EdgeSpeak

EdgeSpeak は macOS（Apple Silicon 最適化）向けのデスクトップアプリで、音声や動画を正確にテキスト化します。ファイルをドラッグするかマイクで録音すると、意味段落と単語単位のタイムスタンプが付いた書き起こしが得られます。出力は JSON、SRT、Markdown に対応し、字幕や議事録、分析用データとしてすぐに活用できます。

パフォーマンス面では、M4 チップ搭載機で約40倍のリアルタイム処理（1分の音声を約1.5秒で処理）を実現し、メモリ使用量は約1 GB です。すべての処理がローカルで行われるため、音声ファイルがクラウドにアップロードされることはなく、プライバシーを強く守ります。また、OpenAI Audio API 互換インターフェースを備え、クラウドAPIの代わりにローカルの音声理解サービスとして利用可能。さらに CLI や MCP Server にも対応しており、Claude や Codex などの自動化ワークフローに組み込めます。

現在提供されている機能は発展途上で、話者識別や音声生成（読み上げ）は近日対応予定ながら未実装です。価格は買い切り型で、リリース初期はアーリーバード価格（金額非公開）が適用され、1ライセンスで最大4台まで有効化できます。製品に関する評価は開発者自身のネットワークと少数のSNS投稿に限られており、大規模な第三者検証は行われていません。

EdgeSpeak はプライバシーを重視するコンテンツクリエイター、ポッドキャスター、ジャーナリスト、研究者、そしてローカル文字起こしをワークフローに組み込みたい開発者に適しています。リアルタイム共同編集や多言語混在認識、業界特化の高精度が求められるユーザーには、現段階では十分でない可能性があります。また、対応OSは macOS のみで、Windows では利用できません。