目次

会議のメモを取ろうとして、キーボードを打つ手が止まる。そんなとき、話した言葉がそのまま入力欄に入れば助かる。Linuxでも音声入力は使えるが、アプリによって、文字の出し方やセットアップの手間、音声を処理する場所が違う。

今回は、ローカル処理に対応するアプリを中心に4つ紹介する。音声を端末内で処理すれば、音声データをクラウドへ送らずに済む。ただし、設定によってクラウド処理に切り替わる製品もある。使い始める前に、選択中のモデルと処理先を確認しておこう。

まずは用途を決める#

変換精度を優先するのか、入力欄へ直接文字を入れたいのか。ここを決めるだけでも、選びやすくなる。

音声から作った文章を確認してから使いたいなら、変換結果をアプリ内に表示するタイプが向いている。チャットや文書作成の最中に、ショートカットキーで入力したいなら、アクティブな入力欄へ文字を貼り付けるタイプが便利だ。

ローカル処理を使う場合は、モデルを端末にダウンロードすることもある。音声を外へ送らない代わりに、初回の準備や処理に時間がかかる場合がある。モデル名やデータの送信先は、各アプリの設定と説明で確かめたい。

1. Speech Note：精度を重視するなら#

Speech Noteは、音声を文字に変換した結果をアプリ内で確認し、必要な場所へコピーする方式だ。紹介元の記事では、試したLinux向けツールの中で最も精度が高く、処理はデフォルトでオフラインと評価されている。入力内容を第三者へ送信しない点も、プライバシーを重視する人には安心材料になる。

使い始めるには、アプリを入れたあと、音声認識用のモデルもインストールする。どちらもクリック操作で進められるが、アプリだけで準備が終わるわけではない。手順を短くまとめると、次の通りだ。

  • Speech Noteをインストールする
  • 使いたい音声認識モデルを選んで入れる
  • 音声を入力し、変換結果を確認する
  • 必要な文章をコピーして、文書やチャットへ貼り付ける

ほかのアプリへ直接入力する機能を求める人には、コピー＆ペーストがひと手間になる。それでも、結果を見直してから使いたい人や、オフライン動作を優先したい人には有力な候補だ。無料で利用できる。

2. Handy：すぐに話して入力したい人向け#

Handyは無料のオープンソースアプリで、WhisperまたはParakeetを使って音声をローカル処理する。ショートカットキーを押して話すと、認識した文字がアクティブな入力欄に入る。メモアプリやチャットを開いたまま使えるのが特徴だ。

紹介元の記事では、AppImageをダウンロードし、Gear Leverでデスクトップメニューに追加してから、いくつかの設定を行う方法が案内されている。記事内の試用では、起動から音声入力を使える状態になるまで5分もかからなかったという。これは試用環境での所要時間なので、使うディストリビューションや設定によって変わる。

  • AppImageをダウンロードする
  • Gear Leverでアプリを登録する
  • Handyを起動し、モデルやショートカットを設定する
  • 入力欄を選んでショートカットを押し、話す

幅広いLinuxディストリビューションで使いやすい点も利点だ。一方、自動で文章を整える機能はなく、音声の処理が遅く感じられることもある。変換結果をそのまま使う前に、句読点や固有名詞を確認しよう。

3. Vocalinux：開発状況を確認して試す#

Vocalinuxも、候補のひとつとして紹介されている。ただし、提供された記事の閲覧範囲では、対応モデルやインストール方法、処理先の詳しい説明を確認できない。導入する前に、公式の説明でLinuxの対応状況とローカル処理の条件を調べておきたい。

記事では、Handyより使いやすいアプリがひとつあるものの、そのアプリはまだ開発段階だと説明されている。流れからVocalinuxを指す可能性はあるが、閲覧できた部分だけでは断定できない。試す場合は、日々の入力をすぐに任せるのではなく、短い文章で動作と精度を確かめるのがよさそうだ。

たとえば、最初は1分ほど話して、認識結果、句読点、アプリへの入力方法を見てみる。音声がどこで処理されるかも確認する。開発中のソフトでは、更新によって手順や対応状況が変わることがあるため、使う時点の情報を参照したい。

4. Nerd Dictation：設定を自分で組みたい人向け#

Nerd Dictationは、音声入力の仕組みを自分で設定して使いたい人向けの候補だ。音声認識にVoskを利用する構成が知られており、モデルを端末側に用意する形で動かせる。Handyのように画面上で一通り設定できるアプリとは違い、導入やキー操作の設定にコマンドライン作業が必要になる。

導入時は、プロジェクトの最新の手順を読み、利用する音声認識モデルと依存ソフトを確認する。配布元やインストール方法によって必要な作業が異なることがあるため、古い記事のコマンドをそのまま実行するのは避けたい。まず短い録音やテスト入力で認識を試し、音声データが外部へ送られない構成になっているかを確認しよう。

設定の手間を減らしたい人には向きにくいが、Linuxの入力環境を自分で調整したい人なら検討できる。導入前に現在のメンテナンス状況と、使っているディストリビューションでの手順を確認しておこう。

迷ったら短い文章で試す#

すぐ使い始めたいならHandy、変換精度とオフライン動作を重視するならSpeech Noteから試すと選びやすい。Vocalinuxは開発状況と対応条件を確認してから、Nerd Dictationは設定にかけられる時間を考えて選ぼう。

どのアプリでも、最初に長文を任せる必要はない。短い文章を入力し、固有名詞や句読点の変換、処理先、入力方法を確かめれば、自分の使い方に合うか判断しやすい。まずはSpeech NoteかHandyをひとつ入れて、1分だけ話してみよう。

出典: https://japan.zdnet.com/article/35253490/

目次