Voice Input Plugin for Obsidian

High-accuracy voice input for Obsidian. Uses OpenAI GPT-4o Audio Transcriptions to transcribe speech (optimized for Japanese) and insert into your notes with one click or push-to-talk.

Features

• One‑click recording: start/stop from a microphone ribbon icon
• Push‑to‑talk: long‑press to record, release to stop
• Model selection: GPT‑4o Transcribe or GPT‑4o mini Transcribe
• Language separation: independent UI language and voice recognition language settings
• Auto language detection: automatic voice recognition language based on Obsidian locale
• AI post‑processing: optional dictionary-based cleanup (applied to all languages when enabled)
• Quick controls in view: copy/clear/insert at cursor/append to end
• Auto‑save drafts: periodic and on blur, automatic restore
• Multilingual support: Japanese, English, Chinese, Korean interface languages

Requirements

• OpenAI API key (Audio Transcriptions)
• Internet connectivity
• Obsidian desktop (Windows/macOS). This plugin is desktop‑only.

Note: OpenAI usage is billed by API.

Installation (manual)

1. Download the latest assets from Releases
2. Copy main.js, manifest.json, styles.css, fvad.wasm, fvad.js
3. Place them under <vault>/.obsidian/plugins/voice-input/
4. Restart Obsidian and enable the plugin

Commands

• Open Voice Input (open-voice-input): opens the Voice Input view. Assign a hotkey from Obsidian’s Settings → Hotkeys if desired.

Usage

1. Open the view

• Click the microphone ribbon icon, or run “Open Voice Input”.

2. Record

• Click “Start Voice Input” to toggle recording, or use push‑to‑talk: long‑press the record button (starts after a short threshold), release to stop.

3. Use the result

• Copy, Insert at Cursor, or Append to End of the active note. Clear resets the area.

Tip: A settings gear in the view header opens the plugin’s settings.

Settings

• OpenAI API Key: stored locally (encrypted at rest)
• Transcription Model: gpt-4o-transcribe or gpt-4o-mini-transcribe
• Transcription Language: Auto/Japanese/English/Chinese/Korean (auto-detection recommended)
• AI Post‑processing: enable dictionary‑based cleanup (applied to all languages when enabled)
• Maximum Recording Duration: slider (default 5 min)
• Plugin Language: English/Japanese (controls UI display only, auto‑detected from Obsidian, adjustable)

Security & Privacy

• Processing in memory; audio is not written to disk by the plugin
• HTTPS for all network requests (via Obsidian’s requestUrl)
• API key is encrypted for storage

See also OpenAI’s Privacy Policy.

Troubleshooting

• Microphone not recognized: allow mic access and restart Obsidian
• Transcription fails: verify API key, connectivity, and OpenAI credit
• Quiet audio: move closer to the mic and reduce background noise

Development

• Install deps: npm ci
• Build: npm run build-plugin (outputs build/latest/)
• Deploy locally: npm run deploy-local (copies to detected vaults)
• Analyze unused code (build-time): npm run analyze:unused

Documentation

• Processing flow visualization: see docs/PROCESSING_FLOW.md

Third‑party licensing: see THIRD_PARTY_LICENSES.md.

—

Voice Input Plugin for Obsidian（日本語）

高精度な音声認識でメモを作成できるプラグインです。OpenAI GPT‑4oの音声文字起こしを使用し、日本語に最適化した文字起こしを行います。

機能

• ワンクリック録音（リボンのマイクアイコン）
• プッシュトゥトーク（長押しで録音開始、離して停止）
• モデル選択（GPT‑4o Transcribe / GPT‑4o mini Transcribe）
• 言語設定の分離（UI言語と音声認識言語を独立設定）
• 自動言語検出（Obsidianロケールに基づく音声認識言語の自動検出）
• AI後処理（辞書ベースの補正、日本語のみ適用）
• ビュー内のクイック操作（コピー/クリア/カーソル位置へ挿入/末尾へ追記）
• 自動保存（定期保存とフォーカス外れ時）。再オープン時に自動復元
• 多言語サポート（日本語、英語、中国語、韓国語のインターフェース）

必要条件

• OpenAI APIキー（Audio Transcriptions）
• インターネット接続
• Obsidianデスクトップ版（Windows/macOS）。本プラグインはデスクトップ専用です。

※ OpenAI APIの利用には課金が発生します。

インストール（手動）

1. Releases から最新版を取得
2. main.js、manifest.json、styles.css、fvad.wasm、fvad.js を配置
3. <Vault>/.obsidian/plugins/voice-input/ に置く
4. Obsidianを再起動し、プラグインを有効化

コマンド

• Open Voice Input（open-voice-input）: 音声入力ビューを開きます。必要に応じてホットキーを割り当ててください。

使い方

1. ビューを開く

• リボンのマイクアイコンをクリック、またはコマンドパレットから “Open Voice Input”。

2. 録音

• 「音声入力開始」でトグル録音、またはプッシュトゥトーク（ボタン長押しで短い閾値後に録音開始、指を離すと停止）。

3. 結果の利用

• コピー、カーソル位置へ挿入、末尾へ追記。クリアでテキストエリアを初期化。

ヒント: ビューのヘッダにある歯車ボタンから設定を開けます。

設定

• OpenAI APIキー: ローカルに暗号化して保存
• 文字起こしモデル: gpt-4o-transcribe または gpt-4o-mini-transcribe
• 音声認識言語: 自動/日本語/英語/中国語/韓国語（自動検出を推奨）
• AI後処理: 辞書ベースの補正（有効時は全言語に適用）
• 最大録音時間: スライダー（初期値5分）
• プラグイン言語: UI表示のみを制御。Obsidianの言語設定から自動検出（ja/zh/ko/en）。

言語設定

• プラグイン言語: UI表示のみを制御。Obsidianの言語設定から自動検出（ja/zh/ko/en）。
• 音声認識言語: 音声認識/文字起こしの言語。既定は「自動」（Obsidianのロケールから ja/zh/ko/en を自動選択）。

自動検出の動作

• ja-* → 日本語
• zh-* → 中国語
• ko-* → 韓国語
• その他 → 英語

言語別の処理

• 日本語 (ja): 精度向上のためプロンプトを付与＋辞書補正（有効時）
• 中国語/英語/韓国語 (zh/en/ko): プロンプトは付与しません。クリーニングは言語別＋汎用（コロン付き）で安全側に適用。
• 自動: 上記の動作を自動選択。

セキュリティ / プライバシー

• 処理はメモリ内で行い、音声ファイルはプラグイン側でディスク保存しません
• 通信はHTTPS（Obsidianの requestUrl 経由）
• APIキーは保存時に暗号化

OpenAIのプライバシーポリシーもご参照ください。

トラブルシューティング

• マイクが認識されない: マイク許可の付与、Obsidianの再起動
• 文字起こしに失敗: APIキー、通信、OpenAIクレジット残高を確認
• 音量が小さい/雑音が多い: マイクに近づく、静かな環境で録音

開発

• 依存インストール: npm ci
• ビルド: npm run build-plugin
• ローカル配布: npm run deploy-local

ドキュメント

• 処理フローの可視化: docs/PROCESSING_FLOW.md を参照

サードパーティライセンスは THIRD_PARTY_LICENSES.md を参照してください。

ライセンス

MIT License - 詳細はLICENSEファイルをご確認ください。

詳細なライセンス情報については THIRD_PARTY_LICENSES.md をご覧ください。

作者

Musashino Software

• GitHub: @mssoftjp
• 支援: Buy Me a Coffee

貢献

バグ報告や機能要望はIssuesでお願いします。