chicogong/ffvoice-engine

ffvoice-engine とは？

chicogong/ffvoice-engineは、AIエージェントがオフライン環境で音声認識（ASR）と話者分離（Speaker Diarization）を実行できるようにするツールです。Whisper ASRをベースに、MCP（Model Context Protocol）サーバー、CLI、Pythonバインディングを提供し、エージェントが音声ファイルやリアルタイム音声ストリームを処理できるようにします。主な利点は、すべての処理がローカルデバイス上で完結するため、インターネット接続やクラウドAPI不要でプライバシーが保たれることです。Claude Code、Cusor、CodexなどのAIプログラミングエージェントと統合でき、会議の文字起こし、音声コマンド処理、マルチスピーカー対話の記録などに活用できます。内部的には、WhisXによる話者埋め込み抽出と、カスタムMCPサーバーによるシームレスなツール呼び出しを実現しています。