SpeechDock

Speak and listen, from anywhere on your Mac.

ダウンロード GitHub

SpeechDockとは？

画面上のあらゆるテキストを音声に — 選択テキスト、直接入力、ペースト、画面からのOCRキャプチャ。見えるテキストなら、SpeechDockが読み上げます。

Macのあらゆる音声をテキストに — マイクからの声、システム全体の音声、特定アプリの音声。Macが聞ける音なら、SpeechDockがリアルタイムで文字起こしします。

メニューバーに常駐し、グローバルホットキーでどこからでもアクセス可能。インストール後すぐに使え、APIキーや追加ダウンロードは不要です。

アーキテクチャ

SpeechDock アーキテクチャ

主な機能

音声認識 (STT)

あらゆる音声ソース — マイク、システム音声、特定のアプリ音声
リアルタイム文字起こし — 話しながらテキストを確認
字幕モード — プレゼンや会議用のフローティングオーバーレイ
クイック入力 — フローティングマイクボタンで即座に音声入力

音声合成 (TTS)

あらゆるテキストソース — 直接入力、ペースト、他アプリで選択、画面からOCR
自然な音声 — macOS内蔵またはクラウドプロバイダの音声
速度調整 — リアルタイムで再生速度を調整（0.5x〜2.0x）
音声保存 — 音声をファイルにエクスポート

翻訳

オンデバイス翻訳 — APIキー不要（macOS 26以降）
18以上の言語 — 主要言語間で翻訳
TTS連携 — 翻訳テキストを自動的に読み上げ

クラウドプロバイダ（オプション）

OpenAI — GPT-4o Transcribe、GPT-4o Mini TTS
Google Gemini — Gemini 2.5 Flash（STT/TTS）
ElevenLabs — Scribe v2（STT）、Eleven v3（TTS）
Grok (xAI) — Grok 2（STT/TTS）

動作環境

macOS 14.0 (Sonoma) 以降
Apple Silicon Mac (M1/M2/M3/M4)

ドキュメント

ページ	説明
基本機能	インストール、STT、TTS、OCR、字幕、ショートカット
高度な機能	クラウドプロバイダ、APIキー、ファイル文字起こし
AppleScript	自動化とスクリプティング

スクリーンショット

STT Panel — 音声認識パネル

TTS Panel — 音声合成パネル

Quick Transcription — クイック入力 — ボタンをクリックすると録音が停止し、文字起こしテキストがカーソル位置にペーストされます

Subtitle Mode — 字幕モード — リアルタイム文字起こしをフローティング字幕として表示

ライセンス

SpeechDockはApache License 2.0の下で公開されています。