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。
- スター
- 4,159
- フォーク
- 352
- 未解決の Issue
- 15
- 最終コミット
- 一昨日
これは何?
Speakrは、音声を文字起こしし、その結果を検索可能なノートとして整理するセルフホスト型Webアプリです。マイクやシステム音声、ブラウザーのタブ音声を録音できるほか、既存のファイルをアップロードすることもできます。録音ごとにタイムスタンプ付きの文字起こしが作成され、音声の再生と同期します。
文字起こしエンジンはプラグイン方式です。セルフホスト型のWhisperXコンテナ(話者ダイアライゼーションと音声プロファイルに対応)、OpenAI、Mistral Voxtral、AssemblyAIなどのASRサービスを利用でき、使用するコネクターは設定から選択します。要約、アクションアイテム、録音ごとのチャットは、OpenRouter、OpenAI、Ollama経由でLLMを使って生成します。
録音が大量にあるライブラリ向けに、フォルダー、個別のプロンプトを設定できるタグ、保持ポリシー、OIDCシングルサインオン対応のマルチユーザーアカウント、グループ共有、REST API、署名付きWebhookを備えています。録音はObsidianのノートなど、テンプレートを使ったファイルにエクスポートできます。
主な機能
- 01マイク、システム音声、ブラウザーのタブ音声を録音でき、アップロードしたファイルも取り込めます。
- 02再生と同期するタイムスタンプ付きの文字起こしを利用できます。
- 03WhisperX、OpenAI、Mistral、AssemblyAIなどの文字起こしバックエンドに対応しています。
- 04WhisperXバックエンドでは、話者ダイアライゼーションと音声プロファイルを利用できます。
- 05要約やタグごとのプロンプトをカスタマイズできます。
- 06ライブラリ全体を対象に、セマンティック検索やチャットができます。
ユースケース
- 会議やインタビューの録音を、自分のサーバー上でプライベートに保管する。
- 講義やボイスメモを、整理された学習ノートにまとめる。
- 文字起こしをObsidianやWikiの保管庫に自動でエクスポートする。
- グループと権限を使って、録音や要約をチームで共有する。
クイックスタート
- 1
プロジェクトディレクトリを作成する
mkdir speakr && cd speakr - 2
docker-compose の設定をダウンロードする
wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/docker-compose.example.yml -O docker-compose.yml - 3
環境変数テンプレートをダウンロードし、API キーを設定する
wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/env.transcription.example -O .env - 4
Docker Compose で Speakr を起動し、http://localhost:8899 を開く
docker compose up -d
使う前に知っておきたいこと
- 文字起こしと要約には API キーが必要です。セルフホストの WhisperX を使う場合は GPU コンテナが必要です。
- バージョンは alpha(0.10.15-alpha)と表示されているため、互換性のない変更が行われる可能性があります。
- AGPL-3.0 ライセンス(コピーレフト)で提供されています。ネットワークサービスとして提供する場合、変更したソースコードの共有が必要です。
- すべての機能(話者の音声プロファイル、最高精度の話者ダイアライゼーション)を利用するには、GPU 対応の WhisperX サービスが必要です。
収録されている特集
トピック
よくある質問
- speakr とは?
- 音声録音を、文字起こし・話者ラベル・要約・チャット付きの検索可能なノートに変換するセルフホスト型Webアプリ。 Speakrは、音声を文字起こしし、その結果を検索可能なノートとして整理するセルフホスト型Webアプリです。マイクやシステム音声、ブラウザーのタブ音声を録音できるほか、既存のファイルをアップロードすることもできます。録音ごとにタイムスタンプ付きの文字起こしが作成され、音声の再生と同期します。
- speakr は無料で使えますか?ライセンスは?
- speakr は AGPL-3.0 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。
- speakr 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。speakr の最終コミットは 2026年11月5日 です。
- speakr は何に使えますか?
- 会議やインタビューの録音を、自分のサーバー上でプライベートに保管する。 講義やボイスメモを、整理された学習ノートにまとめる。 文字起こしをObsidianやWikiの保管庫に自動でエクスポートする。 グループと権限を使って、録音や要約をチームで共有する。
- speakr のインストール方法は?
- プロジェクトディレクトリを作成する: mkdir speakr && cd speakr docker-compose の設定をダウンロードする: wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/docker-compose.example.yml -O docker-compose.yml 環境変数テンプレートをダウンロードし、API キーを設定する: wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/env.transcription.example -O .env Docker Compose で Speakr を起動し、http://localhost:8899 を開く: docker compose up -d
- speakr 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/murtaza-nasir/speakr
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
Whisperモデルを使って音声をオフラインで文字起こしするGUI・CLIツール。話者ダイアライゼーションにも対応しています。
ストリーミングASR、話者ダイアライゼーション、ライブ翻訳、OpenAI/Deepgram互換APIに対応したセルフホスト型リアルタイム音声認識サーバー。
ボットを参加させずにマイクとシステム音声を録音し、ローカルまたはクラウドAPIで文字起こし、メモと文字起こしをもとに要約を作成するオープンソースのmacOS向け議事録アプリです。
会議や音声メモを文字起こしするオープンソースのデスクトップAIノートアプリ。通話にボットを参加させず、ローカルまたはクラウドのAIを利用できます。
話者検出、文字起こしテキストとのチャット、自動化用のフォルダー監視機能を備えた、セルフホスト型のオフライン音声・動画文字起こしアプリ。