OpenAIのWhisperを使い、音声や動画をオフラインで文字起こし・翻訳できるデスクトップアプリ。
niyongsheng/AudioScript
システム音声を取り込み、音声認識と翻訳をすべてデバイス上で処理して、英語と中国語の字幕をリアルタイム表示するmacOSデスクトップアプリです。
- スター
- 47
- フォーク
- 9
- 未解決の Issue
- 0
- 最終コミット
- 一昨日
これは何?
AudioScriptはシステム音声を取り込み、外国語のポッドキャストや動画をリアルタイム字幕に変換します。フローティングウィンドウに原文と中国語訳を並べて表示します。国際会議や英語のポッドキャスト、字幕のない動画を、クラウドサービスに頼らず楽しみたいユーザー向けです。
音声認識にはストリーミングモードのsherpa-onnxを、翻訳には英語・中国語の双方向に対応するopus-mtモデルとCTranslate2を使用します。音声ソースにはシステム音声、マイク、または両方をミックスした音声を選べます。字幕ウィンドウでは二言語の字幕を表示でき、フォントサイズ、不透明度、表示行数を調整できます。
Tauri 2で構築されており、macOS 14.2以降を対象としています。メニューバーのトレイで動作し、ウィンドウを閉じても起動状態を保ちます。起動できるインスタンスは1つに制限されており、ログイン時に自動起動する設定も可能です。
主な機能
- 01システム音声、マイク、またはその両方を同時に取り込みます。
- 02sherpa-onnxによるストリーミング音声認識に対応します。
- 03CTranslate2とopus-mtを使い、英語と中国語をオフラインで翻訳します。
- 04調整可能なフローティングウィンドウに二言語字幕を表示します。
- 05メニューバーのトレイで動作し、ログイン時の自動起動も設定できます。
ユースケース
- 英語の会議やウェビナーを、中国語の字幕でリアルタイムに視聴する。
- 通勤中や作業中に英語のポッドキャストを理解する。
- 公式字幕のない外国語の動画を視聴する。
- クラウドでの文字起こしが許容されない場合に、音声処理をローカルに保つ。
クイックスタート
- 1
リリースページからアプリをダウンロード
- 2
依存関係とASRモデルをインストール
pnpm install - 3
翻訳モデルを取得
pnpm fetch:mt - 4
開発モードで起動
pnpm tauri dev
使う前に知っておきたいこと
- macOS 14.2以降でのみ動作します。
- 翻訳は英語と中国語のみ対応しています(en ↔ zh)。
トピック
よくある質問
- AudioScript とは?
- システム音声を取り込み、音声認識と翻訳をすべてデバイス上で処理して、英語と中国語の字幕をリアルタイム表示するmacOSデスクトップアプリです。 AudioScriptはシステム音声を取り込み、外国語のポッドキャストや動画をリアルタイム字幕に変換します。フローティングウィンドウに原文と中国語訳を並べて表示します。国際会議や英語のポッドキャスト、字幕のない動画を、クラウドサービスに頼らず楽しみたいユーザー向けです。
- AudioScript は無料で使えますか?ライセンスは?
- AudioScript は MIT 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。
- AudioScript 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。AudioScript の最終コミットは 2026年10月19日 です。
- AudioScript は何に使えますか?
- 英語の会議やウェビナーを、中国語の字幕でリアルタイムに視聴する。 通勤中や作業中に英語のポッドキャストを理解する。 公式字幕のない外国語の動画を視聴する。 クラウドでの文字起こしが許容されない場合に、音声処理をローカルに保つ。
- AudioScript のインストール方法は?
- リリースページからアプリをダウンロード 依存関係とASRモデルをインストール: pnpm install 翻訳モデルを取得: pnpm fetch:mt 開発モードで起動: pnpm tauri dev
- AudioScript 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/niyongsheng/AudioScript
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
音声合成、ボイスクローン、Whisper文字起こし、YouTubeダウンロード、音声分離、吹き替え用翻訳を備えたWindows向けGradioアプリ。
Ollamaを使い、YouTubeライブ配信に英語・中国語の字幕をリアルタイム表示するChrome拡張機能とローカルPythonサービス。
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。
Janは、LLMをダウンロードしてローカルで実行できるオープンソースのデスクトップアプリです。ChatGPT風のUIを備え、任意でクラウドモデルにも接続できます。
onnxruntimeを使ったオフライン音声処理ツールキット。多くのプラットフォームと言語で、音声認識、音声合成、VAD、話者ダイアライゼーションなどに対応。