音声入力Obsidianプラグイン Voice Input

文字起こしプラグイン（AI Transcriber）を作成してみて、GPT-4o Transcribeの性能が良く、音声入力のプラグインもあったら良いかもと思って作ったObsidianプラグインです。
今回はWhisper APIは使わずGPT-4o Transcriberのみ、補正も固定の置換辞書のみ、とシンプルな設計としました。

（New）Obsidianだけでなくどんなアプリにも音声入力ができるMac/Win対応ソフトをリリースしました。
ぜひこちらも試してください。
Blitzmemo

インストール

次のどちらかの方法でインストールできます。

Obsidianアプリから：設定 → コミュニティプラグイン → 閲覧を開き、Voice Inputを検索してインストールし、有効化してください。
Communityサイトから：Voice InputのCommunity Pluginページを開き、Add to Obsidianを押してください。Obsidianが開き、インストールできます。

設定

まず、OpenAI APIキーを設定します。
入力欄に入力して、接続テストボタンを押して、成功すれば準備完了です。

使用方法

コマンドパレットからVoice Inputの「ビューを開く」を選択してください。右にパネルが表示されます。

音声入力方法

音声入力方法として
開始ボタンを押すと連続して録音して、もう一度押すまで録音が継続されるモード
開始ボタンを長押しすることで、押している間だけ録音されるモード
があります。長いフレーズであれば、1つ目。ちょっとしたコメントであれば2つ目のやり方が便利です。

録音を開始すると次の図のような状態になります。
音声入力が完了したら赤い停止ボタンを押すと文字起こしが開始されます。
文字起こしをせずにストップするならばキャンセルボタンを押します。キャンセルボタンを押すことで、APIコストをかけずにすみます。
連続した音声入力でも、変換中の場合でも次々に音声入力を開始しても問題ありません。

辞書による補正の使い方

機械的な置換による補正の設定が可能です。辞書補正のトグルをオンにして、カスタム辞書に単語を登録するだけです。
AIの癖で毎回違う単語としてに読み取られてしまう単語などを登録しておくと便利です。