機能一覧

PC の中で動く文字起こしエンジンを使います。マイク録音のリアルタイム表示は全プランで使えます。Pro では、パソコンの音やマイクとの混合音源も録音中にリアルタイム表示できます。手元のファイルを読み込んで文字にすることもできます。

品質

高品質 (large-v3) / バランス (large-v3-turbo) / 高速 (medium) の3段階から選べます。文字起こしモデルを個別に選ぶこともできます。

言語

自動で判別するほか、主要な言語を指定できます。

リアルタイム

マイク録音は全プラン、パソコンの音やマイクとの混合音源は Pro で、録音中の文字を表示できます。録音を止めると、録音後の文字起こしが始まります。

取り込める形式

mp3 / wav / m4a / flac / ogg / aac / opus / wma / mp4 / mov / mkv / webm / avi の13形式。

Pro では、録音を止めたあと、または取り込んだファイルに対して、最大4人まで話者ごとに分けて整理します。1本のマイクで録った音声にも使えます。

分けたあとの話者は、編集画面で付け替えられます。

Pro では、AI が文字起こしを読んで必要な形にまとめます。要約・資料作成・チャットを含むすべての AI 処理は PC の中で行い、クラウド AI は使いません。

文章にする

要約 / 議事録 / 決定事項 / アクションアイテム / 箇条書き / キーワード / タイトル / Q&A / 校正 / 翻訳 / メール / ブログ / トーン分析。

文字起こしと会話を調べる

文字起こしと会話を検索して読み取り、文字起こしの統計も確認できます。

長期メモリ

再利用する知識を端末内に保存し、あとの会話で読み出せます。

資料をつくる

表計算 / グラフ / 画像 / CSV / Word / Excel / PowerPoint / PDF を作れます。

過去の生成物

作った資料を検索し、現在の作業へコピーして再利用できます。

編集の提案

文字起こしへの修正は提案として届きます。既定では毎回確認してから反映します。すべて自動で適用する設定も選べます。

別の AI 作業

別の AI 作業を開始し、追加指示を送り、進行を確認できます。

マイクで録音できます。Pro では、パソコンで鳴っている音、マイクとパソコンの音の両方、特定のアプリの音だけも録音できます。会議に録音ボットを入れる必要はありません。

音源

マイク / パソコンの音 (Pro) / その両方 (Pro) / 特定のアプリの音だけを録音するプロセス指定キャプチャ (Pro)。

利用条件

プロセス指定キャプチャは、Windows 11 / Windows Server 2022 以降、PipeWire セッションが動作する Linux、macOS 14.4 以降で利用できます。Linux の録音には PipeWire と ALSA が必要です。

YouTube からの取り込み (Pro)

YouTube の HTTPS URL を指定して音声や動画を取り込めます。取り込み時に YouTube と通信します。

文字起こしはそのまま手を入れられます。区切りの直しも、話者の付け替えも、聞き直しながら進められます。

区切り

分割と結合ができます。

話者

話者の付け替えができます。

やり直し

アプリ内で録音・取り込みした文字起こしでは、取り消しとやり直しに対応します。

聞き返し

再生速度の変更と、波形の表示ができます。

次の作業にそのまま渡せる形で書き出します。字幕としても、文章としても、表としても取り出せます。

文字の形式

SRT / VTT / TXT / JSON / LRC / CSV / TSV / ASS / Markdown の9形式。

音声と動画

音声は WAV / FLAC / MP3 / AAC / OGG / Opus の6形式。動画は元形式のコピー、または音声の抽出を選べます。

動画への字幕トラック追加 (Pro)

映像はそのままに、字幕を動画へ字幕トラックとして追加できます。SRT などの字幕ファイル書き出しは全プランで使えます。

Windows（x64）・Linux（x64）・macOS（Apple Silicon）に対応します。 文字起こしと Pro の AI は利用できる GPU を自動で使い、使えない場合は CPU で動きます。Pro の話者分離は WebGPU で GPU を使い、利用できない場合は CPU で動きます。

Windows

Windows 11 以降（x64）に対応します。Windows 10 でも動作する場合がありますが、一部の機能は保証していません。

Linux の最低要件

Linux x64 での起動と CPU によるファイル文字起こしには、glibc 2.35 以降が必要です。Ubuntu 22.04、Debian 12、Fedora 36 以降が該当します。RHEL 9（glibc 2.34）は非対応です。

Linux の全機能

全機能を利用するには、最低要件に加えて GPU ドライバー（NVIDIA 560.35.03 以降、または Vulkan ドライバー）が必要です。録音には PipeWire と ALSA、AppImage の実行には FUSE 2 が必要です。

GPU

文字起こしと Pro の AI は CUDA / Vulkan / Metal から自動で選び、使えない場合は CPU で動きます。Pro の話者分離は WebGPU で GPU を使い、使えない場合は CPU で動きます。

通信

モデル一覧は engines.sadola.dev から起動時とアプリの起動中24時間ごとに取得します。この通信だけを止める設定はありません。アプリ更新は起動時に1回確認し、設定で停止できます。エンジン更新は起動時に確認して自動インストールし、確認と自動インストールをそれぞれ設定で停止できます。必要に応じてモデルを Hugging Face から、llama と yt-dlp をそれぞれの公式 GitHub リリースから取得します。ユーザーが AI モデルを検索したときは、検索語を Hugging Face へ送信します。ライセンスの有効化はユーザーの操作時に行い、オフライン活性化も選べます。ユーザーがトライアルを開始したときは、api.sadola.dev へ接続します。お知らせはユーザーが開いたときに取得し、ライセンスの再照合はその取得後にだけ行います。フィードバックは送信ボタンを押したときだけ送信し、本文はユーザーが書いた内容です。YouTube からの取り込み (Pro) はユーザーの操作時だけ通信します。クラッシュ報告、使用状況の統計、診断情報の自動送信はありません。