Yogurt — 会議音声とデータをローカルで安全に処理するオープンソースAI議事録ツール
FrigadeHQ/yogurt
★ 1,492 ・ TypeScript ・ MIT
概要
「Yogurt」は、PC上で音声の録音から文字起こし、要約、Q&Aまでを完結させるローカルファーストのAI会議ノート作成ツールです。先行する商用ツール「Granola」の無料かつオープンソース(MITライセンス)な代替手段として開発されています。
近年のオンラインミーティング向けAIツールは、会議に外部ボットを参加させてクラウド上で音声を解析する形態が主流です。しかし、社外秘の情報を含む会議やセキュリティ基準が厳しい環境では、クラウドへの音声送信やボットの同席が敬遠される場面が少なくありません。Yogurtはマイク入力とPC内部の再生音を直接キャプチャするため、会議にボットを呼ぶことなく、すべての処理をローカル環境で実行できます。機密性の高いミーティングを記録したい開発者や、個人情報を端末外に出したくないユーザーに適した設計となっています。
主な特徴
-
ボット不要の録音とリアルタイム文字起こし 外部ボットを会議に招待する必要がなく、マイクとPCのシステム音声を直接録音してその場でテキスト化します。会議終了時には録音を自動で停止する仕組みも備えています。
-
完全ローカル処理による高いプライバシー保護 録音データ、文字起こしテキスト、AIによる要約や質問応答の推論処理はすべて手元のPC上で実行されます。アカウント登録も不要です。
-
ローカルLLMによる自動要約とソース付きQ&A 会議の内容と自身が追加したメモをもとに、ローカルの大規模言語モデル(LLM)が要約を作成します。また、複数の会議を横断して質問すると、根拠となる情報へのリンク付きで回答を得られます。
-
99言語に対応する文字起こし マルチリンガルモードを選択することで、日本語を含む99言語の文字起こしに対応します。要約は会議の主要言語に合わせられ、質問に対する回答は質問時に使った言語で行われます。
-
外部アシスタントと連携するローカルMCPサーバー Model Context Protocol(MCP)に対応したローカルサーバー機能を備えており、許可した外部のAIアシスタントアプリからYogurt内のノートを読み取り専用で参照させることができます。
-
通話検出・話者名取得(macOS限定機能あり) マイクの使用状況などから通話の開始を検知して録音を促します。さらにmacOS環境では、Zoom、Microsoft Teams、Google Meetにおいてアクセシビリティ権限を用いることで、誰が発言したかの話者名を取得できます。
使い方
導入手順
公式サイト(yogurt.so)またはGitHubリリースページから、各OS向けのインストーラーを入手します。ソースコードから自身でビルドして動かすためのドキュメントもリポジトリ内に用意されています。
- macOS: Apple Silicon搭載Mac向けのインストーラーを利用
- Windows: 64ビット版インストーラー(Setup実行ファイル)を利用
- Linux: x64向けのAppImageなどを利用
初期セットアップ
アプリを起動すると、推論に使用するAIモデルの初期ダウンロードが始まります。PCの性能に合わせて、まず約5 GBの軽量モデルがダウンロードされ、その後マシンスペックに応じた最適なモデル(14 GB以上になる場合もあります)が取得されます。このセットアップが完了すれば、以降の文字起こしや要約は完全にオフラインで利用可能です。
会議の記録と利用
- 会議が始まると通知などで録音が提案されます。手動で録音を開始することも可能です。
- 録音中、文字起こしがリアルタイムに行われ、同時にユーザー自身もメモを入力できます。
- 会議終了後、録音された内容とユーザーメモを統合して自動的に要約が生成されます。
- ノートや文字起こしはMarkdown形式でコピー・保存できるほか、フォルダ分けや全文検索機能で過去の会議を素早く探せます。
MCPサーバーの設定方法
外部のアシスタントアプリから会議ノートを参照させる場合の手順は次の通りです。
- Yogurtの「Settings → AI apps」を開きます。
- アクセスを有効化(デフォルトでは無効)します。
- 画面に表示されるヘルパーコマンドをコピーし、お使いのアシスタントアプリにローカルMCPサーバーとして登録します。
アシスタントアプリ側からはノートや文字起こしに対する「読み取り」のみが許可され、書き換えは行えません。連携を止めたい場合は、Yogurt側の設定でアクセスをオフにするだけで即座に遮断されます。
技術的なポイント
アプリケーション構成と基盤
YogurtのデスクトップクライアントはTypeScriptおよびElectronで構築されています。クロスプラットフォームに対応しつつ、OSネイティブの音声キャプチャやアクセシビリティAPI、カレンダー機能と連携しています。
ローカル推論エンジンとモデルの選定
推論基盤には、オープンソースで実績のあるC/C++製軽量ランタイムが組み込まれています。
- 文字起こし(音声認識):
whisper.cppを採用しており、マシンスペックに応じてWhisperのlarge-v3-turboまたは小型のモデルが使用されます。macOS環境では、リアルタイム表示にOS標準のApple SpeechAnalyzerを利用し、最終的な保存用テキストにはWhisperを使用するハイブリッド構成が採られています。 - 要約・質問応答(テキスト生成):
llama.cppを採用し、Gemma 4、gpt-oss、Qwen3ファミリーといったオープンウェイトモデルの中から、ハードウェア構成に適したモデルが選定・実行されます。
ローカル通信とセキュリティ設計
外部AIアプリと安全に連携するため、MCPサーバーの通信経路にはOS固有のセキュアなIPCが使用されています。
- macOS / Linux: ユーザープロファイル配下に作成されるUNIXドメインソケットを使用し、ファイルパーミッションは作成したユーザーのみがアクセス可能な
0600に制限されています。 - Windows: 起動ごとにランダムな名前が生成される名前付きパイプ(Named Pipe)を使用し、その情報はユーザープロファイルフォルダ内にのみ保存されます。
データの保存場所
会議の録音ファイル、文字起こし、設定、ダウンロードされたAIモデルは、すべてOS標準のローカルストレージ領域に保存されます。
- macOS:
~/Library/Application Support/Yogurt - Windows:
%APPDATA%\Yogurt - Linux:
~/.config/Yogurt(または$XDG_CONFIG_HOME/Yogurt)
モデルダウンロードとアップデート確認の通信を除き、会議データが外部サーバーへ送信されることはありません。
注意点
- 動作要件とメモリ
- macOS: Apple Silicon搭載、macOS 14.4以上
- Windows: Windows 10(バージョン2004)以降の64ビット環境
- Linux: Ubuntu 22.04以降などの64ビット環境
- 共通要件として8 GB以上のメインメモリが必要です。マシンスペックが不足している場合はセットアップ時に通知されます。
- ストレージ容量 初回セットアップ時にモデル一式をローカルへダウンロードするため、最低でも数GB〜14 GB以上の空きディスク容量が必要になります。
- OSによる機能差 カレンダー連携機能や、Zoom/Teams/Meetからの話者名(発言者)の自動取得機能は、現時点ではmacOS環境のみのサポートとなっています。
- Windowsでの初回起動 Microsoftのコードサイニング証明書が未適用の段階であるため、起動時に「Windows protected your PC(WindowsによってPCが保護されました)」の警告が表示される場合があります。実行には「詳細情報」から「実行」を選択する必要があります。
- 通話録音時のマナー ボットが参加しない仕組みであるため、同席している相手側には自動で録音通知が行われません。録音を開始する際は、事前に相手へ録音の承諾を得るなどの配慮が推奨されています。
- ライセンス 本プロジェクトはMITライセンスのもとで公開されています。
まとめ
Yogurtは、クラウドや会議ボットに依存せず、すべての音声認識と要約処理を手元のPC上で完結できるプライバシー重視のAI議事録ツールです。whisper.cppやllama.cpp、MCPといったオープンな標準技術を組み合わせることで、実用的な性能と高いセキュリティを両立しています。機密情報を扱うビジネスミーティングや、ローカル完結型の開発ワークフローを構築したい方にとって有力な選択肢となるでしょう。





