完全オフラインで話した声を文字にする無料ソフト「Handy」が登場

音声を端末内だけで文字に変換するオープンソースのデスクトップ向けソフトウェア「Handy」が公開されている。クラウドへ音声データを送信せず、ローカル環境で処理を完結させる設計が特徴だ。

開発の背景には、アクセシビリティ支援ツールを有料の壁に閉じ込めず誰もが使えるようにすることや、プライバシーを保護しながら拡張性のある本格的な文字起こしツールを提供したいという狙いがある。

利用方法は、あらかじめ設定したキーボードショートカットを押しながら話す、もしくは一度押して録音を開始した後に再度押して停止する方式を採用している。無音区間はSileroによる音声活動検出（VAD）で除去され、利用者が選択した認識モデルによって音声をテキスト化する。変換された文字列は、その時点で開いているアプリケーションの入力欄へ直接貼り付けられる。

音声認識エンジンとしては、Whisperモデル（Small、Medium、Turbo、Largeの各種）が用意されており、利用可能な環境ではGPUアクセラレーションに対応する。さらに、CPU向けに最適化され自動言語判定を備えた「Parakeet V3」モデルも選択できる。

対応プラットフォームはmacOS、Windows、Linuxの3種類で、公式サイトやリリースページから導入できるほか、macOSのHomebrewやWindowsのwinget、LinuxのAPT経由での配布も行われている。また、ランチャーアプリ「Raycast」からの録音制御やモデル切り替え、コマンドライン引数による外部操作など、開発者や実務者向けの細かな連携機能も備えている。