クラウドサービスと音声入力を改善
- クラウドサービス間の自動切り替えをよりスムーズにしました。
- 無音または空の録音が誤って文字起こしされる問題を減らしました。
- アプリの言語に「システム設定」の選択肢を追加しました。
- USB マイクからのライブ音声キャプチャの安定性を改善しました。
クラウドサービス対応を拡張
Groq、SiliconFlow、カスタム OpenAI 互換エンドポイントに対応し、クラウドモデルと API キーの設定を改善しました。
カスタムのプッシュトゥトークショートカット
Shuo 1.2.3 では、初回設定と設定画面でカスタムのプッシュトゥトークショートカットを選べるようになりました。
Dock、アップデート確認、フローティングバーの改善
Dock とメニューバーの動作
- Shuo は初期設定でメニューバーのみの表示になり、Dock アイコンを表示したい場合は設定で有効にできます。
より自然なアップデート確認
- 利用可能なアップデートがない場合、「アップデートを確認」は設定画面内に最新状態を表示し、その文言もローカライズされます。
混在言語での句読点を改善
- 中国語と英語が混在する文字起こしで、最後の単語の言語だけを見て文末句読点を書き換えず、モデルが出力した文末句読点を保持します。
フローティングバーの細部を改善
- コンパクトなフローティングバーでロゴだけが表示されているとき、ホバー中のカーソルを矢印のまま維持します。
メニューバーアプリの起動をより安定化
- Shuo のメニューバーアイコンが表示される前に起動時クラッシュが発生することがある問題を修正しました。
クラウド Gemini とより安定したフローティングバー
クラウド Gemini API のサポート
- クラウド Gemini API のサポートを追加し、Gemini 3.1 Flash-Lite を使用します。
より安定したフローティングバーの結果
- 結果の挿入直後にフローティングバーが消えるケースを減らしました。
ローカルモデル選択と入力の改善
ローカルモデルを、より選びやすく
- 中国語、日本語、混在音声向けの完全ローカルモデル SenseVoice Small を追加しました。文脈、用語集、プロジェクト用語ヒントには対応していません。
- ダウンロードできるローカルモデルは、SenseVoice Small、Whisper Small、Whisper Large Turbo の 3 つに整理しました。選択した言語と Mac に応じて Shuo が候補を提案します。
- ダウンロード前に、各モデルの対応言語、サイズ、文脈ヒント・カスタム用語への対応を確認できます。
より安定した入力と貼り付け
- 音声入力の初期値を「システムのデフォルト」に変更しました。外部マイクや AirPods が macOS の入力経路により安定して追従します。
- マイク起動時と音声フォーマット変更時の処理を改善し、Bluetooth や外部マイクで発話の冒頭が欠ける可能性を減らしました。
日常の画面はより小さく、土台となる機能はより充実。
Shuo の標準体験は「押す—話す—離す」に集中しています。「設定」には日常的な項目をまとめ、「詳細設定」では 7 段階の pipeline に沿ってすべての設定を表示します。権限、アップデート、サポート、ローカルデータのツールは「情報」に集約しています。
入力と復旧
- ホームから右 Command または右 Option を直接選べます。その他の日常的な項目は「設定」にまとめています。
- 文字起こしに成功すると必ずその場へ入力されます。動作を分岐させていた「自動入力」スイッチは廃止しました。
- 任意のフローティングバーは待機中には細いインジケーターとなり、入力後に自動で展開して、直前の内容をそのまま編集・置換できます。
- フローティングバーは自由にドラッグでき、ディスプレイをまたいだ位置も記憶します。手動でのサイズ変更はできません。右クリックメニューには「フローティングバーを隠す」「Shuo を開く」「Shuo を終了」だけを残しました。
- メニューバーの直近結果から、コピー、置換、再生、再文字起こしを実行でき、ラベルは簡潔に保たれています。
- メニューバーパネルの「優先用語」入口を「設定」に変更し、クリックすると設定ページを直接開くようにしました。
- 置換と音声編集では元の App を再度アクティブにし、直前の入力、App プロセス、操作の安全条件がすべて一致している場合だけ、変更された末尾をバックスペースで書き換えます。それ以外の場合は、修正後の全文をコピーするだけに留めます。
- クリップボードのスナップショットはすべての表現形式を保持し、ユーザーが新しくコピーした内容を上書きせず、応答の遅い owner による待ち時間にも上限を設けています。
小声での入力とローカルモデル
- Whisper Mode は固定しきい値を使わず、録音ごとにノイズフロアと音声の上限を測定して適応し、文字起こし用の一時コピーにだけ制限付きのゲインを適用します。
- Whisper Mode は「設定」とメニューバーパネルから切り替えられ、手動調整は「詳細設定 → オーディオ処理」にあります。
- whisper.cpp モデルのダウンロードでは進捗率とバイト数を表示し、空き容量を確認し、キャンセルに対応したうえで、正確なサイズと SHA-256 を検証します。
- 直接配布版には universal whisper.cpp runtime が含まれます。ローカル設定ではモデルをダウンロードするだけで、Homebrew は不要です。
- ローカル文字起こしプロセスはキャンセルに対応し、10 分でタイムアウトします。
目の前の仕事で使う言葉を理解
- Preferred Terms は Local、OpenAI-compatible、ElevenLabs Scribe の文字起こしに反映されます。
- 初期設定でオフの Project Vocabulary はローカルプロジェクトをリンクし、名前、manifest、パス、シンボル、ドキュメントを読み取り専用で索引化します。各プロジェクトには優先度の高い候補語を最大 60 件だけ保持します。
- 1 回の文字起こしで使える語彙の総予算は最大 60 語、900 文字で、組み込み語、優先用語、条件を満たした手動修正語、プロジェクト語、プリセット語で共有されます。
- 用語ヒントに対応するクラウドサービスへ送るのは、選ばれた表記ヒントだけです。プロジェクトのソースファイルやパスは送りません。現在の Alibaba アダプターは語彙ヒントを送信しません。
修正記録とデータ保護
- クイック下書きを編集してコピーまたは置換した場合、履歴を保存した場合、音声編集を完了した場合、Shuoは修正前後の全文を保存し、可能な限り履歴と録音に紐づけます。
- 手動修正からの学習と各パターンは初期設定でオフです。有効にした後は、「置換」か「クラウド AI」のどちらか一方を選びます。「置換」は、異なる信頼済みセッション 3 件で 100% 一致し競合がない場合だけローカルで適用し、手動修正語を送信しません。「クラウド AI」は、2 回以上、75% 以上の信頼度、次点より 2 回以上多いという条件を満たした場合だけ、修正後の表記 B をヒント対応のクラウド文字起こしへ送り、ローカルでは書き換えません。
- 「詳細設定 → 手動修正 → 学習履歴」では、完全な修正と旧形式の記録を分けて保持し、書き出しまたは消去ができます。旧形式の記録が文字起こし処理へ再投入されることはありません。
- 「履歴」と「統計」が破損した場合は元ファイルを保持し、読み取れるバックアップからの復旧を優先し、復旧できないエラーを明示します。
- 「統計」は診断ページではなく、「履歴」の下にある独立した画面へ移動しました。
- 保持中の履歴項目に紐づく音声と、元のテキスト、処理後のテキスト、最終テキストは、その項目を削除するまでローカルに保存されます。明示的な編集後にはローカル保存の確認が表示されます。
初回起動、クラウド、アップデート
- 1 画面の初回設定で、ショートカット、権限、Local または OpenAI-compatible の文字起こしを設定できます。
- ElevenLabsとAlibabaのアダプターは、実サービスでのリリースQAを通過するまで、オプションのベータ版として提供します。
- 認証付きの OpenAI-compatible `/models` 検出、24 時間キャッシュ、タスク別の絞り込み、Automatic/Fixed モードに対応しました。
- 直接配布版は署名済み Sparkle appcast を使用します。App Store-compatible target は引き続きビルドできますが、1.0.0 の配布経路には含まれません。
- 1.0.0ではGPL-3.0のソースも同時公開します。独立したShuo Communityビルドは、公式版のデータ、キーチェーンID、更新経路を使用しません。
- アップデートをインストールする前に、別の macOS アカウントで共有 App が実行中か確認し、実行中の場合はそのプロセスを終了せずに待機します。
- 「情報」にはプライバシー、リリースノート、アンインストールとデータ、権限、フィードバック、診断情報のコピー、設定の書き出し、データフォルダ、API Key の削除をまとめています。アップデートの確認は「設定 → App」にあります。
- 「詳細設定」は初期状態で段階を選択せず、すべての設定を 7 段階の pipeline に配置します。検索は概要の下にあり、段階を選ぶと関連するすべての項目が表示されます。
リリース状況
Shuo 1.3.0 は macOS 直接配布版として公開されています。公式 ZIP と DMG はすべて、公開ソースタグ、チェックサム、署名済みアップデートフィードに対応しています。