音声認識(ASR)、音声合成(TTS)、音声LLMに対応し、音声AIモデルの構築、ファインチューニング、デプロイに使えるNVIDIAのオープンソースツールキット。
mkiol/dsnote
オフラインの音声認識・音声合成・機械翻訳で、メモの作成、読み上げ、翻訳ができる Linux デスクトップおよび Sailfish OS 向けアプリ。
- スター
- 1,694
- フォーク
- 76
- 未解決の Issue
- 154
- 最終コミット
- 8 日前
これは何?
Speech Note は、さまざまな言語でメモを作成、読み上げ、翻訳できるアプリです。音声認識、音声合成、機械翻訳はすべてネットワーク接続なしでコンピューター上で実行されるため、テキストや音声がインターネットに送信されることはありません。
複数のオープンソースエンジンを単一のインターフェースから利用できます。音声認識には Whisper (whisper.cpp)、Vosk、Coqui STT、Faster Whisper、april-asr を使用できます。音声合成は Piper、espeak-ng、RHVoice、Kokoro、Coqui TTS、F5-TTS などに対応し、翻訳には Bergamot を使用します。モデルは同梱されておらず、内蔵のモデルブラウザーからダウンロードします。
音声入力や読み上げに加え、認識したテキストをアクティブなウィンドウに挿入したり、SRT 形式で字幕を書き出したり、字幕のタイムスタンプに合わせて音声を合成したりできます。コマンドラインインターフェースを使えば、スクリプトやデスクトップショートカットから、聞き取りや読み上げを開始できます。
主な機能
- 01Whisper や Vosk など、複数のエンジンを使ったオフライン音声認識。
- 02Piper や espeak-ng などのエンジンによる、多彩な音声での音声合成。
- 03Bergamot を利用したオフライン機械翻訳。
- 04X11 ではフォーカス中のウィンドウに、Wayland では ydotool 経由で音声入力したテキストを挿入。
- 05音声認識の結果を SRT 字幕として書き出し、タイムスタンプに合わせて字幕を読み上げ。
- 06聞き取りや読み上げを開始するコマンドラインオプションとグローバルキーボードショートカット。
ユースケース
- 音声をクラウドに送信せず、Linux デスクトップでメモや文書を音声入力する。
- グローバルショートカットを使って、任意のアプリで音声入力する。
- 録音した音声から字幕ファイルを作成する。
- 字幕ファイルからナレーション音声を生成する。
- テキストを読み上げたり、MP3 ファイルとして保存したりする。
クイックスタート
- 1
README のバッジリンクから Flathub を使って Speech Note をインストールします
- 2
アプリ内蔵のモデルブラウザーから、必要な音声認識モデルと翻訳モデルをダウンロードします
使う前に知っておきたいこと
- 対応しているのは Linux デスクトップと Sailfish OS のみです。
- モデルのチェックポイントは含まれていないため、アプリ内で別途ダウンロードする必要があります。
トピック
よくある質問
- dsnote とは?
- オフラインの音声認識・音声合成・機械翻訳で、メモの作成、読み上げ、翻訳ができる Linux デスクトップおよび Sailfish OS 向けアプリ。 Speech Note は、さまざまな言語でメモを作成、読み上げ、翻訳できるアプリです。音声認識、音声合成、機械翻訳はすべてネットワーク接続なしでコンピューター上で実行されるため、テキストや音声がインターネットに送信されることはありません。
- dsnote は無料で使えますか?ライセンスは?
- dsnote は MPL-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- dsnote は今もメンテナンスされていますか?
- 活発にメンテナンス中。dsnote の最終コミットは 2026年10月12日 です。
- dsnote は何に使えますか?
- 音声をクラウドに送信せず、Linux デスクトップでメモや文書を音声入力する。 グローバルショートカットを使って、任意のアプリで音声入力する。 録音した音声から字幕ファイルを作成する。 字幕ファイルからナレーション音声を生成する。 テキストを読み上げたり、MP3 ファイルとして保存したりする。
- dsnote のインストール方法は?
- README のバッジリンクから Flathub を使って Speech Note をインストールします アプリ内蔵のモデルブラウザーから、必要な音声認識モデルと翻訳モデルをダウンロードします
- dsnote はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/mkiol/dsnote
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
オフラインで使えるWindows音声入力ツール。CapsLockまたはマウスのサイドボタンX2を押して話し、離すと認識したテキストを入力します。
Whisperでオフライン動作する、macOS・Windows向けのオープンソースなローカルファーストAI音声入力アプリ。
Microsoftによるオープンソースの音声AIモデル群。長時間音声の認識(ASR)、複数話者の音声合成(TTS)、リアルタイムストリーミングTTSに対応。
OpenAIのWhisper音声認識モデルをC/C++に移植し、CPUとGPUで高速・オフライン・依存関係なしに音声をテキスト化します。
Whisperを基盤とするオープンソースの音声認識ツール。強制アライメントによる単語単位のタイムスタンプと、任意の話者ダイアライゼーションに対応します。