社が提供する CUDA / cuDNN の 利用条件が適用されます。 入力補正のために llama.cpp(llama-server)と、同音異義語の確かめのために MeCab・IPA 辞書を同梱しています。 入力補正のモデル(Google の gemma-4-E4B-it、Apache License 2.0)は同梱せず、使うときにダウンロードします。 詳細はインストール後の THIRD_PARTY_LICENSES.txt を ご確認ください。 ■ ご留意事項 ・本ソフトウェアの再配布・転売は禁止しています ・詳細な使用許諾契約書(LICENSE.txt)は、インストール後にご確認いただけます ・アンインストールすると、設定・音声辞書・音声実行・入力履歴・よく使う言葉・ダウンロードしたモデルもすべて削除されます

【免責事項】

■ 認識精度について ・音声認識の精度は100%を保証するものではありません ・認識精度は環境音、話者の声質、マイク品質等により変動します ・専門用語、方言、固有名詞は正しく認識されない場合があります ・入力補正は聞き間違いをすべて直せるものではなく、まれに正しい言葉を別の言葉に直してしまう場合があります(候補を出す機能で元に戻せます) ■ 文字起こし内容について ・文字起こしされた内容の正確性について、開発者は一切の責任を負いません ・重要な用途では必ず人による確認を行ってください ・文字起こし結果により生じた損害について、開発者は責任を負いません ■ 第三者の音声について ・他者の音声を文字起こしする場合、必要な許可を得ることは利用者の責任です ・録音・文字起こしに関する法的責任は利用者が負うものとします ・プライバシー侵害、著作権侵害等の責任は利用者に帰属します ■ 技術的制限 ・Windows Defenderや一部セキュリティソフトで誤検知される場合があります ・Bluetooth のワイヤレスイヤホンでは、効果音の頭が切れて聞こえることがあります(設定の「ワイヤレスイヤホン対策」で症状を軽減できます。機種によって短い音を切り捨てる時間が異なるため改善しない場合もあります)

【サポート・お問い合わせ】

バグ報告・機能要望・使い方の質問は、 本商品ページの「ショップへのお問い合わせ」よりご連絡ください。

AKI
Visit FANBOX!