LocalClickyとは？

LocalClickyは、Macのメニューバーで動作するアプリで、完全にオフラインでコンピュータを音声だけで操作できます。「Computer」と言ってセッションを開始し、コマンドを連続して実行し、「goodbye」と言って終了します。音声認識、AI推論、画像認識、テキスト読み上げまで、すべてがあなたのMac上で動作します。APIキーもサブスクリプションも不要で、データがMacの外部に出ることは一切ありません。

こんな方におすすめ

• プライバシー重視のユーザー — 音声、スクリーンショット、コマンドをクラウドサーバーにアップロードせずに音声操作を実現したい方
• パワーユーザーや開発者 — マルチタスク、自動化、アクセシビリティワークフローにハンズフリーのMac操作が必要な方
• オフラインファーストの愛好家 — ローカルハードウェアだけで完全動作する、セルフホスト型のオープンソースツールを好む方

主な機能

ウェイクワード起動のセッション

「Computer」と言ってリスニングセッションを開始します。「goodbye」や他の終了フレーズを言うまでアプリはアクティブ状態を維持します。ウェイクワードを繰り返さずに、複数のコマンドを自然に連続して話すことができます。

固定タイムアウトなしの音声アクティビティ検出

LocalClickyはWebRTCの音声アクティビティ検出（VAD）を使用し、発話が止まると自動的に録音を停止します。気まずいカウントダウンやコマンドの途中で切れることはありません。VADが利用できない場合は、30秒のハードリミットにフォールバックします。

ビジョン対応の画面操作

アプリはローカルのビジョンモデル（gemma4:e4b）を使用して、オンデマンドで画面を認識できます。スクリーンショットを撮り、その内容を分析し、視覚情報に基づいてカーソルを移動したりクリックしたりできます。画像が外部サーバーに送信されることは一切ありません。

メモリ機能付きマルチラウンドツール呼び出し

LocalClickyはコマンドを実行し、結果を確認し、自動的に再試行またはアクションを確定します。セッション内の直近10件のやり取りを記憶するため、以前のコマンドや結果を自然に参照できます。

特筆すべき点

あなたの声、あなたの画面、あなたのコマンド — 何もあなたのマシンから出て行きません。

これは単なるプライバシーの約束ではなく、アーキテクチャの基盤です。Whisper.cpp（音声認識）、Ollama（AI推論・画像認識）、macOS say（音声出力）、PyAutoGUI（カーソル制御） — すべてのコンポーネントがローカルで動作します。クラウドAPIも、設定すべきAPIキーも、サブスクリプション料金もありません。MITライセンスのため、コードの確認、変更、再配布が自由に行えます。

こんな方にぜひ試してほしい

Mac向けの、真にプライベートでオフラインの音声アシスタントをお探しの方。アプリの起動、Spotifyの操作、ファイル管理、シェルコマンドの実行、ChromeへのJavaScript注入、リマインダーの作成、画面上の要素のクリックまで、すべてを自然な音声で行えます。特に、プライバシー上の懸念からクラウド音声アシスタントを避けてきた方や、Qwen3やGemma4などのローカルAIモデルをデスクトップから離れずに試してみたい方に最適です。