BladeRunnerYao/codex-voice-to-text-skill

codex-voice-to-text-skill は何をしますか？

macOS上でローカルのプッシュ・トゥ・トークWhisper音声入力を可能にするCodexスキルです。

概要

このスキルは、OpenAI Codex CLIエージェントにローカルで動作する音声認識機能を追加します。 ユーザーがホットキーを押している間だけマイクから音声を録音し、キーを離すとOpenAI Whisperモデルを使って文字起こしを行い、そのテキストをCodexの入力として送信します。

特徴

• ローカル実行: すべての音声認識がローカルで行われるため、ネットワーク待ち時間がなくプライバシーも保護されます。
• プッシュ・トゥ・トーク: 直感的なホットキー操作で録音の開始・停止を制御します。
• macOS対応: macOS環境に最適化されています。
• Codex連携: 文字起こし結果をCodex CLIエージェントに直接送信します。

前提条件

• macOS環境
• Python 3.8以上
• OpenAI Whisper（ローカルインストール済み）
• OpenAI Codex CLI（セットアップ済み）

インストール方法

# このリポジトリをクローン
git clone https://github.com/BladeRunnerYao/codex-voice-to-text-skill.git
cd codex-voice-to-text-skill

# 依存関係をインストール
pip install -r requirements.txt

使い方

1. スキルを起動します。
2. 設定されたホットキー（デフォルトではCtrl+Shift+Vなど）を押し続けます。
3. マイクに向かって話します。
4. ホットキーを離すと、Whisperが音声をテキストに変換します。
5. 変換されたテキストが自動的にCodexの入力に挿入されます。

カスタマイズ

ホットキーやWhisperのモデルサイズ、録音デバイスなどの設定は、config.yamlファイルを編集して変更できます。

注意事項

• 初回起動時にはWhisperモデルのダウンロードが行われる場合があります。
• マイクのアクセス許可をmacOSのプライバシー設定で有効にする必要があります。

ライセンス

このプロジェクトはMITライセンスの下で公開されています。