使っているモデル
この Mac で動くもの
Section titled “この Mac で動くもの”取得するものは、どれもバージョンと sha256 を固定しています。
| 用途 | モデル | 取得元 | ライセンス |
|---|---|---|---|
| 音声認識(既定、32GB 以上) | Qwen3-ASR 1.7B 8bit(MLX) | mlx-community/Qwen3-ASR-1.7B-8bit |
Apache-2.0 |
| 音声認識(MLX の Whisper) | Whisper large-v3-turbo fp16(MLX) | mlx-community/whisper-large-v3-turbo-asr-fp16 |
MIT(OpenAI Whisper) |
| 音声認識(ブラウザの中、予備) | Whisper small(ONNX、transformers.js) | onnx-community/whisper-small |
MIT(OpenAI Whisper) |
| 声の区間の検出 | Silero VAD(ONNX、同梱) | 同梱 | MIT |
| マイクの雑音の抑制 | DeepFilterNet3(ONNX、同梱) | 同梱 | MIT か Apache-2.0 |
| 読み上げ | Qwen3-TTS 12Hz 0.6B CustomVoice 8bit(MLX)。9 つの声 | mlx-community/Qwen3-TTS-12Hz-0.6B-CustomVoice-8bit |
Apache-2.0 |
| 話し終わりと相槌の間合い(MaAI、日本語) | 京都大学 MaAI team の vap_jp_kyoto、bc_det_jp、vap_bc_2type_jp、vap_nod_jp。エンコーダは kyutai の Mimi、CPC の事前学習の重みは facebookresearch/CPC_audio |
Hugging Face の maai-kyoto、dl.fbaipublicfiles.com |
MIT(Mimi は CC BY 4.0) |
| 相槌の種類の判定(日本語) | sbintuitions/modernbert-ja-70m を合成データで fine-tune したもの(ONNX int8) | sakasegawa/asist-aizuchi-ja | MIT |
| 記憶の意味検索 | multilingual-e5 small(ONNX int8) | Xenova/multilingual-e5-small(intfloat/multilingual-e5-small を変換したもの) |
MIT |
読み上げには、ほかに macOS の声と、別のアプリとして動く VOICEVOX、AivisSpeech を使えます。VOICEVOX と AivisSpeech の声には、それぞれの利用規約があります。
API で呼ぶもの
Section titled “API で呼ぶもの”| 用途 | モデル | 提供元 |
|---|---|---|
| 会話、つなぎの一言、履歴の要約 | Claude Sonnet 5、Claude Haiku 4.5、Claude Opus 5 | Anthropic |
| 同上 | GPT-5.6 Luna、GPT-5.6 Terra、GPT-5.6 Sol | OpenAI |
| 同上 | Gemini 3.8 Flash、Gemini 3.5 Flash Lite | |
| 同上 | Qwen 3.8 27B、GPT OSS 120B | Cerebras |
| 声のエンジン | gpt-live-1 |
OpenAI |
| 声のエンジン | gemini-3.8-live |
会話に選べるモデルの一覧と既定は llm-catalog.ts にあります。Agent のジョブと記憶の整理が使うモデルは、codex と claude の CLI が決めます。