動作環境

これらは推定値です。2 台のマシン（2019 年のエントリー向け AMD ノートパソコンと、GeForce カードを搭載した 2019 年の AMD ノートパソコン）で測定し、グラフィックスの演算性能とメモリをもとに同等のハードウェアへ推定しています。Intel のグラフィックスと Apple の Mac はまだ測定していません。ホスト型の音声認識を含むプランでは「自動」がまずそれを使うため、ローカルの行が関係するのはローカルモデルが動くときだけです。つまり、ホスト型の音声認識がない場合か、その代わりを務める場合です。

当社のホスト型音声認識を使った場合（2026-10-14 に再測定、通話を音声で再生）：Ryzen 3 3200U のノートパソコンでは、アプリのメモリ使用量は最大約 330 MB、プロセッサー 1 コアの 20〜27 % で、誰かが話し始めてから約 2 秒で最初の言葉が表示されました。Ryzen 5 3550H の PC では、最大約 300 MB、1 コアの 23〜33 % で、約 2.4 秒でした。言語が切り替わった直後は、最初の言葉の表示に最大約 7 秒かかることがあります。

すべての段階に共通：2 コア 4 スレッド以上の 64 ビットプロセッサーと 8 GB のメモリ（アプリ自体のメモリ使用量は最大約 480 MB で、内蔵グラフィックスでは「高速」モデルが共有メモリをさらに約 620 MB 使います。残りは通話アプリとシステム用です）。ローカルの音声認識が遅すぎる場合は、アプリがそれを知らせます。ホスト型の音声認識を含むプランでは「高速」かホスト型の音声認識（「高速」でも遅すぎる場合はホスト型の音声認識のみ）を、含まないプランでは「高速」か、表示される場合は「GPU を使用」スイッチ（「高速」でも遅すぎる場合はスイッチのみ）を提案します。