コンテンツにスキップ

Guide

Cookbook

Reference

Concepts

音声入力

reyn chat のインライン CUI 向けの音声テキスト変換。faster-whisper で動作します。

4187 で復活（再実装） — この機能がもともと実装されていた Textual TUI

（src/reyn/chat/tui/）は、reyn chat がインライン CUI に移行した際に丸ごと 削除されたため、STT コア（録音 → 変換）はその履歴からほぼそのまま移植しました が、キーバインドと入力欄への結線は現行 CUI 向けに新規実装です。

機能概要

F2 を押すと録音開始、もう一度 F2 を押すと停止・変換します。 変換されたテキストはコンポーザのカーソル位置（既存の下書きより前）に挿入され、 自動送信はされません — オペレーターが確認・編集してから Enter を押します。 録音中に Esc を押すと、変換せずにキャンセルします。voice.max_duration_s （デフォルト 300 秒）を超えて開いたままの録音は、F2 を手動で押した場合と同様に 自動的に停止・変換されるため、マイクの消し忘れが延々と続くことはありません。

Ctrl+R ではなく F2: #4187 の測定により、Ctrl+R は逆方向履歴検索 （reverse-history-search）というターミナル全体の慣習と衝突することが分かり ました（コンポーザは複数行のテキスト入力欄であり、この慣習をユーザーが持ち込 む対象そのものです）。F2 は退役した TUI 自身のエイリアスでもあり、この衝突が ありません。

バックエンド

faster-whisper（HuggingFace の Systran/faster-whisper-<model>）が CTranslate2 経由でローカル・オフライン変換を提供します。モデルは初回使用時に ダウンロードされ、HuggingFace ハブキャッシュにキャッシュされます — 起動後、 最初の「F2 で停止」がこのコストを払います（録音を開始した押下ではありません）。 音声は sounddevice（PortAudio）経由で 16 kHz モノラルでキャプチャされます。 推論は asyncio.to_thread で実行されるため、Textual のイベントループは ブロックされません。

有効化

pip install "reyn[voice]"

ベースインストールでは sounddevice や faster-whisper はインポートされません。 extras なしで F2 を押すと、何も起きない・クラッシュするのではなく、会話ペイン にインストールすべき extra 名を明記したメッセージが表示されます。

設定（reyn.yaml）

voice:
  enabled: true              # false = deps がインストールされていても F2 を無効化
  model: small                # tiny | base | small | medium | large-v3
  language: "ja"               # ISO 639-1 コード。"" または null = Whisper 自動検出
  device: cpu                   # cpu | cuda（Metal バックエンドなし。Mac では cpu を明示）
  compute_type: int8             # int8 | float16 | float32
  cpu_threads: 4                  # Apple Silicon での OpenMP デッドロック回避のため 4 に固定
  num_workers: 1                    # 並列変換ストリーム数 — 1 でメモリ/スレッドを抑制
  sample_rate: 16000                  # Whisper は 16 kHz モノラルを期待 — 変更しないこと
  max_duration_s: 300.0               # 消し忘れた録音をこの秒数後に自動停止・変換

言語検出

デフォルトは language: "ja"（Reyn の日本語エンタープライズ向け用途）。自動検出 を有効にすると、短いクリップは無視できない確率で他の言語と誤認識されます。 Whisper の自動検出に戻すには language: "" または language: null を 設定してください。

制限事項

  • Metal バックエンドなし. faster-whisper は Apple Metal / MPS を サポートしていません。Mac では device: cpu が正しい設定です。
  • 初回使用時のモデルダウンロード. small は約 460 MB です。
  • 無音ゲート. ピーク振幅が 0.005 未満の音声は完全にスキップされます （モデルには一切渡りません）— Whisper は純粋なノイズで幻覚を起こすためです。 Textual 自身の VAD フィルタも同じ理由で無効化されています（静かだが実際の 発話をノイズより高い頻度で棄却してしまうため）。
  • ディクテーション送信・デバッグモードなし. 退役した TUI の後発コミットで 追加された機能（録音中の Enter で停止・変換・送信を 1 回のキー操作で行う機能、 キャプチャ音声をディスクに保存する REYN_VOICE_DEBUG 環境変数）は移植して いません — #4187 では STT コアのみを移植し、インタフェース結線は現行 CUI 向けに必要な分だけ新規実装しました。欲しければ後日追加できます — ここには それを妨げるものはありません。

参照

  • src/reyn/interfaces/inline/textual_chat/voice.py
  • src/reyn/config/media.py — VoiceConfig

On this page