Rust 製の 音声録音・文字起こし CLI / デーモン です。
voice_input はクライアント CLI、voice_inputd はバックグラウンド常駐デーモンとして動作します。
[CLI] → [/tmp/voice_input.sock] → [voice_inputd] → (録音 / 転写 / 直接入力)
| 機能 | 説明 |
|---|---|
| 高速録音トグル | 1 コマンドで録音開始 / 停止を切替 |
| OpenAI API 対応 | 日本語・英語を自動認識 |
| Apple Music 自動ポーズ/再開 | 録音中は BGM を一時停止、終了後に自動再生 |
| 単語リスト置換 | 転写テキストを辞書で自動置換 |
| 録音→転写まで自動 | 1 コマンドで録音開始から文字起こしまで |
| 直接テキスト入力（デフォルト） | カーソル位置に直接入力 |
| IPC Unix Socket | CLI ↔ デーモン間通信は JSON over UDS |
| 高速メモリ処理 | 一時ファイルを作成せず、メモリ上で音声処理 |
cp .env.example .env- OPENAI_API_KEY=your_openai_api_key_here
- OPENAI_TRANSCRIBE_MODEL=gpt-4o-mini-transcribe # デフォルト
- INPUT_DEVICE_PRIORITY="device1,device2,device3"
- VOICE_INPUT_ENV_PATH=/path/to/.env
- XDG_DATA_HOME=/custom/xdg/data
環境変数はsrc/utils/config.rsのEnvConfigで型安全に管理され、起動時に一度だけ読み込まれます。
Voice Inputは音声データをメモリ上で直接処理し、一時ファイルを作成しません。
利点:
- ✅ 高速処理（ファイルI/Oの削除）
- ✅ ディスク容量を消費しない
- ✅ セキュリティ向上（一時ファイルが残らない）
- ✅ SSDの書き込み回数を削減
メモリ使用量の目安:
- 1分間の録音: 約10MB
- 5分間の録音: 約50MB
- 10分間の録音: 約100MB
git clone https://github.com/yourname/voice_input.git
cd voice_input
cargo build --release
# 生成物:
# - target/release/voice_input … CLI
# - target/release/voice_inputd … デーモン-
開発環境セットアップ（ラッパースクリプト方式）
./scripts/setup-dev-env.sh
このスクリプトは以下を自動で行います：
/usr/local/bin/voice_inputd_wrapperにラッパースクリプトを作成- LaunchAgentをラッパー経由で起動するよう設定
- デーモンを再起動
-
権限の付与
- システム設定 → プライバシーとセキュリティ → アクセシビリティ
- 以下を追加して有効化：
- 使用中のターミナル（Terminal.app、iTerm2など）
/usr/local/bin/voice_inputd_wrapper
ラッパースクリプト方式により、再ビルド時の権限再設定が不要になりました：
./scripts/dev-build.shこれだけで：
- リリースビルドを実行
- デーモンを自動的に再起動
- 権限の再設定は不要
macOSのTCCシステムは実行ファイルのハッシュ値で権限を管理するため、再ビルドすると権限が失われます。 ラッパースクリプト方式では：
- 変更されないラッパースクリプト（
/usr/local/bin/voice_inputd_wrapper）に権限を付与 - ラッパーが実際のバイナリ（
target/release/voice_inputd）を実行 - 再ビルドしてもラッパーのハッシュ値は変わらないため、権限が維持される
権限関連のエラーが発生した場合：
# エラーログを確認
tail -f /tmp/voice_inputd.err
# 手動でデーモンを再起動
pkill -f voice_inputd
nohup /usr/local/bin/voice_inputd_wrapper > /tmp/voice_inputd.out 2> /tmp/voice_inputd.err &録音開始,停止
voice_input start
voice_input stop利用可能な入力デバイスを一覧表示
voice_input --list-devices入力デバイス名とインデックスを表示します。環境変数 INPUT_DEVICE_PRIORITY を
設定する際の参考にしてください。
録音開始,停止の切り替え+直接入力。
voice_input toggle現在のvoice_inputは直接入力方式のみを提供しています。
# デフォルト動作（直接入力）
voice_input start
voice_input toggle直接入力の特徴:
- ✅ クリップボードの内容を保持
- ✅ 日本語・絵文字を含むすべての文字に対応
- ✅ 既存のアクセシビリティ権限で動作
- ✅ 直接入力のため手動ペーストが不要
デーモンと外部依存の状態をまとめて確認:
voice_input health転写されたテキストは、ユーザー定義の辞書を通して自動的に置換されます。
辞書は JSON 形式で ~/Library/Application Support/voice_input/dictionary.json に保存され、
CLI から編集できます。
保存先を変更したい場合は次のコマンドを実行してください。設定は同ディレクトリの
config.json に記録され、変更時には旧ファイルが <旧パス>.bak として残ります。
voice_input config set dict-path /path/to/shared/dictionary.json# 単語登録または更新
voice_input dict add "誤変換" "正しい語"
# 単語削除
voice_input dict remove "誤変換"
# 登録一覧表示
voice_input dict listvoice_input start / stop を明示的に使わなくても、
voice_input toggle 1 回で録音開始→停止→文字起こし→直接入力まで
完結します。デフォルトではカーソル位置に直接テキストが入力されます。
# 開発ビルド
cargo build
# リリースビルド
cargo build --release
# すべてのテストを実行（ローカル環境）
cargo test
# CI環境向けテスト（音声デバイスが不要なテストのみ）
cargo test --features ci-test
# フォーマットチェック
cargo fmt -- --check
# Lintチェック
cargo clippy -- -D warningsメモリ処理のパフォーマンス測定はベンチマークで行えます：
# ベンチマーク実行（詳細な性能測定）
cargo bench- ディスクI/Oの完全排除による高速化
- 一時ファイル作成・削除のオーバーヘッド排除
- システムコールの削減
メモリ使用量の目安はユニットテストで確認できます。
GitHub Actionsで自動テストが実行されます。CIでは以下が実行されます：
- コードフォーマットチェック -
cargo fmt - Clippy静的解析 - すべての警告をエラーとして扱う
- テスト実行 - 音声デバイスやデーモンが不要なテストのみ
- E2Eテスト - モック環境での統合テスト
- パフォーマンスベンチマーク - 性能劣化の自動検出
CI実行前にローカルで品質チェックを実行できます：
# 基本的な品質チェック
./scripts/quality-check.sh
# ベンチマークを含む完全チェック
./scripts/quality-check.sh --bench
# メモリに関する測定は performance_test または bench で実行プロジェクトルートの rust-toolchain.toml により、ローカル環境とCI環境で同じRustバージョンが使用されます：
[toolchain]
channel = "1.86.0"
components = ["rustfmt", "clippy"]これにより、開発者間およびCI環境でのビルド再現性が保証されます。
- ローカル環境:
cargo testですべてのテストを実行 - CI環境:
cargo test --features ci-testで環境依存のテストをスキップ - 無視されるテスト: 音声デバイス、デーモンプロセス、GUI操作が必要なテスト