MacParakeet - Mac Silicon上で動く、WisprFlowの無料・オープンソース代替

月額のSaaSサブスクリプションを置き換える旅をしています。まずはWisprFlowから。

そこで、代替としてMacParakeet（MacOSのみ）を作りました。無料で、GPLの下でオープンソースです！

私は主に自分が必要とするものに集中して、それは次のように絞られました：
- 語録のためのWisprFlowに似たUIUX（スムーズ＋洗練）
- YouTubeの文字起こし＆複数形式への書き出し

さらに、YouTubeの文字起こし内容とチャットできるなど、いくつか追加機能も入れました（ローカルのollama、またはopenaiやclaudeのようなクラウドベンダーでの連携が利用可能です）。これはNVIDIAのParakeetモデル（0.6B-v3）をFluidAudio経由で動かしていて、英語のリアルタイム文字起こしでは最高のパフォーマンスです。60分の音声が<30秒で文字起こしされます（もちろん、最初にローカルモデルが一度読み込まれた後です）。WERも非常に低いです。

他にも同様のアプリはたくさんあって、より幅広い機能を備えていますが、これは自分のために作ったもので、これからも「文字起こし／ディクテーションのアプリはたくさんあるけれど、このアプリは自分のものだ」という精神で改良を続けます（badlogicgameのpi agentへのオマージュです）。

仕組み
- どのアプリでもホットキーを押して話すと、テキストが貼り付けられます
- ファイルの文字起こし：音声／動画ファイルをドラッグ＆ドロップ
- yt-dlpでYouTubeのURLを文字起こし
- 話者ダイアライゼーション：誰が何を言ったかを特定し、ラベルの名前を変更できます
- AIサマリーとチャット：自分のAPIキーを用意（OpenAI, Anthropic, Ollama, OpenRouter）
- クリーニングのテキスト処理パイプライン：フィラーワード除去、カスタム語、テキスト断片
- 書き出し形式：TXT, Markdown, SRT, VTT, DOCX, PDF, JSON

制限：
- Appleシリコンのみ（M1/M2/M3/M4など）
- 英語との相性が最良：25のヨーロッパ言語に対応していますが、精度は変動します。幅広い多言語対応ではないため、韓国語・日本語・中国語などは文字起こしできません。

このアプリは現在、生産（リリース）から約3週間で、これまでに300ダウンロードされています。発見はほとんどがオーガニックなGoogle検索経由です。私は継続的に修正と改良を行っています。いずれにせよ、WisprFlowへのサブスクリプションはキャンセルしました（とても良いアプリで、何か月も私の役に立ってくれました）が、ParakeetのようなローカルASRモデルやFluidAudioのようなランタイムは、無視できないほどレベルが上がってきました。

気に入ってもらえたら嬉しいです。ぜひ教えてください！

Webサイト - https://www.macparakeet.com/
Github - https://github.com/moona3k/macparakeet

追伸。私は韓国語／中国語のYouTubeコンテンツも視聴しているので、近いうちにアジア言語の文字起こし向けにqwen3-asrの対応を追加します。