出来事の日付：2026年7月19日。 文字起こしアプリ「Handy」の開発者が、デスクトップおよびモバイルの各プラットフォームでローカル自動音声認識を容易に出荷できるようにすることを目的としたC／C++ライブラリ「transcribe.cpp」を発表した。最初のv0.1.0リリースはggmlを使用しており、コミュニティーによるテストが必要な未完成部分を伴う初期段階のソフトウェアであることが明記されている。
このプロジェクトは、メンテナーが断片化した推論スタックを用いてHandyを配布する際に直面した困難から生まれた。既存の選択肢にはwhisper.cppとONNXがあり、AppleのMLXを採用すれば、保守すべきエンジンがさらに増える可能性があった。新ライブラリは、幅広いモデルへの対応、ハードウェアアクセラレーション、デモではなくアプリケーションに適した小規模な配布フットプリントの両立を目指す。対象としてmacOS、Windows、Linuxが挙げられている。
精度の検証は、このリリースの中心的要素である。プロジェクト作者によると、Hugging Face上のhandy-computer組織を通じて公開されるすべてのモデルは、その参照実装と数値的に照合されている。チームはさらに、数千件の発話を対象に単語誤り率の網羅的な測定を行い、結果をリポジトリおよびモデルファイルとともに公開している。これらは開発者が報告したテストだが、変換済みモデルが正常に動作しても、元の実装と異なる結果を生成する可能性があるという実務上の懸念に対応している。
ライブラリには、Fedora上でCPUとVulkanを使用したRyzen 4750Uシステム、およびApple M4 Maxでのベンチマークが含まれる。メンテナーは、実用的なローカルアプリケーションにとってGPU推論は最低限必要な要件だと考えているため、Vulkan対応を優先した。作者はまた、RK3566搭載システムがCPU上でリアルタイムを上回る速度で文字起こしできると報告しており、低消費電力デバイスを重視するプロジェクトの姿勢を示している。
Whisper.cppとの互換性はインターフェースに影響を与えた。transcribe.cppは広く利用されている`.bin`モデルファイルを実行でき、一般的な置き換え用途の大半をカバーすることを意図しているが、whisper.cppの一部のフラグや機能にはまだ対応していない。公式の言語バインディングも設計の一部である。HandyではRustが直ちに必要とされ、メンテナーは初期対応として4言語を選ぶ一方、他言語の保守を担う貢献者を募っている。
このプロジェクトは、Mozilla AIのBuildersインキュベータープログラム、ggmlの貢献者、誤り率テストに利用されたModalのクレジットから支援を受けた。より広い提案価値はプライバシーと移植性にある。音声録音を常にクラウドサービスへ送信しなくても、ユーザー自身のハードウェア上で正確な文字起こしを行える。
