ダウンロードを始める場所
- モデルの選択画面：LOCALのモデルをハイライトして「ダウンロードして選択」を押します。行と詳細にパーセントが出て、終わるとそのモデルが動きます。
- 言語キーの下：選んだモデルがまだパソコンにないとき（「自動 — 言語別」なら、モデルが1つもないとき）、「ダウンロードが必要：」に続けて名前とサイズが出て、ダウンロードボタンのある帯が表示されます。
- Voskの言語キー：その言語のモデルをダウンロードします。
選択画面を閉じても、ダウンロードは止まりません。モデルがディスクに入るまでのあいだ、LOCALは、すでにあるモデルのうち最も良いものを使います。
サイズ
| モデル | ダウンロード |
|---|---|
| T-one | 約144MB |
| GigaAM v3 | 約232MB |
| Parakeet v3 | 約670MB |
| Vosk | 言語ごとに1モデルで、31～133MB。多くは40～50MBほど、最大はウクライナ語 |
| Whisper | 選ぶサイズによって75MB～1,031MB |
Whisperのサイズ
Whisperには5つのサイズがあります。選択画面では、ダウンロードする前にWhisperの詳細でサイズ（Tiny、Base、Small、Turbo、Large）を選びます。FILES画面には、同じサイズが長めの名前で並んでいます。大きいほど誤りは減りますが、処理は遅くなります。
| サイズ | FILESでの名前 | ダウンロード | 向いている用途 |
|---|---|---|---|
| Tiny | 瞬速 · Tiny | 75MB | 動作の確認、はっきりした英語 |
| Base | 高速 · Base | 142MB | 音のきれいな、簡単な録音 |
| Small | バランス · Small | 466MB | グラフィックカードのないパソコン |
| Turbo | 最良 · Large v3 Turbo | 547MB | おすすめのサイズ。Largeにほぼ並ぶ精度で、数倍速い |
| Large | 最高精度 · Large v3 | 1,031MB | 雑音、なまり、複数の話者がいる録音。遅い |
音声入力とFILES画面は同じWhisperのファイルを使うので、片方でダウンロードしたサイズは、もう片方でもすぐ使えます。
Whisperとグラフィックカード
パソコンの性能の影響を受けるのはWhisperだけです。選択画面に、何で動くかが表示されます。
- NVIDIAのグラフィックカードがあると、「CUDA をダウンロード」というCUDAモジュールの案内が出ます。これを入れると、Whisperは10倍以上速く動きます。
- NVIDIAのカードがないと、「NVIDIA グラフィックカードが見つかりません：Whisper はプロセッサーで動き、どの言語でもとても遅くなります。」と警告されます。そういうパソコンでオフライン音声入力をするなら、Parakeet v3、GigaAM v3、T-one、Voskのほうが向いています。
ほかのオフラインモデルはプロセッサーで動き、グラフィックカードは要りません。
モデルの保存場所
すべてWindowsのプロファイルの%AppData%の中にあるVoiceKeyboardフォルダーに入ります。Whisperのファイルはmodelsに、ほかの音声入力用モデルはmodels\liveにあります。モデルが動いているあいだ、データはどこにも送られません。
ダウンロードに失敗したとき
行に「ダウンロードに失敗しました：」と理由が表示されます。インターネット接続を確認して、もう一度ダウンロードボタンを押してください。ディスク上のモデルが起動しないときは、「ローカルモデルを起動できませんでした。もう一度ダウンロードしてください。」と表示されます。