Windowsのプロフェッショナル向けの音声駆動のグローバルなディクテーションと編集
音声でテキストを入力および編集するグローバルオーバーレイを持つ任意のWindowsアプリに話しかけてください。ホールド・トゥ・スピークとトグルホットキーの両方をサポートしています。Konrad Dallaによってユーティリティツールカテゴリのために作られたDimmyは、高精度の文字起こしを提供し、選択したテキストを編集したり、構造化された要約を生成するためのコマンドモードと会議モードの2つの専用モードを備えています。プライバシーのためのローカルデバイスモデルとオプションのクラウドバックエンドを提供し、アプリケーション間の音声入力と自動ノートキャプチャを必要とする作家、開発者、頻繁に会議に参加する人々を対象としています。
Dimmyはアプリ間で実際に何をしますか？
Dimmyは音声をキャプチャし、任意のアクティブなWindowsアプリケーションにテキストを注入します。これにより、ディクテーションのためにウィンドウを切り替える必要がありません。このツールは、リクエストに応じて選択したテキストを再構成または変換するコマンドモードと、通話を記録し、構造化された要約とアクションアイテムを生成するミーティングモードを提供します。また、専門用語のためのカスタム辞書を受け入れ、複数のAIバックエンドをサポートしており、ローカルまたはクラウドのトランスクリプションワークフローを可能にします。
トランスクリプション中にシステムパフォーマンスに影響を与えますか？
パフォーマンスは処理の選択によって異なります：ローカルのデバイスモデルはデスクトップ環境内で実行され、クラウドプロバイダーはデバイス外で処理を行います。このアプリはWinUI 3とRustで構築されたネイティブWindowsアプリであり、その軽量でネイティブな統合と報告されたトランスクリプションの速度を説明しています。クラウドプロバイダーを選択すると、CPUの負荷がPCから外れ、ローカルモデルはリアルタイム推論のためにデバイスリソースを使用します。
Dimmyは機密音声やテキストを使用するのに安全ですか？
プライバシーコントロールにより、音声をマシンに保持できます：Dimmyは完全にローカルなトランスクリプションモデルをサポートしているため、音声はデバイスから出ることはなく、ユーザーが独自のAPIキーを提供する場合はオプションのクラウド処理も提供します。オープンソースのAGPL-3.0コアはデータの取り扱いについての透明性を提供し、持ち込みキー（Bring Your Own Key）モデルは外部プロバイダーを使用する際に制御するAPI資格情報を意味します。
Dimmyを操作するために技術的な知識が必要ですか？
基本的なディクテーションは最小限のセットアップで動作し、高度なモードには設定が必要です。グローバルホットキーと基本的なディクテーションはすぐに使用可能ですが、コマンドモードとミーティングモードは有効にする必要があり、クラウド使用の場合はプロバイダーキーを提供する必要があります。要約を送信するためのNotionやObsidianとの統合が利用可能で、カスタム辞書により、ユーザーは専門用語の精度を向上させることができ、これによりこれらのオプションを設定できる専門家に利益をもたらします。
明確なターゲットユーザーと1つの顕著な注意点
Dimmyは、アプリケーション間の音声入力と音声駆動のテキスト変換を必要とする専門家にサービスを提供し、プライベートでローカルな文字起こしを提供し、オプションのクラウド速度を提供します。主なトレードオフは、会議の要約やインプレースコマンド変換などの高度なワークフローフィーチャーが、アクセスするために有効にする必要があるProティアの背後にあることです。迅速なアプリ間音声入力を必要とする人にとって、Dimmyは信頼できるデスクトップユーティリティとして機能します。
