疑問に、
お答えします。

どこにも送られません。音声も、その結果のテキストも、お使いのコンピュータに留まり、アップロードされることは決してありません。マイクが有効になるのは録音中だけで、その後DijiFlowは入力中のアプリにテキストをそのまま挿入します。アプリ内にはテレメトリーも、分析も、クラッシュレポートもなく、利用にあたってアカウントも必要ありません。

はい。すべてがオンデバイスで動作するため、プライバシーの保証は約束ではなく検証可能です。いったん音声モデルをダウンロードすれば、音声入力もファイルの文字起こしもネットワークアクセスをまったく必要としません。これはご自分でも確認できます — Wi-Fi（またはネットワーク接続そのもの）をオフにして、文字起こしが動き続ける様子をご覧ください。何も端末から出ていかないので、あなたの利用状況に関するサーバー側の記録は、そもそも残りようがありません。

いいえ。アプリにはテレメトリーも、分析も、クラッシュレポートもありません — 外部に通信することはありません。アカウントの作成もサインインも不要です。（別の話として、DijiFlowのウェブサイトは通常のShopifyストアであり、注文の処理やサイトトラフィックの計測のためにCookieと分析を使用しています。それはアプリとはまったく独立しており、アプリはそのどちらも使いません。）

あなた自身のマシン上です。ファイルはまず文字起こしされ、次に翻訳されます。どちらもあなたのコンピュータ上で行われ、音声もテキストもサーバーへは送られません。翻訳エンジンは、ある言語が必要とするときにダウンロードされ、英語出力にはエンジンがまったく要りません。

ごくわずかで、しかもすべてローカルに保持されます。アクティベーションで保存されるのは、ライセンスキーのハッシュとハードウェアIDのハッシュだけで、お使いのコンピュータ上に保管されます — サーバー側のプロフィールも、何を文字起こししたかの記録もありません。ハードウェアIDは、あなたの名前やメールアドレスではなく不透明な識別子で、ライセンスが妥当な台数の端末で使われているかを確認するためだけに用いられます。

非常に適しています。音声もテキストも決してお使いのコンピューターから出ないため、録音を処理する第三者は存在せず、守るべきクラウド上のコピーもありません — データ所在地や GDPR 相当の義務が重要となる、法務、医療、その他の機密性の高い音声入力業務に向いています。当社がお客様に代わって正式な認証を主張することはできませんが、オンデバイスで、アカウント不要、テレメトリーなしという設計が、通常のクラウド文字起こしにつきまとうプライバシーリスクを取り除きます。組織全体への展開については、法人ライセンスのオプションをご覧ください。

音声入力には2つの方法があり、お好みで選べます。プッシュ・トゥ・トーク：話している間ホットキーを押し続け、終わったら離します — 短いひと言や素早い返信に最適です。トグル：一度押して開始し、もう一度押して停止します — キーを押し続けたくない長めの文章に向いています。どちらも、完成したテキストをカーソルのある場所に、どのアプリでも挿入します。

はい。DijiFlowは、カーソルがあるアプリならどこへでも音声を入力します — メール、チャット、ドキュメント、コードエディタ、ブラウザの入力欄、メモなど、文字を入力できる場所ならどこでも。特定のプログラムに縛られることはありません。メニューバーに常駐してグローバルホットキーを待ち受けるので、ウィンドウを切り替えたり先にアプリを開いたりせずに音声入力ができます。

はい。ライブの音声入力に加えて、DijiFlowは既存の音声ファイルや動画ファイルも、すべてお使いのコンピュータ上で文字起こしします — アップロードはありません。無料版では最長3分までのファイルに対応し、Proではその制限がなくなり、ファイルと動画を無制限に文字起こしできます。長時間の録音、インタビュー、会議もローカルで処理できます。

4つです。.srt または .vtt の字幕ファイル、プレーヤーでオン・オフを切り替えられる字幕トラック付きの動画、または動画と一緒にどこへでも運べるよう映像に焼き込んだ文字。ファイル文字起こしタブを開き、ファイルをドロップし、出力を字幕に設定して、形式を選びます。すべてあなた自身のコンピュータ上で作られます。

音声入力は90以上の言語を認識します。字幕と翻訳はそのうち29言語をカバーし、各ピッカーは弱いペアをベータまたは精度が低いと表示するので、始める前に何が期待できるか分かります。語彙サポートも29言語をカバーします。

はい、Proで対応しています。Proでは、文字起こしに話者ラベル（誰が何を話したか）とタイムスタンプが追加され、インタビュー、会議、複数人での録音がはるかに読みやすく、参照しやすくなります。どちらも、ほかのすべてと同じくオンデバイスで動作します。これらの機能は無料版には含まれません。

はい、Proで対応しています。独自のカスタム用語を追加し、語彙パックを使うことで、名前、ブランド、製品名、業界の専門用語が、音だけで推測されるのではなく正しく文字起こしされます。これは、専門的な語彙が頻繁に出てくる医療、法務、技術系の業務で大きな違いを生みます。

90+言語に対応し、多言語モデルの自動選択により、手動で1つを選ぶ必要はありません — DijiFlowが聞き取った内容に合わせて適切なモデルを選びます。90+言語すべてが無料版で利用できます。Proでは、最も大きく精度の高いモデル（Large-v3を含む）が追加され、アクセント、専門用語、長時間の録音で最良の結果が得られます。

DijiFlowは、OpenAIのWhisper音声認識モデルをWhisperKitとAppleのCoreMLを通じて実行します。そのため、文字起こしはリモートサーバーではなくお使いの端末上で行われます — MacのGPUとNeural Engine、あるいはPCのAMD、Intel、NVIDIAのGPUです。その結果、クラウドへの往復のない、高速で正確な、完全オンデバイスの文字起こしが実現します。

クリアな音声では、精度はおよそ98%です。実際の結果は、マイク、周囲の雑音、アクセント、選んだモデルによって変わります — 難しい音声では、より大きなモデルのほうが精度が上がります。Proではカスタム語彙を追加でき、名前や専門用語が正しく文字起こしされるので、専門的な作業での精度がさらに高まります。

ピッカー内のラベルです。字幕と翻訳は29言語をカバーし、成績が振るわないペアは言語ピッカー自体でベータまたは精度が低いと表示されるので、選ぶその瞬間にラベルが見えます。表示のあるペアも動作します。公開する前に結果を読むことを見込んでおいてください。

リアルタイムの何倍も高速です。ProのGPU高速化 — MacではApple Neural Engine、WindowsではAMD、Intel、NVIDIAのGPU — により、DijiFlowは音声を再生するのにかかる時間の何倍も速く処理するので、ライブの音声入力は瞬時に感じられ、長いファイルの文字起こしもすぐに終わります。無料版はCPU処理を使うため遅くはなりますが、機能は完全に揃っています。

日常の音声入力には、より小さなモデルでも十分に高速かつ正確で、これが標準になっています。強いアクセント、専門用語や医療用語、長時間の録音など、最高の精度が必要な場合は、より大きなモデルを選んでください。Proでは、Large-v3を含む最大のモデルが解放され、大きなモデルでも応答性を保つGPU高速化と併せて利用できます。

はい。DijiFlow DictateはMacとWindowsの両方で動作します。WindowsはAMD、Intel、NVIDIAのGPUに対応しています（NVIDIAにはCUDAのインストールが必要で、AMDとIntelには最新のドライバが必要です）。1つのProライセンスで両方のプラットフォームをカバーします。

字幕、端末内翻訳、5つの言語スロットは、まずMac版にあります。これらの機能を備えたWindows版は、Mac版のあとに続きます。今日のWindowsができることはそのまま動き続けます。

DijiFlowは、Apple Silicon（M1以降）上のmacOS 14（Sonoma）以降で動作します。オンデバイスの文字起こしにMetal GPUとNeural Engineを利用するため、Apple Siliconが必須です — Intel Macには対応していません。Windowsでは、DijiFlowはWindows 10または11（64ビット）で動作し、高速化にGPUを使用します。NVIDIAはCUDA経由、AMDとIntelは最新ドライバ経由です。アプリ本体は軽量なダウンロードです。音声モデルは別で、初回利用時に一度だけダウンロードされます。baseモデルは約300 MB、最大のもの（Large-v3）は約6 GBです。DijiFlowはメニューバーに常駐し、ホットキーを押せばいつでも使えます。