オフラインで動作し、DaVinci Resolve、Premiere Pro、After Effectsと連携するローカル優先のAI字幕生成ツール。
- スター
- 7,837
- フォーク
- 567
- 未解決の Issue
- 234
- 最終コミット
- 14 日前
これは何?
Vibeは、macOS、Windows、Linuxに対応したクロスプラットフォームのデスクトップアプリで、音声・動画ファイルの音声をテキストに変換します。文字起こしはすべて自分のマシン上で実行されるため、録音データがデバイスの外に送信されることはありません。
Whisper、Nemotron、Parakeet TDTの各モデルに対応し、文字起こし結果をSRT、VTT、TXT、HTML、PDF、JSON、DOCX形式でエクスポートできます。また、バッチ処理、リアルタイムプレビュー、話者分離、英語への翻訳に加え、マイク、システム音声、人気サイトの動画URLからの文字起こしも利用できます。
上級者向けに、VibeにはコマンドラインインターフェースとSwaggerドキュメント付きのHTTP APIが用意されています。オプションの要約機能ではClaude APIまたはOllama経由のローカルモデルを利用でき、QRコードをスキャンすればスマートフォンを録音ソースとして使えます。
主な機能
- 01データをアップロードせずに、音声や動画をオフラインで文字起こし
- 02Whisper、Nemotron、Parakeet TDTの各モデルに対応
- 03SRT、VTT、TXT、HTML、PDF、JSON、DOCX形式でエクスポート
- 04バッチ文字起こし、リアルタイムプレビュー、話者分離
- 05Swaggerドキュメント付きのCLIとHTTP API
- 06VulkanおよびCoreMLによるGPUアクセラレーション
ユースケース
- 動画やリール用の字幕を作成する
- クラウドサービスを使わずに、インタビュー、講義、会議を文字起こしする
- 動画サイトの録画を検索可能なテキストに変換する
- 英語以外の音声を英語のテキストに翻訳する
クイックスタート
- 1
プロジェクトのダウンロードページからアプリをダウンロードします
- 2
ローカル開発ガイドを読んで、ソースからビルドします
使う前に知っておきたいこと
- ローカル開発環境のセットアップ方法は docs/BUILDING.md に別途記載されているため、ソースからのビルドには追加の手間がかかります。
- Pull request を送れるのは一部のコラボレーターに限られているため、外部からのコード貢献は制限されています。
トピック
よくある質問
- vibe とは?
- Whisperなどの音声モデルを使い、音声や動画を自分のデバイス上で完全オフラインで文字起こしするデスクトップアプリです。 Vibeは、macOS、Windows、Linuxに対応したクロスプラットフォームのデスクトップアプリで、音声・動画ファイルの音声をテキストに変換します。文字起こしはすべて自分のマシン上で実行されるため、録音データがデバイスの外に送信されることはありません。
- vibe は無料で使えますか?ライセンスは?
- vibe 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。
- vibe 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。vibe の最終コミットは 2026年10月6日 です。
- vibe は何に使えますか?
- 動画やリール用の字幕を作成する クラウドサービスを使わずに、インタビュー、講義、会議を文字起こしする 動画サイトの録画を検索可能なテキストに変換する 英語以外の音声を英語のテキストに翻訳する
- vibe のインストール方法は?
- プロジェクトのダウンロードページからアプリをダウンロードします ローカル開発ガイドを読んで、ソースからビルドします
- vibe 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/thewh1teagle/vibe
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
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。
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。
CTranslate2推論エンジン上で動作する、メモリ使用量を抑えた8-bit量子化対応のOpenAI Whisper音声認識モデル再実装。
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。