QuQu - オープンソースのデスクトップ音声入力およびテキスト処理ツール - AiBoss

コオロギ（QuQu）とは何ですか？

QuQuは、中国語圏のユーザー向けに設計されたデスクトップ音声入力・テキスト処理ツールで、Wispr Flowのオープンソースかつ無料の代替ツールです。このツールは、Alibaba FunASR Paraformerモデルを採用し、ローカル操作に対応、ユーザーのプライバシー保護、AI技術の活用により、正確な認識、インテリジェントな最適化、文脈に応じたテキスト出力を実現しています。プログラミング用語の認識に対応し、国内トップクラスの様々なAIモデルと互換性があり、ワンクリック起動、リアルタイム認識、シームレスな貼り付け機能を備えているため、静かな環境でも音声入力を効率的に利用でき、両手を自由に使えるため作業効率が向上します。

コオロギ（QuQu）の主な機能

ワンクリックで起動グローバルショートカットキーを使用すれば、いつでもどこでも音声入力を開始できます。これは便利で迅速です。
リアルタイム認識ローカルのFunASRエンジンは高精度な中国語音声認識を提供し、静かな環境でも高い精度を維持します。
インテリジェント最適化AIモデルと連携して、文章を自動的に推敲し、言い間違いや誤った表現を修正し、文章の質を向上させます。
シームレス接着変換されたテキストは、手動操作なしに現在のカーソル位置に自動的に貼り付けられます。
状況認識文脈に応じたインテリジェントな出力に対応しており、文脈に基づいてテキストの内容を自動的に調整します。
プログラミングサポートプログラミング用語の認識に対応しているため、開発者や効率化の専門家にとって使いやすい。
プライバシー保護ローカルでの操作をサポートし、データをクラウドにアップロードしないため、ユーザーのプライバシーとセキュリティが確保されます。
マルチプラットフォーム対応macOS、Windows、Linuxシステムに対応しています。

コオロギ（QuQu）の技術的原理

音声認識エンジン：
- FunASR Paraformer本システムは、アリババのFunASRモデル、特にParaformer-largeモデルを使用して、高精度な中国語音声認識を実現します。モデルはローカルで動作するため、データプライバシーが確保されます。
- FSMN-VAD音声活動検出に用いられることで、音声セグメントの開始と終了を正確に識別することができる。
- CT-Transformerテキストデコードにおいて、認識精度と効率を向上させるために使用されます。
AIモデルの統合：
- 2段式エンジン本システムは、ASR（自動音声認識）技術とLLM（大規模言語モデル）技術を組み合わせることで、音声入力の正確な認識とインテリジェントな最適化を実現します。
- OpenAI APIと互換性がありますOpenAI APIと互換性のある様々なサービスをサポートしており、Alibaba CloudのTongyi QianwenやKimiといった国内トップモデルへの対応を優先している。
フロントエンドおよびデスクトップ技術スタック：
- フロントエンドReact 19、TypeScript、Tailwind CSS、shadcn/ui、およびViteを使用してユーザーインターフェースを構築し、スムーズなユーザーエクスペリエンスを提供します。
- デスクトップElectronをベースに構築されているため、クロスプラットフォーム互換性が保証されています。

QuQuのプロジェクトアドレス

GitHubリポジトリ：https://github.com/yan5xu/ququ

QuQu（コオロギの一種）の応用例

執筆とコンテンツ作成音声を素早くテキストに変換するため、執筆効率が向上し、ライター、ブロガー、ジャーナリストなど、大量のテキスト入力を必要とする様々な場面に適しています。
プログラミング支援ツールプログラミング用語の認識をサポートしており、開発者が迅速にコードを入力したり、キーボード入力を減らしたり、プログラミング効率を向上させたりするのに役立ちます。
会議議事録リアルタイムの音声認識、自動編集、要約機能により、議事録や基調講演の整理を容易にします。
学習とメモ授業や講義で重要なポイントを素早くメモしておけば、手書きのノートを取る負担を軽減できます。
オフィス文書処理静かなオフィス環境であれば、音声入力で文書の作成や編集を完了できるため、作業効率が向上します。