Windows畑の開発者が、AIでMacの音声入力アプリを作ってみた。正直どうだったか

Windowsで AI 開発をしてきた開発者が、Claude Code（Opus 5）を使って、Mac向けのローカル音声入力アプリ voice-catch を約10日で作った。キーを押しているあいだ話し、離すとフォーカス中の入力欄に文字が入る仕組みで、イメージとしては Aqua Voice に近い。コアの機能は Rust、音声認識は Whisper（large-v3-turbo-q5）、画面の見た目と入力欄への貼り付けは Swift で実装している。ディクテーションに加えて、音声を時刻順の書き起こしとして残すレコーディング機能も備えている。Macも Rust も Swift も初めてという状態から、164コミットまで積み上げた。 AIの鬼の視点で面白いのは、AIが最初に出したUIがほとんど使い物にならなかったという点だ。処理状態を全部文字で出し、カーソルのある入力欄に被って見えなくなり、しかも移動できない。音声入力は入力欄に文字を入れる道具なのに、その入力欄を隠していたわけだ。AIは7案を一気に出せるが、使う人の手触りや細かな違和感には気づかない。開発者が直したのは、丸にして目立たなくすること、状態は文字でなく見た目で示すこと、文字はエラーのときだけ出すことという、人間の感覚による詰めだった。一方で設計やフォルダ構成は、機能を足すたびにごちゃ混ぜになって一番苦労したと書いている。AIの速さは、判断の質を置き換えるものではない。 使い続けられているのは、自分が使いたいものだったこと、作りがシンプルだったこと、UIと構成を細かく見たことの3つが揃ったからだという。毎日Claude Codeへの指示や検索に使っていて、有料の Aqua Voice ほどの速さはないが、日常で致命的ではない。一発出しで終わるAI記事が多いのは、ブラッシュアップの段で手が止まり、設計が崩れて保守する気になれなくなるからだ。 中小企業の実務に落とすなら、自社の定型作業を一つだけ、自分たちが毎日使う道具として作るのは、AIを使えば現実的な規模になった。ただし大事なのは作った後だ。使い続けて詰める時間を予定に入れ、機能を足す前に全体の形を見直す習慣を持つこと。そこを省くと、作ったものが次の改修で誰にも触れなくなる。