Parapper

ParapperはCPU上でリアルタイムに動く音声AIをまとめた、様々なアプリケーションと接続できるデスクトップ向けのアプリケーションです。

ゆかりネットコネクターNEO(以下ゆかコネNEO)に対応しており、動画配信やVRSNSでのコミュニケーションを支えます。

デモ

https://github.com/user-attachments/assets/57383500-09a9-4668-953c-41a956db6971

• Paravo: ずんだもんで音声変換しながらリアルタイムに録画しています。
• 翻訳にはGPT5.4 nanoを使用しています
• ゆかりネットコネクターNEOからOBSに字幕をつけています。
• 3Dモデルはミニずんだもん公式VRMアバターを使用しています。
• VSeeFaceで3Dモデルの動きをキャプチャしています。

特徴

Parapperは、配信やVRChatなど「同じPCで他のソフトと並行して動かす」場面で使いやすいことを目指しています。

• CPUだけで動く: GPUを使わずに音声認識・翻訳連携・読み上げまで完結。配信ソフトやゲーム、VRChatと同じPCで動かしてもグラフィック性能を取り合いません。
• 動作が軽い: メモリやCPUの使用量を控えめにしているので、裏で動かしても他のソフトの邪魔をしにくいです。
• オフラインで動く: 一度モデルをダウンロードすれば、あとは通信なしで使えます。ブラウザの状態や通信環境に左右されません。
• 反応が速い: 話し終わってから字幕が出るまでの遅延が短く、会話や配信のテンポを保ちやすい設計です。
• 発話区切りを柔軟に判定: 無音検出(VAD)に加えて、AIで発話の完了を判定するTurn Detectorに対応。短い間を挟む話し方でも字幕が途中で切れにくくなります。
• 多言語対応: 日本語、英語、その他ヨーロッパ系を含む多言語のASRに対応。UIも日本語/英語に対応しています。
• 設定プリセットですぐ使える: 「文字起こしだけ」「翻訳もする」「読み上げまでする」など、用途別のプリセットから選んで始められます。

できること

• 接続: 認識・翻訳・読み上げの結果をゆかコネNEOに送り、配信の字幕表示や他ツールとの連携に活用できます。VRChatのミュート状態に合わせて送信のON/OFFも切り替えられます。
• NC(ノイズキャンセリング): マイク環境のノイズを抑え、聞き取りやすい音声で認識します。
• VAD / Turn Detector: 喋っているかどうかを判定し、発話の区切りを判定します。
• ASR(音声認識): マイクからの発話をリアルタイムに文字起こしします。
• MT(翻訳): 認識した文を別の言語に翻訳します。
• TTS(読み上げ): 認識結果や翻訳結果を音声で読み上げます。
• その他: 用途別の設定をプリセットとして保存・切り替えできるほか、認識履歴の保存や音声の確認といったログ機能にも対応します。

対応モデル

初回起動時にプリセットを選ぶと、必要なモデルが自動でダウンロードされます。モデルはアプリのデータ領域に保存され、以降はオフラインで利用できます。

• ASR: 日本語(ReazonSpeech / NeMo Parakeet TDT CTC) / 英語 / 多言語(英語を含むヨーロッパ系25言語)
• VAD: 発話区間の検出に対応
• Turn Detector: 日本語 / 英語 / 多言語の発話完了判定モデルに対応(任意)
• 日本語形態素辞書: Namo 使用時の日本語 grammar boundary 判定に対応
• ノイズキャンセリング: 軽量NCモデルに対応(任意)
• ローカルTTS: 日本語・英語を含む多言語の音声合成モデルに対応(任意)

各モデルの名称・対応言語・サイズなどの詳細はdocuments/how-to-use.mdを参照してください。

インストール

Windows

Releasesページから最新の.msiインストーラーをダウンロードして実行してください。

Mac

Releasesページから最新の.zipファイルを展開して実行してください。

使い方

1. アプリを起動します。初回はオンボーディング画面が開きます。
2. UIの使用言語 / UI language で表示言語を選びます。
3. 設定プリセット で最初に使うワークフローを選び、「反映してモデルをダウンロード」を押します。
4. 選んだプリセットに必要な ASR、VAD、Turn Detector、ノイズキャンセリング、TTS モデルがダウンロードされます。
5. 補足: 日本語モデル(ReazonSpeech K2 v2)をint8-fp32で使う場合、ダウンロードする容量はVADと合わせて約170MBです。回線状況によっては少し時間がかかります。
6. メイン画面で入力デバイスを選び、入力音量を確認します。
7. 必要に応じて設定パネルを開き、接続 / NC / VAD / ASR / MT / TTS / その他 / ライセンス を調整します。
8. 「スタート」を押すと認識が始まります。

Turn Detector、ゆかコネNEO、VRChat連携などの詳しい設定はdocuments/how-to-use.mdを参照してください。

開発者向け情報

ビルド方法・配布手順・モデル詳細はdocuments/development-help.mdを参照してください。

配信・動画でのクレジット表記について

本ソフトウェアはMIT Licenseで公開されています。

配信、動画等で本ソフトウェアをご利用いただく場合、クレジットを記載していただけるとモチベーションになります。

関連プロダクト: Paravo

Paravoは、Parakeet株式会社が開発する軽量・高品質なリアルタイムAIボイスチェンジャーです。Parapperと同じくCPUだけで動作し、低遅延で配信・ゲーム・VRChatに組み込みやすいことを重視しています。

「字幕はParapper、声はParavo」のように組み合わせると、CPUだけで完結するリアルタイム配信環境を作れます。詳細はParavo公式ページをご覧ください。

ライセンス

• Parapper: MIT
• ReazonSpeech K2 v2: Apache-2.0
• NeMo Parakeet TDT CTC 0.6B Ja 35000 int8: CC-BY-4.0
• NeMo Parakeet TDT 0.6B v2 int8: CC-BY-4.0
• NeMo Parakeet TDT 0.6B v3 int8: CC-BY-4.0
• sherpa-onnx: Apache-2.0
• Silero VAD: MIT
• Namo Turn Detector v1 Japanese: Apache-2.0
• Namo Turn Detector v1 English: Apache-2.0
• Namo Turn Detector v1 Multilingual: Apache-2.0
• SpeechBrain ECAPA-TDNN VoxLingua107: Apache-2.0
• Vibrato UniDic CWJ 3.1.1 dictionary: see archive license files
• UL-UNAS: MIT
• Piper voices: MIT
• Supertonic 2: OpenRAIL-M
• Supertonic 3: OpenRAIL-M