会議、インタビュー、授業、日常業務では、録音やビデオ録画が容易になってきていますが、本当に難しいのは“録音”ではなく、しばしばです。膨大な量のオーディオとビデオから本当に貴重な情報を見つける。
AudioNotesは、オープンソースのネイティブオーディオ、ビデオ、テキスト、スマートノートツールです。“音声からテキストへの変換”という問題を解決しようとしているのではなく、システムを構築します。オーディオ·ビデオ→テキスト→構造化ノート→ AI Q & A完全なワークフローですプロジェクトのソースコードはGitHubで公開されており、コア機能はローカルファーストであり、ユーザーのデータを自分のコンピュータに残すようにしています。
AudioNotesが解決する問題は何ですか？
従来の録音ツールの仕組みは簡単です。録音してからファイルを保存します。
問題は、録音が増えるにつれて、“保存”そのものが新たな負担になってしまうことです。
例えば、2時間のミーティングの後、次のように答える必要があります。
- 誰がプログラムを提案したか？
- 最終決定は？
- タスクの責任者は誰ですか？
- 締め切りは何ですか？
- 特定の見解はいつ提示されたか。
- 会議の最も重要な結論は何ですか？
テキストがなければ、その情報を探すことはしばしば録音をもう一度聞くことを意味します。
AudioNotesのアイデアは、まずローカル音声認識モデルを使用してオーディオとビデオをテキストに変換し、ローカルの大言語モデルを使用してコンテンツを整理し、最終的にMarkdownノートを形成し、ユーザーがコンテンツについて質問を続けることができるようにすることです。プロジェクトREADMEは、会議、インタビュー、レッスン、音声メモなどのシナリオに適したツールとして位置づけられています。
だから、それは一つのようです。オーディオ·ビデオ·ナレッジ·ベース”と、ただの録音転写機ではありません。
完全なワークフロー：音から知識へ
AudioNotesの使用プロセスは4つのフェーズに要約できます。
1.オーディオとビデオの取得
ユーザーは、オーディオまたはビデオファイルを直接アップロードするか、ブラウザを使用して録音することができます。
つまり、既存の素材を扱うだけでなく、ミーティングやインタビューなどのシーンで直接使用するのにも適しています。
2.ローカル音声認識
AudioNotesデフォルトの使用{{AudioNotesでふぉるとのしよう}} FunAudioLLM/Fun-ASR-Nano-2512 音声認識を行う。
単にオンライン転写サービスにファイルをアップロードするのと比較して、ローカル識別の最大の価値は、オーディオおよびビデオコンテンツをユーザー自身のデバイスに残すことができることです。
もちろん、ローカル識別は必ずしも完璧な結果を意味しません。録音品質、環境ノイズ、アクセント、複数の人が同時に話すことは、最終的なテキストに影響を与える可能性があるため、契約書や会議の決定などの重要な内容については、元の音声を確認する必要があります。
3. AIは自動整理
オリジナルテキストを入手した後，AudioNotesはOllamaが実行するローカル大言語モデルを利用してメモを整理した.
プロジェクト既定の使用{{ぷろじぇくとできていのしよう}} qwen3.5:2b目標は、通常のコンピュータのリソース条件下で、中国語処理品質とリソース消費のバランスを取ることです。
このステップは重要です。
会議の完全なトランスクリプトには、大量の口語表現、反復、無関係な情報が含まれるため、構造化されたメモに必要なのは次のとおりです。
結論、視点、タスク、時間、人物、および文脈。
したがって、AudioNotesの価値はASRだけでなく、ASRとLLMの組み合わせから生まれます。
4.内容に関する質問の続き
メモが生成された後、ユーザはまた、オーディオビデオコンテンツと対話を続けることができる。
例えば：
“この会議で最終的に決定された3つのプログラムは？
または：
“第三の仕事は何ですか？”
これにより、オーディオとビデオは人間が“読む”必要があるファイルから、直接尋ねることができる情報源になります。
ローカルファーストはAudioNotesの最も注目すべき機能です。
今日のAI製品はクラウドAPIに大きく依存していますが、オーディオやビデオには非常に機密情報が含まれます。
社内ミーティングには事業計画が含まれ、ユーザーインタビューには個人情報が含まれ、授業の録音には未公表の研究が含まれる場合があります。
AudioNotesのデザイン哲学は、ここで異なる選択をすることです。
プロジェクトREADMEでは、オーディオ、ビデオ、テキスト、メモ、会話履歴はデフォルトでローカルに保存され、音声認識はFunASRによってローカルで行われ、大規模な言語モデルはOllamaによってローカルで実行され、デフォルトではオーディオおよびビデオコンテンツはサードパーティのAIインターフェースに送信されません。Webページはネイティブアクセスのみが許可されます。
建築の観点からは、これは典型的です。 ローカル·ファースト·AI 思考の考え方：
データをコンピュータに取り込む→ ASRをローカルで完了→ LLM処理をローカルで完了→結果をローカルで保存する。
これは、プライバシーに敏感なシーンに特に魅力的です。
もちろん、“ローカル実行”は絶対的なセキュリティではありません。コンピュータ自体のアカウント、ディスク権限、バックアップ、およびネットワーク環境は、まだ保護する必要があります。また、信頼できるコンピュータでローカルデータを使用し、適切に保護することをユーザーに思い出させます。
Dockerは導入を比較的簡単にします。
平均的なユーザーにとって、最大のハードルはAIの使用ではなく、AIのインストールです。
AudioNotesは、メインの実行環境をカプセル化するDockerアプローチを提供します。
公式に推奨される基本環境にはDocker DesktopとOllamaが含まれ、Docker Desktopには少なくとも12GBのメモリ、長いオーディオおよびビデオを扱う場合は16GB、約10GBのディスク容量を確保することが推奨されます。
基本的な流れは、
ollama pull qwen3.5:2b
mkdir audionotes
cd audionotes
curl -fsSL https://github.com/harry0703/AudioNotes/raw/main/docker-compose.yml -o docker-compose.yml
curl -fsSL https://github.com/harry0703/AudioNotes/raw/main/.env.example -o .env
docker compose up -d --remove-orphans
起動後のネイティブのアクセス 15433 ポートを使用するとWebインターフェイスに入ります。音声認識を初めて行う場合は、約2.15 GBの音声モデルをダウンロードする必要があります。ダウンロード後はモデルがマシンに保存され、繰り返しダウンロードする必要はありません。
プロジェクトのDocker設定は、単にWebサービスを実行するだけではありません。Compose設定には、データの持続性、ヘルスチェック、自動再起動、プロセスの再利用、コンテナ権限の縮小などの設定も含まれています。例えば、デフォルトではサービスのみが 127.0.0.1そして通過しました cap_drop: ALL そして、 no-new-privileges コンテナの悪用のリスクを低減します。
これは、プロジェクトが“実行可能”に加えて、実際の展開でのセキュリティと安定性の問題も考慮していることを示しています。
Q.データはどこに保存されますか？
ネイティブAIツールのもう一つの重要な問題は：私のデータはどこにあるの？
AudioNotesがDockerを使用すると、データが作成されたものにマッピングされます。 audionotes フォルダには、アップロードファイル、モデルキャッシュ、ログ、会話履歴などが含まれます。ソースコード実行モードでは、個人データは主にプロジェクトに保存されます。 storage OllamaのモデルはOllama自身が管理しています。
これには、データ管理が比較的直感的であるという実用的な利点があります。
例えば、プロジェクトの提案：
- バックアップ時の全体のコピー
audionotesフォルダ; - コンピュータの移行時にフォルダ全体をコピーします。
- 履歴データが不要になったら、サービスを停止してからフォルダを削除できます。
つまり、ユーザーは履歴ノートを管理するためにサードパーティのSaaSプラットフォームに依存する必要はありません。
6.誰に適していますか？
AudioNotesが最適です。コンテンツをローカライズしながら、大量の音声または動画素材を所有する人々のために
会議の議事録
これは最も直接的な応用シナリオです。
会議後、手動で録音を整理するのに多くの時間を費やす必要はなく、AIが最初に最初の転写と構造化を完了し、重要な結論を手動で確認することができます。
インタビュー &インタビュー
インタビューには通常、自然言語と長い会話が含まれます。録音をテキストに変換すると、人、意見、重要な回答を見つけるのがはるかに簡単になります。
コースと学習
長いコース録音、テキスト、AI Q & Aでは、リスニングコストを削減できます。
例えば、コンセプトを探すために1時間のコースを再訪する代わりに、直接尋ねてください。
“先生はどんな例を挙げましたか？”
個人用ボイスメモ
インスピレーション、ToDoリスト、一時的なアイデアはすべて録音され、AIがより読みやすいテキストに整理するのに役立ちます。
AudioNotesの利点と制限
製品の観点から評価すると、AudioNotesの利点はより明確です。
まず、ローカル優先です。
これは、多数のクラウドAIメモツールとは異なるコア競争力です。サードパーティのAIサービスにアップロードする必要はありません。
次に、ワークフローが完了します。
“音声からテキストへの変換”を解決するだけでなく、メモ整理や内容の質疑応答をさらに完了します。
第三に、オープンソースで自己展開できます。
ユーザーはソースコードを表示し、自分でデプロイし、必要に応じてモデルと構成を調整できます。
第四に、データ管理の透明性です。
アップロードされたファイル、履歴データ、モデルキャッシュには、明確なローカルストレージ場所があります。
しかし、明確な閾値もあります。
まず、ローカルAIはハードウェアリソースを必要とする。Dockerには少なくとも12GBのメモリ、長いオーディオとビデオには16GBのメモリを割り当てることを推奨します。
第二に、ローカルモデルの速度と効果はコンピュータハードウェアの影響を受けます。
ローカルモデルにはプライバシー上の利点がありますが、転送精度を自動的に保証するものではありません。重要なコンテンツについては、手動校正は避けられません。
最後に、Docker、Ollama、モデルのインストール、モデルキャッシュの処理には、技術的なバックグラウンドが全くないユーザーにとってはまだ学習コストがかかります。
8.本当に面白いところは“転写”ではない
AudioNotesを単なる“音声変換ソフトウェア”と考えると、それは過小評価されます。
本当に注目に値するのは、従来のオーディオおよびビデオファイルをAIが理解して照会できるコンテンツキャリアに変換することです。
過去には
録音→ドキュメント→手動で聞く
現在は：
録音→ ASR →テキスト→ AI要約→対話型クエリ
つまり、オーディオとビデオ自体が“インタラクティブデータ”になり始めているということです。
特に、ローカルモデルがますます強力になり、コンシューマグレードのコンピューティング能力が向上するにつれて、このモデルは従来のクラウドAIツールを超えた重要なルートになる可能性があります。
IX.おわりに
AudioNotesは、洗練されたAIプラットフォームを再発明しようとするのではなく、いくつかの成熟した技術コンポーネントを組み合わせたネイティブAIアプリケーションの代表です。FunASRは音声を、Ollamaはコンテンツを、Markdownはメモを、Web UIはインタラクションを担当します。。
“プライバシー”と“AI機能”を1つの製品設計に統合したことが最も印象的です。
会議、インタビュー、レッスン、個人的な録音を頻繁に扱う人にとって、AudioNotesは試す価値のある作業方法を提供します。
録音を保存する文書としてではなく、検索、要約、質問できる個人的な知識の源として扱うことができます。
ソースコードと完全な展開手順はこちらから入手できます。 GitHub 上のAudioNotesリポジトリ 見てください。この記事の機能とデプロイメントに関する情報は、プロジェクトの現在のREADMEおよびDocker Compose構成に基づいています。