Universal Voice Input

ホットキー一発で、アクティブなウィンドウに声を直接入力するデスクトップアプリ。

---

グローバルホットキーを押して話すだけで、ブラウザ・エディタ・チャットアプリ等のカーソル位置へ文字を自動入力します。
ローカルAIモデルによって、音声データをインターネット上に送らず高速に文字起こしが完結します。

---

目次 / Table of Contents

• 機能
• 動作要件
• インストール
• 使い方
• 設定項目
• 技術スタック
• License

---

機能 / Features

• キーボードレスで入力 — ホットキーを押して話すだけで、現在アクティブなウィンドウのカーソル位置にそのままテキストが入力される
• 完全ローカル処理（プライバシー保護） — faster-whisper エンジンにより音声データは端末の外に出ない。社外秘・個人情報の入力に安心して使える
• GPUのない環境でも使える — ローカル推論が難しいスペックの場合、Groq / OpenAI 等のクラウドAPIへワンクリックで切り替え可能
• 録音モードを選べる — トグル（押して開始/もう一度押して終了）とホールド（押している間だけ録音）の2スタイル
• VRAMをゲームや他アプリと共有できる — 「使わない時間はモデルを自動でメモリから解放する」設定で、他の用途に影響を与えない
• GUIで全設定が完結 — マイクデバイス・ホットキー・AIモデルの変更はすべてGUI操作で行える（設定ファイルの直接編集不要）

---

動作要件 / Requirements

項目	最低要件
OS	Windows 10+ / macOS 12+ / Linux (X11 or Wayland)
Python	3.10 以上
GPU	CUDA対応GPU推奨（ローカルモード時）。なくてもオンラインモードで動作
マイク	OSが認識するUSBマイク・内蔵マイクなど

---

インストール / Installation

最も簡単な方法は、Releases ページから自分の OS 用の ZIP ファイルをダウンロードすることです。

1. Releases から最新の ZIP をダウンロード
   • Windows: universal-voice-input-vX.X.X-windows.zip
   • macOS: universal-voice-input-vX.X.X-macos.zip
   • Linux: universal-voice-input-vX.X.X-linux.zip
2. 任意のフォルダに解凍
3. フォルダ内のセットアップスクリプトを実行：
   • Windows: setup_windows.ps1 を右クリックして「PowerShell で実行」
   • macOS: ターミナルで bash setup_macos.sh を実行
   • Linux: ターミナルで bash setup_linux.sh を実行

---

開発者向け (Manual Install)

ソースコードを取得してインストールする場合：

Linux

git clone https://github.com/heppoko-wizard/universal-voice-input.git
cd universal-voice-input
bash setup_linux.sh

macOS

git clone https://github.com/heppoko-wizard/universal-voice-input.git
cd universal-voice-input
bash setup_macos.sh

Windows

git clone https://github.com/heppoko-wizard/universal-voice-input.git
cd universal-voice-input
.\setup_windows.ps1

セットアップ完了後、デスクトップに Open STT Tool ショートカットが作成されます。

---

使い方 / Usage

1. 起動: デスクトップのショートカットをダブルクリック（またはシステムトレイのアイコンから操作）
2. 録音開始: デフォルトの Ctrl+Shift+Space を押して話す
3. 録音終了: 同じキーをもう一度押す（トグルモード）
4. 自動的に文字起こしされ、アクティブなウィンドウへ入力されます

設定変更はシステムトレイアイコンを右クリック →「設定を開く」から。

---

設定項目 / Configuration

設定	説明
hotkey	グローバルホットキー（デフォルト: <ctrl>+<shift>+<space>）
hotkey_mode	toggle（押して開始/停止）or hold（長押し中のみ録音）
model_mode	local（ローカル）/ online（クラウドAPI）/ custom（カスタムパス）
local_model_id	使用するWhisperモデルID
local_model_timeout	アイドル後のモデル解放時間（秒）。-1 で常時保持
ui_position	フローティングバーの表示位置（top / center / bottom）
ui_language	GUIの表示言語（ja / en / zh）

設定ファイルは config.json（プロジェクトルート）に保存されます。GUIから変更した場合も自動でこのファイルに反映されます。

---

技術スタック / Tech Stack

カテゴリ	ライブラリ
音声文字起こし	faster-whisper
クラウドAPI連携	litellm (Groq, OpenAI 等)
GUI	Flet
システムトレイ	pystray
グローバルホットキー	pynput
オーディオキャプチャ	sounddevice
クリップボード制御	pyperclip

---

License

MIT License — 詳細は LICENSE を参照してください。

---

---

Universal Voice Input (English)

Dictate into any active window with a global hotkey. No mouse, no clipboard — just talk and type.

Press your hotkey, speak, and your words appear directly at the cursor in whichever app is active (browser, editor, chat, etc.).
A local AI model handles all transcription on-device, so no audio ever leaves your machine.

---

Features

• Truly hands-free input — Press a hotkey, talk, release. Text appears at the cursor in any app
• Private by default — All processing happens locally via faster-whisper. Audio never sent to the cloud
• Works without a GPU — Swap to Groq or OpenAI cloud API in one click if local inference is too slow on your machine
• Choose your recording style — Toggle mode (press to start/stop) or Hold mode (record only while pressing)
• VRAM-friendly — Configure the model to auto-unload after a period of inactivity, freeing memory for games or other workloads
• Everything configurable via GUI — Change mic, hotkey, and AI model without editing any config files

---

Requirements

Item	Requirement
OS	Windows 10+ / macOS 12+ / Linux (X11 or Wayland)
Python	3.10+
GPU	CUDA GPU recommended for local mode. Not required with online mode
Microphone	Any OS-recognized USB/built-in microphone

---

Installation

The easiest way is to download the correct ZIP for your OS from the Releases page.

1. Download the ZIP for your OS from Releases:
   • Windows: universal-voice-input-vX.X.X-windows.zip
   • macOS: universal-voice-input-vX.X.X-macos.zip
   • Linux: universal-voice-input-vX.X.X-linux.zip
2. Extract the ZIP to any folder.
3. Run the setup script:
   • Windows: Right-click setup_windows.ps1 and select "Run with PowerShell".
   • macOS: Run bash setup_macos.sh in your terminal.
   • Linux: Run bash setup_linux.sh in your terminal.

---

For Developers (Manual Install)

If you prefer to clone the repository:

Linux

git clone https://github.com/heppoko-wizard/universal-voice-input.git
cd universal-voice-input
bash setup_linux.sh

macOS

git clone https://github.com/heppoko-wizard/universal-voice-input.git
cd universal-voice-input
bash setup_macos.sh

Windows

git clone https://github.com/heppoko-wizard/universal-voice-input.git
cd universal-voice-input
.\setup_windows.ps1

A desktop shortcut will be created automatically on setup.

---

Usage

1. Launch: Double-click the desktop shortcut or start from the system tray
2. Start: Press Ctrl+Shift+Space (default) and speak
3. Stop: Press the hotkey again (toggle mode)
4. The transcription is automatically typed into the active window

To change settings, right-click the system tray icon → "Open Settings".

---

Configuration

Key	Description
hotkey	Global hotkey (default: <ctrl>+<shift>+<space>)
hotkey_mode	toggle or hold
model_mode	local / online / custom
local_model_id	Whisper model ID to use
local_model_timeout	Seconds before unloading model. -1 = always loaded
ui_position	Floating bar position: top / center / bottom
ui_language	Interface language: ja / en / zh

Config is stored in config.json at the project root. The GUI writes to this file automatically.

---

Tech Stack

Category	Library
Transcription	faster-whisper
Cloud API	litellm (Groq, OpenAI, etc.)
GUI	Flet
System tray	pystray
Global hotkey	pynput
Audio capture	sounddevice
Clipboard	pyperclip

---

License

MIT License — see LICENSE for details.