こんにちは。Ubuntuで使うために作った、日本語の音声入力ツール「Koe」を紹介します。

僕は普段MacとUbuntuを使っていて、MacではAqua Voiceという音声入力を使っています。話した内容をAIが読みやすい文章に整えてくれるもので、Ubuntuでも同じように使いたくなったのが、作り始めたきっかけです。

Koeは、ホットキーを押して話すと、音声を文字に起こし、AIで整えて、今使っているアプリに入力するツールです。僕自身は、Claude Codeに日本語で長い指示や背景を伝えるときに毎日使っています。

主な機能は次のとおりです。

- Whisperによる音声認識と、ClaudeまたはOllamaによる文章の整形
- 技術用語などの誤認識を補う用語辞書と学習メモリ
- 録音中の文字起こしを表示するオーバーレイ
- GNOME Waylandでのホットキー操作と、日本語・複数行の貼り付け

動作を確認しているのは、Ubuntu 26.04／GNOME Wayland／x86_64です。それ以外の環境は十分に確認できていません。MITライセンスで公開しており、GitHub Releasesから .deb パッケージを入手できます。モデルのダウンロードなど、初回設定の手順はREADMEに記載しています。

音声認識にWhisper、整形にOllamaを使えば、音声もテキストも外部に送らずに動かせます。Claudeで整形する場合は認識後のテキストを、OpenAIの音声認識APIを選ぶ場合は音声を、それぞれ外部に送ります。

まだ自分の環境で使いながら改善している段階なので、ほかのUbuntu環境でも使えるか、導入手順で分かりにくいところがないかを知りたいと思っています。試してみた方がいれば、Ubuntuのバージョンやデスクトップ環境とあわせて、動いた・動かなかったという報告をいただけると助かります。

リポジトリ・導入手順・デモ：
https://github.com/shuhei0866/koe

作った経緯と、GNOME Wayland対応について書いた記事：
https://zenn.dev/sal9000/articles/koe-ubuntu-voice-input

こちらのスレッドでも、GitHubのIssueでも、日本語でご連絡いただければ大丈夫です。