ネットに送らず手元で即文字にする音声入力「Hex」　Windows版も登場

端末内で音声を処理し、クラウドを介さずにテキストを入力できる音声入力ツール「Hex」の開発が進められている。利用者がキーボードのショートカットキーを押しながら話すだけで、手元の端末内で音声を文字に変換し、使用中のアプリケーションに結果を自動で貼り付ける仕組みを持つ。通常の入力処理では外部の文字起こしサービスを必要とせず、端末内完結でプライバシーを保てる点が特徴となっている。

HexはmacOS 15以降を搭載したAppleシリコン搭載Mac向けに提供が開始されている。過去のバージョン2.3.1までは別のアプリ構造や設定ドメインが用いられていたが、新たな実装へと刷新された。利用者は設定画面からParakeetやWhisperといったローカル音声モデルをダウンロードして利用する。設定メニューからは、英語にはParakeet、フランス語にはWhisperといったように、モデルごとに言語を記憶させて素早く切り替えることができる。

基本的な操作はOptionキーを押しながら発声し、キーを離すと入力先に文字が貼り付けられる。キーを2度押しすることで録音を継続させることや、Escapeキーによる取り消しも可能となっている。入力履歴は既定で7日間、最大1万件かつ16MiBまでローカルに保持されるが、音声データ自体は保存されない。また、画面に手書きで描画しながら発声した内容を記録してAIエージェントに渡す「Annotate」機能や、TypeScriptを用いたテキスト変換処理にも対応する。

プラットフォームの拡大も進められており、現在はmacOS版に加えてWindows版とLinux版のベータ版が公開されている。Windows版はWindows 10および11のx64とARM64に対応し、x64環境では2013年以降のAVX2対応プロセッサが求められる。グラフィックスドライバの活用により、発話中の処理によってキーを離してから約100ミリ秒でテキストが反映される。Linux版でも同様の処理に対応し、今後はArch Linux向けのパッケージ配布なども予定されている。