Speech-to-Markdown
ローカルで文字起こしし、音声をきれいな Markdown 文書にリアルタイムで整理する Mac メニューバーアプリです。
Speech-to-Markdownについて
Speech-to-Markdown は Mac のメニューバーアプリで、文字起こしと整理を端末上で行います。グローバルディクテーションモードでは、どのアプリでもショートカットを押して話すと、文字がカーソル位置に直接入力されます。Agent Mode は自分で動かすローカルモデルを使い、話した内容をリアルタイムに構造化文書へ整理します。Markdown、プレーンテキスト、HTMLに対応し、元の文字起こしもワンクリックで確認できます。音声は whisper.cpp が端末上で文字起こしし、ローカルLLMサーバーは OpenAI リクエスト形式に対応している必要があります。iOS版では iOS 26+ と iPhone 15 Pro 以降で同じ Agent Mode を100%オフラインで使えます。
おすすめの利用者
最適な利用シーン
ターミナル、ブラウザ、チャットアプリで話して入力し、文字をカーソル位置に直接入れる
話したアイデアを構造化された Markdown 文書にリアルタイムで整理する
音声入力後も元の文字起こしを残し、必要なときワンクリックで確認する
iPhoneやiPadで完全オフラインの音声記録を行う
機能
グローバルディクテーション
どのアプリでも ⌘⌥] を押して話すと、文字起こし結果がカーソル位置に直接入力され、Spotlightのようなステータスバーに現在の状態が表示されます。
Agent Mode リアルタイム整理
自由に話すだけで、ローカルモデルが内容をリアルタイムに構造化文書へ整理します。Markdown、プレーンテキスト、HTMLに対応し、元の文字起こしもワンクリックで確認できます。
端末上の文字起こし
音声は whisper.cpp が端末上で約4秒ずつに分けて文字起こしします。Agent Mode はローカルLLMサーバーに接続し、既定は http://127.0.0.1:8000/v1 です。
オフライン iOS / iPadOS 版
iOS 26+ と iPhone 15 Pro 以降で、同じ Agent Mode を100%オフラインで使えます。SpeechAnalyzer が文字起こしし、Apple Intelligence が文書を整理します。
長所
- 文字起こしと文書整理を端末上で行い、iOS版も100%オフラインで使えます
- グローバルディクテーションで、どのアプリでもカーソル位置に直接入力できます
- Markdown、プレーンテキスト、HTMLの出力に対応します
- 1行のスクリプトでインストールでき、whisper.cppも自動で導入されます
短所
- Agent Mode では Mac 上でローカルLLMサーバーを自分で実行する必要があります
- iOS版には iOS 26 以降、iPhone 15 Pro 以降、Apple Intelligence 対応デバイスが必要です