Yogurt - プライベートなAI会議ノートを実現するオープンソースアプリ
Show HN: Yogurt – Free, private, open-source alternative to Granola
Yogurtは、会議の録音と文字起こし、AIによる議事録作成をローカル環境で完結させるオープンソースアプリです。最大の特徴は、会議にボットを参加させずに通話を録音できる点。音声データやノートが外部サーバーに送信される心配がなく、プライバシーを重視するチームに最適です。Whisperによる文字起こしやllama-cppを活用したローカルAI処理に対応し、macOS、Windows、Linux向けに無料でダウンロード可能。MITライセンスで公開されており、誰でも自由に利用・改変・セルフホストできます。
Yogurtは会議にボットを追加することなく通話を録音します。プライベートなAI会議ノートを、無料かつオープンソースで。
HNでの議論
76- jgrodziski
通話メモアプリには自分もイライラさせられて、ネイティブのMacアプリとして自分用に作ったよ：https://retranscript.app
完全な自動化と、要約やアイデア抽出などのプロンプトの完全なカスタマイズ、そして利用可能な最高の音声認識モデルを使いたかったんだ（精度がそれほど必要ない普通の文字起こし用には、近いうちにAppleのSpeechAnalyzerも追加する予定）。
一度起動すれば、Retranscriptは勝手に動く。通話を自動で検知して、会議にボットを入れずにすべての音声を録音する。すべては設定可能なフォルダにプレーンなファイルとして保存される。
トレードオフはYogurtとは逆で、音声はMac上に残るのではなく、選んだモデルに送られる。自分のキーを使えばopenrouter経由でプロバイダに直接送られ、自分のサーバーを一切通らない。サブスクリプションはない。アプリは無料で、モデルには自分のキーか前払いクレジットでプロバイダの価格を支払う形だ。今のところクローズドソース（将来オープンソースとして公開予定）で、Mac専用だ。
ローンチおめでとう。これだけ多くの人がそれぞれ違うアプローチでこの分野を探求しているのを見るのはいいね。
- achrono
OpenWhispr [1] はまさにこの分野で最も初期のものの一つで、すでにYogurtよりも多様なモデルをサポートしている。会議の文字起こし、要約、ディクテーションなどもYogurtと似た形でサポートしている。
それで、なぜYogurtなのか？
- lavendermon
私は二者同意州に住んでいて、AI文字起こしサービスにはまだ手を出せずにいる。個人的なプライバシーのためにも、またGranolaのようなサービスがハッキングされて文字起こしが公開された場合の潜在的な問題を抑えるためにも、Yogurtはこのサービスを適切に実装した最初のものだと思っている。
所有者向けに、通話の全員に録音されていることを知らせるデフォルトの警告が含まれているのはありがたい。もう一歩進めて、別の参加者が通話に加わったときにもポップアップが再表示され、その人にも録音について通知されるようにするといいかもしれない。
- theturtletalks
自分のオープンソースディレクトリ[0]に追加しておくよ。
Muesli[1]やOpenOats[2]とはどう違うの？
0. https://opensource.builders/alternatives/granola
- mickdarling
今ある音声文字起こしツールが全部オープンソースで、それを使ってみんなが何をできるかを見るのはすごく楽しい。
自分も自作のJarvisを作っているんだけど、彼用の会議モードはまだ作っていない。ただ、その方向には進んでいる。ここからアイデアをいくつか借りるかもしれない。
Whisperが無音のときにたまに聞き取ってしまう「ご視聴ありがとうございました」みたいな、ささやき声の幻覚的な単語をフィルタリングする機能がすごくいいね。あれはクールだ。
自分も似たような音声の分割をしているけど、仕組みは少し違うと思う。だから君のやつがどれだけうまく動くか見てみないとね。
それから、マイクとコンピュータの音声の音量をチェックして、スピーカー出力が漏れているタイミングを判断するというのはやっていない。あれはいいね。
君のやつに何か追加するとしたら、同じ入力に対する話者分離（diarization）かな。部屋のマイクの後ろに2人か3人いるかもしれないから、その話者分離で誰がいつ話しているかを把握できるとたぶん役に立つ。MacではNVIDIAのNemotronを使っている。https://huggingface.co/nvidia/Nemotron-3-Diarization
あと、話者の埋め込みを使った声の登録にはこれを使っている：https://github.com/wenet-e2e/wespeaker