Voxtro 🎙️ — 完全無料 日本語音声入力アプリ

Whisper.cpp (ローカル推論) + Gemini BYOK で動く、開発者コスト $0 の日本語音声入力ツール。

インストール

ダウンロード

GitHub Releases から最新版をダウンロード:

OS	ファイル	備考
Windows	Voxtro_x.x.x_x64-setup.exe	NSIS インストーラー
macOS (Intel)	Voxtro_x.x.x_x64.dmg	x86_64
macOS (Apple Silicon)	Voxtro_x.x.x_aarch64.dmg	M1/M2/M3

Windows

1. Voxtro_x.x.x_x64-setup.exe をダウンロードして実行
2. SmartScreen 警告が表示される場合: 「詳細情報」→「実行」 をクリック
3. インストーラーの指示に従ってインストール

macOS

1. .dmg ファイルを開き、Voxtro.app を Applications にドラッグ
2. 初回起動時に Gatekeeper 警告が出る場合、ターミナルで以下を実行:

   xattr -dr com.apple.quarantine /Applications/Voxtro.app

初回セットアップ

1. アプリを起動
2. 設定画面 → Whisper モデルをダウンロード
   • small (466 MB): 日本語で十分な精度
   • medium (1.5 GB): より高精度
   • large (3.1 GB): 最高精度（GPU推奨）
3. (任意) Google AI Studio で Gemini API キーを取得し設定
4. Ctrl+Shift+K で録音開始 → もう一度押して停止 → 自動ペースト

機能

• グローバルショートカット (デフォルト: Ctrl+Shift+K) で録音開始/停止
• Whisper.cpp でオフライン日本語文字起こし
• Gemini API (任意) でフィラーワード除去・句読点整形
• 整形後テキストを アクティブウィンドウに自動ペースト
• システムトレイ常駐
• 自動更新 — 新バージョンの通知・インストールを自動で行います

開発者向け

必要なもの

ビルド時

• Node.js 20+
• Rust (stable)
• CMake 3.14+ (whisper-rs のビルドに必要)
  • Windows: winget install cmake または Visual Studio Installer
  • macOS: brew install cmake
• Windows: Visual Studio Build Tools (MSVC)
• macOS: Xcode Command Line Tools (xcode-select --install)

実行時

• Whisper モデル (設定画面からダウンロード)

セットアップ

# 依存関係インストール
npm install

# 開発サーバー起動
npm run tauri dev

ビルド

npm run tauri build

リリース手順

1. tauri.conf.json と package.json のバージョンを更新
2. タグを付けてプッシュ:

   git tag v0.2.0
   git push origin v0.2.0

3. GitHub Actions が自動でビルド → GitHub Releases にドラフトが作成されます
4. ドラフトの内容を確認して公開

自動更新の署名キー設定

初回のみ、署名キーペアの生成と設定が必要です:

npx @tauri-apps/cli signer generate -w ~/.tauri/voxtro.key

生成された 公開鍵 を src-tauri/tauri.conf.json の plugins.updater.pubkey に設定し、秘密鍵 を GitHub Secrets に登録:

• TAURI_SIGNING_PRIVATE_KEY: 秘密鍵の内容
• TAURI_SIGNING_PRIVATE_KEY_PASSWORD: 秘密鍵のパスワード

コスト

項目	コスト
音声認識 (Whisper.cpp)	$0 — ローカル処理
AI 整形 (Gemini)	$0 — ユーザー自身の API キー
配布 (GitHub Releases)	$0 — 無料枠

アーキテクチャ

Ctrl+Shift+K 押下
  └─ Rust: cpal で録音開始
Ctrl+Shift+K 再押下
  └─ Rust: 録音停止 → WAV 保存 → whisper-rs で推論
     └─ Tauri Event: transcription-complete (生テキスト)
        └─ フロントエンド:
           ├─ Gemini API キーあり → 整形 → paste_text コマンド
           └─ Gemini API キーなし → そのまま → paste_text コマンド
              └─ Rust: arboard でクリップボード → enigo で Ctrl+V

プライバシー

音声データはすべてローカルで処理され、外部に送信されることはありません。Gemini API（オプション）を有効にした場合のみ、文字起こしテキストが Google に送信されます。

詳細は PRIVACY.md をご覧ください。

ライセンス

MIT License — 詳細は LICENSE をご覧ください。

サードパーティライブラリのライセンスは THIRD_PARTY_LICENSES.md をご覧ください。