01
会議と通話
Zoom、Google Meet、Teams、Slack のハドルミーティング、Discord の通話、ブラウザのタブで開いた通話。どれもアプリから出てくる音声にすぎないので、どれも同じように字幕が付きます。ボットは入らず、誰にも知らされず、参加者一覧には何も現れません。半分しか聞き取れなかった数語は、聞き返すより読むほうが速いし、誰の話も止めずに済みます。
Updated 6 October翻訳を声で聞ける、VoiceOver にも対応翻訳を声で聞ける
Mac が再生するものすべてに、
Mac が再生するものすべてに、
リアルタイム字幕を。
通話も、動画も、ポッドキャストも、講義も。再生と同時に文字起こしして、すべてのウインドウの上に浮かぶオーバーレイに表示します。必要ならリアルタイム翻訳も。Mac の外には何も出ません。
10 月 31 日まで：$19 のところ $9 · 14 日間の返金保証
- 7 日間無料、カード不要、アカウント不要
- $19 の買い切り、アップデートはすべて込み
- 14 日間、理由を問わず返金します
- macOS 14.2 以降、Apple silicon 向けのダウンロード
- Gumroad で評価 5.0
⇧ を押しながら字幕をドラッグすると動かせます。アプリと同じです。
字幕にポインタを重ねると、その部分だけ透けて見えます。アプリと同じです。
⌥ を押し続けると巻き戻せて、直前のいくつかのボックスが積み重なって戻ってきます。
メニューバーの をクリック。試すの付いた項目は、すべてこのデモで動きます。
Mac で音の出るアプリなら、どれにでも字幕を
活用シーン
話の筋を見失う、その瞬間のために
会議では、第二言語かどうかにかかわらず、一語聞き逃せば次の三語も失います。Subtitles は Mac が再生しているものにリアルタイムで字幕を付けるので、誰かに聞き返さなくてもついていけます。⌥ を押し続ければ巻き戻せて、過去の字幕を検索できます。耳が聞こえない、あるいは聞こえにくい場合も、聞こえるのに聞き取れない場合も、第二言語で聞いている場合も、ただ騒がしい場所で働いているだけの場合も、繰り返し出てくる場面は次の三つです。
02
聞きながら作業する
メモやコードエディタ、AI エージェント、ブラウザに切り替えてください。オーバーレイはすべてのウインドウの上に残り、クリックは下へ通すので、画面を見張っていなくても会話は字幕で追え、その下のウインドウで作業も操作も続けられます。Granola のようなメモアプリは会議のあとで内容をまとめてくれますが、そのライブ文字起こしはポインタを載せないと表示されません。Subtitles が受け持つのはもう半分、その場で、意識を向けなくても読める字幕のほうです。
03
動画・ポッドキャスト・講義
字幕のない動画。まだ学んでいる途中の言語で聞くポッドキャスト。録画された講義や配信中の講義、インタビュー、セリフの小さい映画。再生されるものは何でも、再生しながら字幕になります。元の言語のままでも、あなたの言語に翻訳しても。Subtitles は望めばマイクも聞くので、二つの言語でも、一つの言語でも、会話に使えます。
プライバシー
Mac の外には何も出ません。IT 部門が審査するものもありません。
仕事の通話にも安心して使えるのは、これがサービスではないからです。サーバーもアカウントもなく、文字起こしも、あなたが自分の Mac に保存しないかぎり存在しません。だから送るものがなく、第三者が関わることもありません。詳しく知りたい方はプライバシーの詳しい説明をどうぞ。ソースコードは公開されているので、信用だけを頼りにする必要はありません。
-
ボットは通話に入りません。Mac がすでに再生している音を捉えるだけなので、参加者一覧に何かが現れることはなく、何かが動いていると誰かに知らされることもありません。通話を録音することがないからです。この種のツールの多くは代わりに参加者としてボットを送り込みますが、それを一切認めない会社は少なくありません。
-
録音はせず、頼まないかぎりディスクにも何も書きません。音声はそのまま音声モデルに渡され、その場で捨てられます。字幕は画面に出て、そして消えます。⌥ で呼び戻すボックスは、設定した時間だけメモリ上に保持され、アプリを終了すれば残りません。このアプリが書くファイルは、あなたが保存すると決めた文字起こしだけで、置き場所もあなたが決めます。
-
マイクが開くのは、あなたが選んだときだけです。初期設定で聞き取るのは Mac が再生している音です。「字幕にする音」でマイクを選ぶと、初めての一度だけ macOS が許可を求めます。マイクの音もほかと同じく Mac の中で処理されて捨てられるので、どちらの場合も、あなたの話した内容がどこかへ送られることはありません。
-
アカウントなし、テレメトリなし、通信なし。サインインする先はなく、利用状況がどこかに送られることもありません。モデルは一度ダウンロードすればそれきりで、そのあとに残る通信は、新しいバージョンが出ていないか日に一度確かめることだけ、それも先にあなたに尋ねます。Wi-Fi をオフにしても字幕は出続けます。
機能
三つの制約から作りました
ライブの音声は一時停止できないし、やり直しもきかないし、そもそも Mac の外へ出す必要もありません。ここにあるものはすべて、そこから決まっています。
Mac の外には何も出ません
ローカルかつオフラインで動きます。アカウントも、テレメトリも、あなたの何かを運ぶネットワーク通信もありません。音声は取り込まれるとすぐ音声認識に渡され、そのまま捨てられます。ダウンロードされるのは、一度きりのモデル一式と、あなたが選んだときのアップデートだけです。
CPU ではなく Neural Engine
目安はリアルタイムファクター 0.15。計算 1 秒あたり 6 秒ぶんの発話を文字起こしします。同じモデルを CPU で測ったときは、ライブの音声に追いつくには約 100 倍遅すぎました。
すべてのアプリ、あるいは一つだけ
既定では Mac が再生しているものすべてを聞き取るので、使い始める前に設定することはありません。二つのアプリが同時に音を出しているときは、メニューバーから一つのアプリに絞れます。そのアプリと、それが起動するヘルパープロセスをすべて取り込むので、音声がメインのプロセスから出てこないブラウザや Electron アプリでも使えます。
音楽を歌詞として拾わない
音声認識の手前で音声検出が動くので、バックの音楽がそこに届くことはありません。これがないと、音楽がモデルのコンテキストを埋めてしまい、その直後の数語が失われます。
話者ごとに新しいボックス
別の人が話し始めたら新しい字幕を始める、という動作も選べます。間が空いたときと同じ扱いです。既定ではオフです。1 つ目のモデルと並べて 2 つ目のモデルを動かすことになるからです。新しい話者だと認識されるまでには 1、2 秒かかります。
16 言語
既定のモデルは言語を自動で判別します。英語にはさらに専用の選択肢が 7 つあり、160 ms から、遅延と精度のバランスを選べます。
翻訳を耳で聞く
「翻訳を読み上げ」は、訳した文をひとつずつ、その言語の声で読み上げます。そのあいだ、元のアプリの音量は 4 分の 1 に下がります。VoiceOver を使うと自動でオンになり、VoiceOver で字幕ボックスを読み上げることもできます。VoiceOver 自身の読み上げが字幕になることはありません。
ポインタを向けたところに穴があく
ポインタをオーバーレイに近づけると、ポインタの下だけオーバーレイが薄れて消えます。読んでいる文が、書いている文を覆うことはありません。どれくらい消えるか、穴がどこまで届くかは設定で自分で決められます。⇧ を押しているあいだは、そのままの濃さを保ち、位置も動かせます。
聞き逃したら、⌥ を押して巻き戻す
アプリの字幕は放送の字幕と同じく、埋まったら消えて、また次が始まります。だから目を離した行はそれきりです。⌥ を押し続けると巻き戻せて、前の字幕がいま表示中のボックスの上に積み重なって戻ります。古いものはスクロールでさかのぼれ、⌥F で検索できます。指を離せば、また消えます。どこにも何も書き込まれません。
見ながら決める設定
メニューから ⌘, で設定が開きます。ボックスが何行埋まったら消えるか、どれくらい濃いか、「ポインタで透かす」がどこまで届くか、⌥ の巻き戻しでどこまでさかのぼれるか。どのスライダーも、動かしているあいだそのままプレビューと実際のオーバーレイの両方に反映されます。数字を選ぶのではなく、見ながら決めるということです。
アプリが字幕を付けられ、相互に翻訳もできる 16 言語
- English 英語
- Español スペイン語
- Français フランス語
- Italiano イタリア語
- Português ポルトガル語
- Deutsch ドイツ語
- Nederlands オランダ語
- Türkçe トルコ語
- Русский ロシア語
- العربية アラビア語
- हिन्दी ヒンディー語
- 日本語 日本語
- 한국어 韓国語
- Tiếng Việt ベトナム語
- Українська ウクライナ語
- 中文（普通话） 中国語
仕組み
アプリの音声から画面まで、4 つのステップで
コピーしかしないリアルタイムオーディオスレッド、文字起こしを決してしない移植可能なコア、そして本来あるべき場所で動くモデル。
-
1
Core Audio のプロセスタップ
48 kHz ステレオ、10.7 ms ごとにコールバック。リアルタイムスレッドはロックフリーのリングバッファへコピーするだけで、ほかには何もしません。
-
2
リサンプルとゲート
ワーカースレッドで 16 kHz モノラルまで落とし、無音は飛ばします。発話の手前に約 1 秒ぶんを流し直すので、どの語も途中から始まりません。
-
3
Neural Engine 上の Parakeet
30 秒ぶんをまとめて処理するモデルではなく、ストリーミングのモデルです。音声に追従する字幕と、数秒遅れて届く字幕の差はここにあります。
-
4
オーバーレイ
設定で行数を変えられる 2 行ぶんのページが、放送の字幕と同じようにいったん消えて次に進みます。消えるのは音声が止まってからではなく、最後に新しいテキストが出てから 4 秒後です。
リングバッファからモデルの境界までは、移植可能な Rust です。あえて文字起こしはせず、フレームを渡すだけです。Mac に固有なのはタップとオーバーレイだけです。
比較
Apple のライブキャプションで足りないとき
macOS にはリアルタイム字幕の機能が標準で入っています。無料で、システム設定 › アクセシビリティ › ライブキャプションにあり、Apple が有効にした言語に設定した Apple silicon の Mac で使えます。macOS 14 と 15 では英語のみ、26 からは 8 言語です。それで足りるなら、それを使ってください。ここに挙げるのは、私の用途では足りなかった点です。詳しく知りたければ、項目ごとの比較もあります。
| 機能 | Subtitles | Apple のライブキャプション |
|---|---|---|
| 言語 | 16 言語、14.2 以降のどの macOS でも、多言語モデルが自動で判別し、メニューバーから切り替えられ、どの 2 言語間でもリアルタイム翻訳 | macOS 14 と 15 では英語のみ。26 からは 8 言語で、それぞれ国に紐づき、一度に一つ、切り替えはシステム設定で手動、翻訳はなし |
| オーバーレイ | クリックを通し、ポインタの下では薄れ、すべてのウインドウの上に残り、マルチタスクの邪魔にならない | こちらも最前面に残るウインドウ。ただしクリックを受け取り、下にあるものを覆う |
| 聞く対象 | Mac が再生するすべて、望めばマイク、または選んだ一つのアプリ | Mac が再生するすべて、またはマイク |
| 音楽 | 音声検出器が飛ばすので、伴奏が歌詞になることはありません | 字幕になります |
| 話者の交代 | 話者ごとに新しいボックス（オプション） | 相当する機能なし |
| 過去の字幕 | 過去の字幕すべて、空いた領域いっぱいに並ぶ一覧で。スクロールでさかのぼれ、⌥F で検索できる | 流れていく 3 行、一度に見えるのは 3 行まで |
| モデル | 英語は選択肢が 7 つで遅延と精度のバランスを選べ、さらに多言語モデルが 1 つ。「多言語」モデルは必要なら言語を一つに固定できる | 1 つ、固定。言語を変えるにはシステム設定を開いて三階層下の設定まで辿る必要がある |
| 価格 | 7 日間無料、その後は $19 の買い切り、アップデートはすべて込み | 無料、標準搭載 |
利用者の声
実際の通話で使われています
So smooth, very useful during meetings on different apps (slack, zoom, google), so well integrated on the screen, doesn't block interacting with the other windows, love it!
Almost no setup, no tweaking around: you install it and it just works. Simple, useful and really effective.
Very handy! I love how it can be connected to any audio source on my laptop, which helps not only for meetings and videocalls, but also for all those streaming services that do not support subtitles, like news websites or even some YouTube videos. The model supports many languages, so it's also useful if you're learning a foreign language and need subtitles to help you understand what's being said.
Awesome app and the translation support makes it even better. Working with French colleagues has never been easier. Highly recommend!
Definitely a game changer for me! A must have for remote workers
Much better than macOS live captions. I love how fluid the UX is, the searchable history when pressing option and all the shortcuts are really well thought, you can feel the author really cares about nailing all the details for a useful live caption app. The gorgeous audio glow is chef's kiss
これを作った理由
私はアメリカの会社で働いていて、会議は英語です。英語は私の母語でも、同僚の多くの母語でもありません。別のことに手をつけているあいだに限って、話は肝心なところに来ます。そして気づいたときには、それはもう過ぎたあとです。聞き取れなかった一語、まだ耳が慣れていない訛り、あるいは一分前に言われた何か。聞き返せば、その場にいる全員の 30 秒が消えて、話していた人をさえぎることにもなります。
だから字幕は、自分が別のことをしているあいだも読めるものでなければなりませんでした。一つのアプリの中のパネルではなく、すべてのウインドウの上に重なるオーバーレイなのも、クリックをいっさい受け取らないのも、検索できる巻き戻しのスタックがあるのも、動かさずに済むようポインタの下で薄れるのも、そのためです。ほかのすべては、そこから生まれました。
Mathieu Jouhet、これを作っている本人です。
価格
価格は一つ。継続課金はありません。
まずは 7 日間、カードもアカウントもなしで無料で試せます。その後は $19 を一度払うだけ。利用時間の追加購入も、ユーザー単位の料金も、更新料もなく、今後のアップデートもすべて含まれます。文字起こしサービスのおよそ 1 か月分の料金です。
翻訳は価格に含まれていて、追加料金はかかりません。16 言語、そのうち任意の 2 言語間のリアルタイム翻訳、ストリーミングのモデル。すべて 1 つのライセンスに付いてきて、別料金の上位プランはありません。今後のアップデートもすべて含まれます。
- 決済は Gumroad です。付加価値税、領収書、返金もそちらで扱い、ライセンスキーも Gumroad 経由で届きます。
- 署名・公証済みなので、一度与えた権限はアップデートを重ねても引き継がれます。
- ソースコードは公開。読むことも、自分でビルドすることもできます。
- チームでの導入なら、ご連絡ください。まとめてライセンスキーをご用意します。
FAQ
最初によく聞かれること
- Zoom、Teams、Google Meet で使えますか？
- はい。特定のサービスと連携するのではなく、アプリが再生する音声を直接拾っているので、Zoom のウインドウも、Slack のハドルミーティングも、ブラウザのタブで開いた通話も、同じように字幕が付きます。ブラウザや Electron アプリも含みます。そうしたアプリが起動するヘルパープロセスをキャプチャするからです。音声が実際に出てくるのはそちらです。
- アプリはどの言語に字幕を付けられますか？
- 16 言語です。英語、スペイン語、フランス語、イタリア語、ポルトガル語、ドイツ語、オランダ語、トルコ語、ロシア語、アラビア語、ヒンディー語、日本語、韓国語、ベトナム語、ウクライナ語、中国語（普通話）。話されている言語はアプリが自動で判定し、メニューで言語を指定すれば判定はしなくなります。対応言語はサポート対象のどの macOS でも同じで、国や地域の条件もありません。macOS 15 以降なら、このうちどの言語からどの言語へでも翻訳できます。
- 聞き取った内容を翻訳できますか？
- 1.3 からできます。メニューの「翻訳先」が、16 言語のどれからでも残り 15 言語のどれへでも、Apple のデバイス内翻訳を通して訳します。訳した字幕も、訳していない字幕と同じように、Mac の外には決して出ません。訳先を選ぶまでは「オフ」で、実行中に ⌃ を押したままにすると下に元の言語が出ます。翻訳と元の文をオーバーレイに同時に表示することもでき、「翻訳先」のすぐ下の項目「翻訳を読み上げ」は、元の音声を小さくしたうえで、翻訳を声に出して読み上げます。必要なのは macOS 15 で、字幕だけなら 14.2 でも動きます。
- VoiceOver で使えますか？
- はい。VoiceOver が字幕ボックスを読み上げ、そのボタンを押せます。VoiceOver が動いているときは「翻訳を読み上げ」が最初からオンになっていて、翻訳を声に出して読むので、別の言語の通話や映画を耳で追えます。書き起こしを保存するかどうかなど、アプリからの問いかけは現れたときに読み上げられ、VoiceOver 自身の読み上げが字幕になったり翻訳されたりすることはありません。
- オーバーレイは邪魔になりませんか？
- クリックをいっさい受け取らないので、その上から普通に作業できますし、ポインタの下では薄れて消えるので、下にあるものを読んだり操作したりできます。どれくらい薄れるか、それがどこまで届くか、ボックスがどれくらい濃いか、何行まで保つかは、すべて設定です。⇧ を押しているあいだは濃さを保ったままドラッグして別の場所へ動かせます。画面のどこに置いても、その場所は覚えています。
- 自分の声にも字幕が付きますか？
- 「字幕にする音」でマイクを選ばない限り、付きません。初期設定で聞き取るのは Mac が再生している音なので、通話で字幕になるのは自分ではなく相手の声です。マイクを選ぶと代わりにその場の会話に字幕が付き、初めてのときは macOS が許可を求めます。そして「翻訳先」の中の「両方の言語を表示」をオンにすれば、二人が二つの言語で話し、それぞれが自分の言語で読めます。
- インターネット接続は必要ですか？
- 初回起動時にモデルを取ってくるときの一度だけ、約 633 MB です。そのあとは完全にオフラインで動作します。ほかに行いうる通信は、先に許可を求め、断ることもできる日に一度の新しいバージョンの確認と、ときおりのライセンスの確認だけです。
- 文字起こしを保存したり書き出したりできますか？
- はい、頼めばできます。1 分以上の発話があると、音声が止まったとき、あるいはしばらく話が途切れて巻き戻しの履歴が消える前に、字幕ボックスがこのセッションを保存するかを尋ねてきます。メニューの「書き起こしを保存…」なら、いつでも保存できます。形式は標準テキスト、Markdown、SRT 字幕のどれかで、そうしないかぎり、ディスクには何も書きません。アプリが動いているあいだは ⌥ を押し続けると閉じたボックスを巻き戻せ、⌥F でその中を検索できます。目を離した行を見つけるためのものです。会話のメモや要約が必要なら、これは選ぶべき道具ではありません。メモアプリを補うものとして設計されています。
- 情シスの承認は必要ですか？
- 承認すべき事業者がそもそもいません。アカウントもサーバーもなく、Mac から出ていく文字起こしもなく、参加者として通話に加わるものもないので、会議の誰かが何かに録音されることもありません。1 台の Mac に入った、署名・公証済みのアプリが 1 つあるだけで、モデルを一度ダウンロードしたあとの通信は、オフにできるバージョン確認とライセンス確認だけです。自社の規程を満たすかどうかはご判断ください。ただ、審査すべき第三者は介在しません。
- ヘッドホンや AirPods でも使えますか？
- はい。スピーカーから出てくる音ではなく、アプリが生成している音声をキャプチャするので、何で聞いているかは関係ありません。
- Mac が遅くなりませんか？
- 文字起こしは CPU ではなく Neural Engine で動きます。リアルタイムファクターはおよそ 0.15、計算 1 秒あたり 6 秒ぶんの発話にあたります。同じモデルを CPU で測ったときは、追いつくどころか約 100 倍遅すぎるという結果でした。
- どの Mac で動きますか？
- Apple silicon、macOS 14.2 以降です。バージョンの下限を決めているのは Core Audio のプロセスタップで、全体がその API の上に成り立っています。翻訳は macOS 15 以降で動きます。
- リアルタイムですか？
- はい。ストリーミングの音声認識（ASR）モデルなので、字幕は文が終わってからではなく、まだ話されている最中に現れます。アプリが再生するシステムオーディオをそのまま読み取るので、ループバックドライバを入れる必要はありません。英語なら複数の選択肢があり、160 ms から、遅延と精度のバランスを選べます。Mac で音声のテキスト化やリアルタイム文字起こしができるアプリを探していたなら、まさにこれです。ファイルに保存するのではなく、再生に合わせて画面に表示します。
- サブスクリプションですか？
- いいえ。ダウンロードすると 7 日間無料で試せます。ライセンスキーは $19 の買い切りで、今後のアップデートはすべて込み。作るアカウントも、利用時間の追加購入もありません。1 つのキーでお使いのすべての Mac に使え、アプリは月に一度ほど Gumroad にキーを照会しますが、送るのはキーだけで、あなたについての情報は何も送りません。合わなければ、14 日以内なら返金できます。
- ソースコードは見られますか？
- はい。FSL-1.1-ALv2 で公開していて、各リリースの 2 年後に Apache 2.0 になります。読むのも自分でビルドするのも github.com/daformat/subtitles からどうぞ。