whisper-input

F9キーを押している間だけ録音し、離したら自動で文字起こし → 入力中のテキストボックスに貼り付けるツール。
Claude.aiなどへの音声入力用途で作った。

---

動作環境

項目	内容
OS	Ubuntu 24.04 LTS
GPU	NVIDIA CUDA対応GPU（RTX 3060で動作確認済み）
Python	3.12系

GPUなし（CPU推論）でも動くが、文字起こしに数十秒かかるため実用困難。

---

機能

• F9長押しで録音開始、離したら自動で文字起こし
• テキストボックスへの自動貼り付け（Ctrl+Vが自動送信される）
• 押している間だけマイクがON（常時マイク有効にならない）
• デスクトップアイコンからON/OFFトグル（ローカルLLMとのVRAM競合回避）
• 通知ポップアップで起動/停止の状態確認

---

セットアップ

詳細はドキュメントを参照。

Step 1: システムパッケージ

sudo apt install -y ffmpeg xclip portaudio19-dev xdotool libcublas12

Step 2: venv構築

sudo apt install -y python3.12-venv
python3 -m venv ~/whisper-input/venv
source ~/whisper-input/venv/bin/activate

Step 3: Pythonパッケージ

pip install faster-whisper sounddevice numpy pyperclip pynput

Step 4: スクリプト配置

cp whisper_input.py ~/whisper-input/
cp toggle.sh ~/whisper-input/
chmod +x ~/whisper-input/toggle.sh

Step 5: 起動

source ~/whisper-input/venv/bin/activate
python3 ~/whisper-input/whisper_input.py

---

使い方

1. ブラウザでClaude.aiを開き、テキストボックスをクリック
2. F9を押しながら話す
3. F9を離す → 数秒後に自動貼り付け

---

ON/OFFトグル（ローカルLLMとの併用）

ローカルLLM（Ollama等）と同時起動するとVRAMが競合する可能性があるため、デスクトップアイコンから手動でON/OFFを切り替えられる。

# トグル（起動中なら停止、停止中なら起動）
~/whisper-input/toggle.sh

デスクトップアイコンからの実行はドキュメントを参照。

---

設定

whisper_input.py の設定セクションで変更可能。

設定項目	デフォルト	説明
MODEL_SIZE	large-v3	モデルサイズ（small / medium / large-v3）
DEVICE_TYPE	cuda	推論デバイス（cuda / cpu）
COMPUTE_TYPE	float16	精度（float16 / int8）
HOTKEY	keyboard.Key.f9	録音トリガーキー
PASTE_DELAY	0.3	文字起こし後の貼り付けまでの待機秒数

モデルサイズの目安（RTX 3060 12GB）

モデル	VRAM	速度	精度
small	~1GB	速い	△
medium	~3GB	速い	○
large-v3	~6GB	速い	◎

---

ドキュメント

ファイル	内容
docs/faster-whisper-setup.md	基本セットアップ手順（What/Why/How）
docs/whisper-toggle-setup.md	ON/OFFトグル環境セットアップ手順

---

ファイル構成

whisper-input/
├── whisper_input.py       # メインスクリプト
├── toggle.sh              # ON/OFFトグルスクリプト
├── README.md
└── docs/
    ├── faster-whisper-setup.md
    └── whisper-toggle-setup.md