メインコンテンツへ移動
AIチュートリアル

知了 Cicada チュートリアル：リアルタイムのバイリンガル字幕、会議議事録、同時通訳を構築

このチュートリアルでは、Mac、Windows、Linux、Android に知了 Cicada をインストールし、AI サービスを設定して、リアルタイム字幕、バイリンガル記録、構造化された議事録、同時通訳、録音再生、ファイルインポート機能を利用する方法を紹介します。

約16分で読了
知了 Cicada チュートリアル：リアルタイムのバイリンガル字幕、会議議事録、同時通訳を構築

知了 Cicada とは

知了 Cicada は、Mac、Windows、Linux、Android でバイリンガル字幕、バイリンガル文字起こし、構造化された議事録、同時通訳を提供するオープンソースのリアルタイム会議・ライブ配信支援ツールです。Zoom、Feishu、Tencent Meeting、X Spaces、YouTube ライブ、対面会議に対応しています。

知了はシステムで再生中の音声を直接読み取るため、会議にボットを参加させる必要はありません。相手はソフトウェアをインストールする必要がなく、知了が会議内容を整理していることも認識しません。Apple シリコン搭載 Mac では、音声の取得、言語識別、音声認識をデバイス上で完了することもできます。

知了のリアルタイム字幕と会議議事録画面

主な機能

リアルタイム議事録とバイリンガル文字起こし

会議中、知了は音声を聞きながら、要約、議題、結論、ToDo、フィッシュボーン図、人名・用語集を整理します。結論やToDoをクリックすると、バイリンガル記録内の該当する発言に移動できます。

システムは人名と用語の表記も統一し、認識時に考えられる表記ゆれを記録します。そのため、音声認識で名前を誤認識した場合でも、検索で関連内容を見つけられます。

リアルタイム字幕と自動言語識別

相手が話し始めると、知了は言語を自動識別し、システム言語に翻訳します。Mac では ⌃⌥S を押すと、議事録ウィンドウ、フローティング字幕バー、非表示を切り替えられます。字幕バーは誰かが話しているときだけ表示され、マウスを重ねると自動的に透明になります。

Apple シリコン搭載デバイスでは、macOS 26 上で新しいオンデバイス音声認識を使用し、各文の終了から約 15～30 秒後に文字起こしを補正します。リアルタイム字幕の応答速度は維持されます。

オンラインと対面のハイブリッド会議

メニューバーのパネルまたは議事録ウィンドウにある「マイクを開く」をクリックすると、知了はコンピューターの音声と会議室の音声を同時に処理します。オンラインと対面の発言は同じ会議記録に書き込まれ、「オンライン」または「対面」として識別されます。

システムはスピーカーの音声が再びマイクに入っていないか検出し、同じ発言が重複して記録されるのをできる限り防ぎます。外付けマイクが切断された場合や長時間入力がない場合は、デバイスの切り替えを試み、通知も表示します。

キー操作による同時通訳

Mac でキーボード右側の ⌥ キーを押しながら話すと、知了が発言を理解して翻訳し、仮想マイクを通じて翻訳後の音声を会議ソフトに送ります。Windows では右側の Ctrl キーを使用します。

Ling API key を設定すると、自然な音声を選択したり、8～30 秒の録音から自分の声をクローンしたりできます。key を設定していない Apple シリコン搭載 Mac でも、オンデバイス認識、翻訳処理、システム音声は使用できますが、音声クローンは利用できません。

知了の同時通訳設定画面

オンデバイス会議記録

各会議のバイリンガル文字起こし、議事録、元の録音はデバイス上に保存されます。会議後、任意の発言の時刻をクリックして該当する録音を再生できます。話者の変更、話者の統合、特定の内容の別の話者への再割り当ても可能です。

記録は Markdown、Word、SRT 字幕として書き出せます。既存の音声または動画を会議記録ウィンドウにドラッグすると、デバイス上でバイリンガル記録に変換し、任意の発言に対応する位置から元ファイルを再生できます。

知了のバイリンガル会議記録画面

インストール前のシステム要件

  • Mac：macOS 14.4 以降。Apple シリコンと Intel に対応。Intel 版には Ling key が必要です。
  • Windows：Windows 10 2004 以降。x64 と ARM64 に対応。Ling またはその他の対応 AI サービスの key が必要です。
  • Linux：Ubuntu 22.04 または 24.04 デスクトップ版。x86_64 と arm64 に対応。AI サービスの key が必要です。
  • Android：Android 10 以降。AI サービスの key が必要です。

4 つのプラットフォームは同じバージョン番号と会議記録形式を使用します。インストーラーは公式ダウンロードページまたはGitHub Releasesから入手できます。

インストールと初期設定

Mac へのインストール

  1. チップの種類に応じて Cicada-<バージョン>-macOS-AppleSilicon.dmg または Cicada-<バージョン>-macOS-Intel.dmg をダウンロードします。
  2. DMG を開き、知了を「アプリケーション」フォルダにドラッグします。
  3. 初回起動がシステムに阻止された場合は、「システム設定 › プライバシーとセキュリティ」を開き、「このまま開く」をクリックします。
  4. 案内に従ってシステム音声の録音権限を付与し、サンプル会議を再生して字幕をテストします。
  5. 同時通訳を使用する場合は、案内に従って BlackHole 2ch 仮想マイクをインストールします。

macOS 14.4～15 で Apple シリコンを使用する場合は、「システム設定 › キーボード」で「音声入力」を有効にし、認識する言語を音声入力言語に追加する必要もあります。

Windows へのインストール

  1. 一般的な PC では x64 インストーラーを、Snapdragon ノート PC では ARM64 をダウンロードします。
  2. インストーラーをダブルクリックしてインストールします。管理者権限は必要ありません。
  3. SmartScreen に阻止された場合は、「詳細情報 › 実行」を選択します。
  4. メインウィンドウの案内に従って AI key を設定し、テスト音声を再生してサンプル会議を確認します。
  5. 同時通訳を使用する場合は、案内に従って無料の VB-Cable 仮想マイクをインストールします。

Linux へのインストール

Linux の圧縮ファイルをダウンロードしたら、ターミナルで次を実行します：

tar xzf Cicada-<バージョン>-Linux.tar.gz && cicada-linux/install.sh

インストール後、知了はアプリケーションメニューに表示されます。同時通訳では「知了 マイク」が自動作成されるため、追加のドライバーは不要です。Linux では議事録ウィンドウを画面共有から除外できないため、画面共有中に他の参加者からこのウィンドウが見える場合があります。

会議録音を保存・再生するには、AAC エンコーダーを含む ubuntu-restricted-extras などのサードパーティ製メディア形式パッケージをインストールする必要があります。エンコーダーがなくても、字幕や議事録などの他の機能には影響しません。

Android へのインストール

  1. Cicada-<バージョン>-Android.apk をダウンロードします。
  2. ファイルを開き、システムの案内に従って提供元不明のアプリのインストールを許可します。
  3. Android 15 以降で初めてフローティング字幕を使用する場合は、まずアプリ情報で制限付き設定を許可する必要があります。
  4. Ling またはその他の AI サービスの key を設定します。

一部の通話・会議アプリは、システムによる音声録音を許可していません。その場合はスピーカー出力をオンにし、知了で「対面」モードを選択できます。

インストーラーの検証

Releases ページには checksums.txt が用意されています。Mac または Linux では、次のコマンドで SHA-256 を照合できます：

shasum -a 256 Cicada-*

Ling API key の設定

Apple シリコン搭載 Mac では、key を入力しなくてもリアルタイム字幕、基本翻訳、会議記録、同時通訳を使用できます。リアルタイム議事録、ワンステップ音声翻訳、音声クローンには Ling key が必要です。Intel Mac、Windows、Linux、Android ではクラウド音声認識サービスの設定が必要です。

  1. Ling 開発者プラットフォームにアクセスして登録またはログインします。
  2. トークンを作成し、sk- で始まる key をコピーします。
  3. 知了の「設定 › AI サービス」を開き、key を貼り付けます。
  4. 保存して確認をクリックします。知了は 1 トークンのみを使用するリクエストを送信して key を検証します。
  5. 必要に応じてモデルを選択します。議事録と全文翻訳のデフォルトモデルは Ling-3.1-flash です。

Ling を使用できない場合は、AI サービス設定で OpenRouter、ZenMux、OpenAI に切り替えるか、OpenAI API 互換サービスの URL を入力できます。Ollama、vLLM、SGLang などのセルフホストサービスも、翻訳・議事録、音声合成、音声認識ごとに設定できます。

ワンステップ音声翻訳と音声クローンは Ling のみが提供します。他のサービスはリアルタイム議事録と全文翻訳に対応できますが、具体的な同時通訳の手順はプラットフォームやサービスによって異なります。

初めてのリアルタイム字幕と議事録

  1. 知了を起動し、システム音声の録音権限が有効になっていることを確認します。
  2. Zoom、Feishu、Tencent Meeting、YouTube、その他音声を再生するアプリを開きます。
  3. 相手に話してもらい、知了が言語を自動識別してバイリンガル字幕を表示するまで待ちます。
  4. ⌃⌥S を押して字幕と議事録の表示方法を切り替えます。
  5. 対面での発言を記録する場合は、「マイクを開く」をクリックします。
  6. 会議終了後、会議記録を開き、文字起こし、議事録、話者、録音を確認します。
  7. 必要に応じて Markdown、Word、SRT ファイルを書き出します。

使用例：英語ライブ配信を見る

YouTube の英語ライブ配信を開くと、知了はシステム音声を読み取り、英語の原文と日本語翻訳を表示しながら、議題、結論、ToDo を継続的に整理します。ライブ配信終了後は、会議記録で発言の時刻をクリックして、元の録音の該当位置に戻れます。

使用例：海外の参加者に話しかける

まず同時通訳設定で対象言語と音声を選択します。会議に参加したら、右側の ⌥ キーを押しながら中国語で話します。キーを離すと、翻訳音声が BlackHole 仮想マイクを通じて会議ソフトに送られます。Windows では右側の Ctrl キーを使用します。

既存の録音や動画をインポートする

音声または動画を会議記録ウィンドウにドラッグするか、「ファイル › 録音または動画を読み込む…」を選択します。知了はファイルを 1 件のバイリンガル会議記録に変換します。初回に言語が認識されなくても元の録音は保持されるため、言語を選択してから再度文字起こしできます。

プライバシー、権限、データの場所

Apple シリコン搭載 Mac では、音声の取得、言語識別、音声認識、会議録音をデバイス上で実行します。通常、翻訳または議事録サービスに送信されるのは認識後のテキストだけです。Ling の同時通訳を使用する場合、キーを押して話した音声は Ling に送信されます。自分で構築した音声認識サービスに切り替えた場合は、会議音声がそのサービスに送信されます。

  • システム音声の録音：Mac で再生中の音声を読み取るために使用します。画面は録画しません。
  • マイク：対面会議と同時通訳に使用します。
  • 入力監視：右側の ⌥ キーが単独で押されたかどうかだけを判定します。複合キーに変更すれば許可する必要はありません。
  • 管理者パスワード：BlackHole 2ch のインストールとシステム音声サービスの再起動時にのみ必要です。

Mac の会議記録、録音、議事録はデフォルトで次の場所に保存されます：

~/Library/Application Support/LiveSubs

プロジェクトの声明によると、アプリには統計収集、トラッキング、自前サーバーはありません。Mac 版の議事録ウィンドウはデフォルトで画面共有、画面録画、スクリーンショットに表示されませんが、Linux ではこの非表示機能に対応していません。

高度な使い方

適切な認識方式を優先する

  • Apple シリコン搭載 Mac では、会議音声がデバイス外に出る可能性を減らすため、オンデバイス認識を優先できます。
  • Intel Mac ではクラウド音声認識に Ling が必要です。
  • Windows、Linux、Android では、Ling が利用できない場合に OpenRouter、ZenMux、その他の互換サービスへ切り替えられますが、字幕が Ling より 1～2 秒遅れる場合があります。

ヘッドホンでハイブリッド会議の記録を改善する

ハイブリッド会議では、スピーカーから再生されたオンライン音声が再びマイクに入る場合があります。知了は検出して重複を除去しますが、ヘッドホンや会議用マイクを使用するとエコーを減らせ、オンラインと対面の発言を同時に記録しやすくなります。

話者と用語を修正する

話者の識別に誤りがある場合は、リアルタイム議事録ウィンドウで名前を変更したり、話者を統合したり、特定の発言を別の話者に割り当てたりできます。頻繁に登場する人名や用語については、知了が表記を統一し、考えられる誤認識の表記も検索対象にします。

自分で構築した AI サービスを使用する

「設定 › AI サービス」で「その他（OpenAI 互換）」を選択すると、翻訳・議事録、同時通訳音声、音声認識ごとにサービス URL を入力できます。ローカルネットワークの URL には HTTP を使用できます。音声とテキストを Google に一切送信したくない場合は、「音声とテキストを自分のサービスにのみ送信」を有効にします。

ソースコードから Mac 版をビルドする

Mac版にはサードパーティ製の依存関係はなく、Xcode Command Line Toolsをインストールするだけで使用できます：

xcode-select --install
scripts/build.sh
open build/Cicada.app
scripts/package.sh

scripts/build.sh は正式版と同時に実行できる開発版を生成し、scripts/package.sh はDMG、ZIP、SHA-256チェックサムをパッケージ化します。macOS 27でSwiftUIMacrosが見つからない場合は、完全版のXcodeをインストールし、開発ツールのパスを切り替えてください：

sudo xcode-select -s /Applications/Xcode.app

アンインストール方法

知了を終了した後、アプリケーションを「アプリケーション」フォルダからゴミ箱へドラッグしてください。会議記録は自動的には削除されません。不要になった場合は、~/Library/Application Support/LiveSubsを手動で削除できます。Mac版の設定を消去するには、次を実行します：

defaults delete com.wquguru.cicada

まとめ

知了は、リアルタイム字幕、バイリンガル文字起こし、構造化された議事録、録音再生、同時通訳を、1つのローカル会議ワークフローに統合します。まずシステム音声の権限設定とサンプル会議のテストを完了し、その後、使用するデバイスのプラットフォームに応じてLingやその他のAIサービスを設定するか判断することをおすすめします。正式な会議の前には、対象言語、マイク、仮想オーディオデバイス、エクスポート手順もテストし、字幕と同時通訳が安定して動作することを確認してください。