拾音
Windows の議事録アプリ
録音、文字起こし、議事録の作成まで、すべて PC の中で。
各項目のタイムスタンプをクリックすれば、実際の発言を聞けます。
会議中は、文字起こしを見ながら録音
「Record」（Ctrl+R）を押すと録音が始まり、話し終えて数秒で文字起こしが表示されます。オンライン会議では録音のソースを「Microphone + computer audio」にすると、Zoom、Meet、Teams の相手の声も録音でき、ボットを会議に参加させる必要はありません。Teams や Zoom で会議が始まると、録音するかどうか確認されます。
右側にメモを取れます。改行するたびにその時点の録音時間が付きます。大事なところは「Bookmark」、ほかのアプリからは Ctrl+Alt+Shift+B でも付けられます。ウインドウを閉じても拾音はシステムトレイに残り、録音は止まりません。
録音を止めたら、PC で正式に文字起こし
録音を止めると、拾音が PC の中でもう一度文字起こしします。リアルタイムの文字起こしより正確で、話者も区別します。「Speaker 1」を名前に変えれば会議全体に反映され、その声を覚えて次の会議から名前を自動で入れます。
日本語の会議は Whisper、中国語と英語は Breeze ASR 25 を使います。製品名や人名を用語集に入れておくと、文字起こしで参考にします。
NVIDIA のグラフィックスカードがある PC では、GPU アクセラレーション（約 685 MB）を自動でダウンロードし、GPU で文字起こしします。40 分の会議が RTX 3060 で約 8 分（CPU だけでは約 30 分）でした。NVIDIA のカードがなくても使えますが、時間がかかります。
議事録にまとめ、不確かな点は質問してくれる
録音を止めるとすぐ、リアルタイムの文字起こしから下書きをまとめ、正式な文字起こしが終わると正式版に置き換えます。要約、決定事項、ToDo、未解決の課題に分かれています。各項目にはタイムスタンプが付いていて、気になったらクリックしてその場面から聞き直せます。
AI が確信を持てない人名、固有名詞、担当者、期限は「To confirm」に一覧され、答えるとその内容で議事録が修正されます。聞き間違えた可能性のある語も文字起こしに印が付き、「Accept」を押すまで変更されません。
探したいことがあれば、「予算はいくらに決まった？」のように会議に質問できます（「Ask」タブ）。答えにはタイムスタンプが付き、すべての会議にまとめて質問することもできます。
テンプレートは一般的な会議、1on1、インタビュー、講義・講演、ブレインストーミングのほか、自分で作ることもできます。議事録は直接編集でき、変更のたびに版が残ります。
録音は PC の外に出ません
文字起こしと話者の識別は PC の中で行われ、インターネット接続は不要です。議事録をまとめるときと会議に質問するときだけ、選んだまとめツールにテキストが送られます。
PC に残るもの
- 録音ファイル
- 文字起こし、話者の識別
- 覚えた話者の声
- すべての会議と議事録
選んだまとめツールに送られるもの
- 文字起こしのテキスト
- 自分のメモ、用語集
- 会議のタイトル、日付
まとめツールに Claude Code か Codex を選べば、お使いの Claude や ChatGPT のサブスクリプションをそのまま使えます。Anthropic や OpenAI の API も使えます。「Don’t summarize」を選べば文字起こしだけを残します。
また、匿名の利用統計（バージョンや利用時間など。会議の内容は含みません）を 1 日 1 回開発者に送ります。Settings → Advanced でオフにできます。
Windows 版のダウンロード
- バージョン
- 4.0.0GitHub のリリースノート
- システム
- Windows 11（x64 または ARM）
- メモリ
- 8 GB 以上
- ディスク容量
- モデル約 2 GB（初回使用時にダウンロード。それまでは Quick recognition を使います）。NVIDIA のカードがあるときは GPU アクセラレーション用にさらに約 1.1 GB、日本語の会議用にさらに約 570 MB
- グラフィックス
- 不要。NVIDIA のカードがあれば自動で文字起こしに使います
- 表示言語
- 英語、繁体字中国語（日本語表示には対応していません）
- 価格
- 無料、MIT ライセンスのオープンソース
PC の性能
- NVIDIA のグラフィックスカードがあれば最速：40 分の会議が RTX 3060 で約 8 分でした。ビデオメモリは 4 GB 以上を推奨します（文字起こしモデルは約 1.7 GB）。NVIDIA のドライバーは 527 以降が必要で、古い場合は CPU で文字起こしします。
- CPU だけだと時間がかかります：同じ会議が同じデスクトップの CPU だけで約 30 分でした。ノート PC や古い CPU ではさらに長く、会議そのものより長くなることもあります。文字起こしは最大 8 スレッドを使うので、コアが多いほど速くなります。Snapdragon などの ARM の PC は CPU だけを使います。
- 急ぐときは：「Settings → Recording」で「Transcription」を「Quick recognition」にすると、ずっと速くなりますが、精度が下がり、用語集も使いません。
- 録音中は軽い：リアルタイムの文字起こしは CPU コア 1 つの約 3 分の 1 しか使いません。正式な文字起こしはバックグラウンドで行うので、その間も PC を使えます。
Shiyin-4.0.0-win-x64-Setup.exe をダウンロード
インストール：
- ダウンロードしたインストーラーをダブルクリックします。管理者権限は不要で、数秒でインストールされ、スタートメニューとデスクトップに拾音が追加されます。
- 「Windows によって PC が保護されました」と表示されたら「詳細情報」→「実行」を押します。拾音にはまだコード署名がないため、新しいアプリは最初に一度止められます。
- 初めて開くとガイドが表示されます。マイクの許可、モデルのダウンロード、まとめツールの選択を行います。
「スマート アプリ コントロール」がオンのときは、署名のないアプリはそのままブロックされ、「実行」ボタンも出ません。「Windows セキュリティ」→「アプリとブラウザーの制御」→「スマート アプリ コントロールの設定」でオフにするか、署名付きのバージョンをお待ちください。
新しいバージョンが出ると、アプリの中で更新するかどうか確認されます。
拾音は個人のオープンソースプロジェクトです。役に立ったら GitHub でスターを付けてください。もっと多くの人に届きます。コーヒーをおごっていただくこともできます。
最近のアップデート
4.0.02026年10月22日
- Recording (microphone and computer audio, so both sides of an online meeting), live transcript, transcription on this PC, speaker identification, meeting notes and export, with the same features as Mac 4.0
- Runs on Windows 11 x64 and ARM64 PCs; with an NVIDIA graphics card, Shiyin downloads an add-on that makes transcription much faster
- The installer isn't code-signed: if “Windows protected your PC” appears, click “More info” → “Run anyway”
- When a new version is out, Shiyin asks you in the app whether to update
よくある質問
料金はかかりますか？
拾音は無料です。議事録のまとめには、ご自身の Claude、ChatGPT のサブスクリプションか API の利用枠を使います。「Don’t summarize」を選べば文字起こしだけになり、費用はかかりません。
NVIDIA のグラフィックスカードがなくても使えますか？
使えます。文字起こしは CPU で行うので時間がかかり、40 分の会議がデスクトップで約 30 分、ノート PC ではさらにかかります。AMD、Intel のグラフィックスも今のところ CPU を使います。急ぐときは「Settings → Recording」で「Transcription」を「Quick recognition」にすると、ずっと速くなりますが精度は下がります。
Windows にブロックされるのはなぜですか？
拾音にはまだコード署名がなく、SmartScreen は署名のない新しいアプリを一度止めます。「詳細情報」→「実行」でインストールできます。「スマート アプリ コントロール」がオンのときは「実行」が出ないので、先にオフにするか、署名付きのバージョンをお待ちください。
Mac と Windows で会議を移せますか？
はい。片方で .shiyin パッケージを書き出し、もう片方で読み込むと、録音、文字起こし、話者の名前、議事録、メモがそのまま移ります。覚えた話者の声は移りません。両者で認識モデルが違うためです。
インターネット接続は必要ですか？
録音、文字起こし、話者の識別には不要です。モデルの初回ダウンロード、議事録のまとめ、会議への質問には必要です。
Windows 10 で動きますか？
動きません。Windows 10 はサポートが終了しており、パソコンの音声の録音（拾音自身の音を除く）に Windows 11 の機能を使っています。