2.2：カプセルを好きな場所へ。

Esc で音声入力が消えなくなりました

これまでは録音中にうっかり Esc を押すと、話した内容がすべて消えていました。今はキャンセルした音声入力も残ります。

• キャンセルしても失われない

  • キャンセルした音声入力や翻訳は、キャンセル済み の印と、その時点でライブプレビューに表示されていたテキスト付きで履歴に残ります。そのままコピーしたり、スタイルで整えたりできます。
  • Esc のあとに表示されるカードには 文字起こし ボタンがあります。普通に停止したときと同じように処理され、同じアプリに貼り付けられます。履歴では同じボタンで文字起こししてコピーします。
  • 録音はメモリにだけ保持され(失敗分と合わせて最新 3 件)、ディスクには保存されません。ショートカットを一瞬押しただけのときや、話していないときの Esc は、これまでどおり破棄されます。

校正、ドラッグできるカプセル、もう一度試す、10 言語

新しいショートカットで、選択したテキストのつづりを話さずに直せます。カプセルの位置は固定ではなくなりました。録音中にドラッグするか、決まった位置を選べます。失敗した音声入力は失われなくなり、アプリは Windows の言語に合わせて表示されます。

• 選択範囲を校正

  • 校正：どのアプリでもテキストを選択して Ctrl Alt J を押します。FlowVoice はつづり、アクセント、句読点だけを直し、言葉や文体は変えません。話す必要もありません。
  • AI がそれ以上に変えた場合、テキストは元のままです。直すところがなければ何も貼り付けず、テキストの書式もそのまま残ります。
  • コマンドのカード、結果、履歴にも 校正 チップとして表示されます。AltGr J で文字が入力されるキーボードでは、ショートカットなしで始まり、別のショートカットを選べます。

• カプセルを動かす

  • 録音中にドラッグ：カプセルをクリックして、画面のどの隅へでもドラッグできます。別のモニターにも移せます。その音声入力が終わるまでは置いた場所にとどまり、次の音声入力では既定の位置に戻ります。
  • カスタム位置：下と上に加えて、画面の縮小図の上でカプセルをドラッグして場所を選べます。隅、端、中央にスナップします。テストで表示位置を確認できます。
  • 最後にドラッグした場所を使うを選ぶと、最後にカプセルを置いた位置を使います。設定はすべて一般 → フローティングウィンドウにあり、ドラッグをオフにすることもできます。

• もう一度試す、続けての音声入力

  • 文字起こしが失敗したとき（ネットワーク、上限、キー）、エラーカードにもう一度試すボタンが付き、30 秒間表示されます。履歴にも失敗が理由と同じボタン付きで残ります。
  • 音声入力したときと同じ条件でやり直します。同じアプリ、スタイル、翻訳で、プロバイダーとキーは現在のものを使います。録音はメモリにだけ保持され（直近 3 件の失敗まで）、ディスクには保存されません。
  • 同じ欄に続けて音声入力すると、前の入力の終わりにカーソルが残っていれば、間にスペースが入ります。ターミナルや、日本語・中国語のようにスペースを使わない言語では入りません。

• 10 言語

  • インターフェースはポルトガル語、英語、スペイン語に加えて、フランス語、ドイツ語、日本語、中国語、ロシア語、ヒンディー語、ベンガル語にも対応しました。文字ごとに適切な Windows のフォントを使います。
  • 新しい既定の自動 (Windows) は Windows の言語に合わせます。すでに使っている人は、選んだ言語がそのまま残ります。
  • トレイメニュー、エラーメッセージ、組み込みスタイルの名前もインターフェースの言語で表示されます。

• ぶつからないショートカット

  • Ctrl Alt V は Office の「形式を選択して貼り付け」なので、新規インストールではもう一度貼り付けにショートカットが割り当てられません。トレイメニューからは使え、ショートカットを選ぶこともできます。
  • AltGr K で文字が入力されるキーボードでは、キーを奪わないようコマンドのショートカットは未設定で始まり、ショートカット画面でその理由を説明します。

• プライバシーとマイク

  • 情報画面に新しいプライバシーセクション：PC に残るもの、各プロバイダーに送られるもの、キーの保存場所。ポリシーの全文はこちら。
  • マイクのエラーがわかりやすくなりました。Windows がマイクをブロックしているときは許可する場所を、別のアプリがマイクを占有しているときもそのことを知らせます。
  • 別のアプリがクリップボードを使用中のときは、専用のメッセージを表示します。

• アプリ内の新機能のお知らせ

  • アップデート後、ウィンドウを初めて開くと新機能がインターフェースの言語で表示されます。すべての履歴は 情報 → 変更履歴 にあり、オフラインでも見られます。

• 修正

  • PC の音をミュートした状態で録音中にアプリが終了すると、音が消えたままになっていました。今は次の起動時に戻ります。
  • システムと一緒に起動の信頼性が上がりました。管理者権限なしでタスク スケジューラにログオン時のタスクも作成します。また、タスク マネージャーでスタートアップを無効にすると、きちんと無効になります。
  • 翻訳ありのコマンドや「別のバージョン」で、2 つのバージョンや末尾の注記が返ってくることはなくなりました。
  • アラビア語、ヘブライ語、ペルシャ語、ウルドゥー語の文章が、オーバーレイ、履歴、チャットで正しい向きに表示されます。

より安定したプレビューとガラスのカプセル

言葉は、2 回続けて同じ結果になって初めて確定します。それまでは薄く表示され、まだ変わることがあります。確定した後は後戻りしません。

• ライブプレビュー

  • 文章が後戻りしなくなりました。各モデルへのリクエストは一度に 1 つだけで、遅れて届いた応答は破棄されます。
  • プレビューは前の文章を文脈として送らなくなりました（同じ文が繰り返し出ることがありました）。
  • ペースは Groq 自身が知らせる上限に従い、最終の文字起こし用の枠を常に残します。プレビュー直後に「上限に達しました」となることはなくなりました。
  • 長い文は最大 15 秒で区切ります。応答が速くなり、無料プランの秒数も節約できます。
  • プレビューでの Gemini の追加レーンを廃止しました（Whisper と書き方が違い、遅かったため）。
  • 同じ 4 つの音声で計測：確定表示された後に変わった文章は、音声入力 1 回あたり 2.5〜7.5 回から 0 回になり、更新は約 1.2〜1.5 秒ごとに届きます（以前は約 1.7〜2.0 秒）。

• ガラスのカプセル

  • 一般 → フローティングウィンドウで：ガラス（透けてぼかしがかかり、縁が光る）または半透明（より薄い色合い）。Windows 自体のぼかしを使い、描画はグラフィックスカードが行います。
  • macOS 27 のような光と影：光沢、面取りした縁、下側の光、柔らかな影（Thiago Silva のアイデア）。
  • Windows の透明効果が必要です。オフのときや省電力モードのときは、カプセルは不透明になります。

• 修正

  • 負荷の高い PC で Windows と一緒に起動すると、設定の代わりにエラーが表示されることがありました。
  • アップデート後、FlowVoice はウィンドウを開いた状態で自動的に再起動します。

書き直した理由

2026 年、1.x は多くの人の環境で動かなくなりました。推奨していた GitHub Models が終了し、Groq で無料だったモデルが無料プランから外れ、Gemini の古いバージョンも停止されました。しかも 1.x は本当のエラーを隠していたので、アプリがただ「動かない」ように見えていました。

2.0 は同じことを繰り返さないために作られました。プロバイダーからの実際のメッセージを表示し、廃止されたモデルを自動で切り替えます。

変わったこと

• 音声入力

  • ライブプレビュー：話している間に文字が表示されます。
  • 新しいプロンプトスタイル。話した内容を AI に送れるよう簡潔にまとめます。強さも調整できます。
  • 自然、ビジネス、そのまま、文字起こしのみ、そして自分のスタイル。
  • アプリごとのスタイル：Outlook は常にビジネス、VS Code は常にプロンプト。
  • つなぎ言葉（「えっと」「なんか」、言いよどみ）を取り除き、あなたの語彙を守ります。

• 新しいオーバーレイ

  • 結果が出た後、ワンクリックで別のスタイルに書き直したり、数十の言語に翻訳したりできます。
  • 置き換えは前の貼り付けを取り消し、新しいバージョンを貼り付けます。
  • マウスかフォーカス中のウィンドウに合わせて、今いるモニターに表示されます。
  • Esc でいつでもキャンセルできます。

• 新しいショートカット

  • 選択範囲にコマンド：どのアプリでも文章を選び、やりたいことを言います（「もっと丁寧に」「箇条書きでまとめて」）。
  • 最後の音声入力を、フォーカス中のアプリにもう一度貼り付け。
  • 音声での翻訳と、Web 検索と出典付きの音声アシスタント。
  • 押している間だけ話すモード（プッシュトゥトーク）。

• 信頼性

  • プロバイダー間、複数のキー間でのフェイルオーバー。クラウドが落ちたらローカルモデルを使います。
  • 廃止されたモデルは自動で切り替え、毎日チェックします。
  • 安全な貼り付け：貼り付け先のウィンドウを確認し、クリップボードの元の内容を戻します。
  • マイクが外れたら知らせて、別のマイクを使います。

• より良いオフライン

  • 言語ごとのモデルカタログ。あなたの言語へのおすすめ付き。
  • ブラジル・ポルトガル語向けに調整したモデル（Distil-Whisper pt-BR）。
  • ローカルの文字起こしが数倍速くなりました。
  • 音声入力をやめるとモデルはメモリから解放されます。モデルはいつでも削除できます。

• インターフェース

  • 設定画面を一新し、検索（Ctrl K）を追加。
  • 初回起動時のウィザード。チュートリアルと各キーのテスト付き。
  • ライトとダークのテーマ、好きなアクセントカラー、PT/EN/ES。
  • 新しいアイコンと、検索できる履歴。

1.x × 2.0

第 1 世代

Python で書かれた最初のバージョン。主な変更を新しい順に：

• 1.9検索モードでの Tavily による Web 検索、キーの表示にパスワード、ポルトガル語・英語・スペイン語のインターフェース。
• 1.8オーバーレイを一新し、文字起こしの「ハルシネーション」を防ぐフィルターを追加。
• 1.5–1.7アプリ内での自動アップデート。

各バージョンの詳しいリリースノートは GitHub Releases にあります。