この記事ではLLMに特化して解説します。LLM全般は LLMとは？仕組みからローカル実行まで徹底解説【2026年完全ガイド】 をご覧ください。

概要

OpenOatsは、会議やミーティングの音声を自動で転記し、記録された内容をAIが対話的に検索・参照できるツール。従来型の手書きメモやテキスト議事録作成の負担を削減しながら、その内容を単なる記録に留めず、参加者が後から「あのとき何が決まった？」「なぜそう判断した？」といった質問を投げかけられる。会議の記録と理解を統合する新しいアプローチとして注目されている。

主な機能

  • リアルタイム音声転記：会議中の会話をテキストに自動変換
  • ローカル処理：音声認識がMac上で完全に実行され、音声データがネットワークを離れない
  • 知識ベース検索：保存されたノートから関連情報を検索し、会話中に関連するポイントを表示
  • ライブトランスクリプト：両者の会話をリアルタイムで表示し、ワンクリックでコピー可能
  • 自動保存：すべての会話がプレーンテキストトランスクリプトと構造化セッションログとして自動保存
  • LLM選択可能：OpenRouterでクラウドモデル（GPT-4o、Claude、Gemini）またはOllamaでローカルモデル（Llama、Qwen、Mistral）を利用可能
  • スクリーン共有非表示：アプリウィンドウはスクリーン共有時にデフォルトで非表示

技術構成

OpenOatsはMac固有の音声認識エンジンを活用することで、クラウドへの依存をゼロに抑えている。LLM連携は2系統のバックエンドを選択できる。

マイク入力
（会議音声）

Mac上の
ローカル音声認識

リアルタイム
トランスクリプト表示

プレーンテキスト
自動保存

知識ベース構築
（埋め込み処理）

LLMバックエンド
選択

Ollama
（ローカルモデル）
Llama / Qwen / Mistral

OpenRouter
（クラウドモデル）
GPT-4o / Claude / Gemini

AIへの質問・対話

  • 音声認識：Mac上でのローカル音声認識
  • LLM連携：Ollama（ローカル実行）またはOpenRouter（クラウドモデル）
  • 埋め込み処理：Voyage AI、Ollama、またはOpenAI互換エンドポイント（llama.cpp、llamaswap、LiteLLM、vLLM等）による知識ベース検索

導入方法

GitHubのリリースページからMacアプリをダウンロードして起動する。初回起動後に以下の設定を行う。

# Ollamaをローカルで使う場合はあらかじめインストール
brew install ollama

# モデルをローカルに pull（例：Qwen2.5）
ollama pull qwen2.5

# OpenRouterを使う場合は環境変数でAPIキーを設定
export OPENROUTER_API_KEY="your_api_key_here"

# 知識ベース埋め込みにOllamaを使う場合の設定例
embedding_backend: ollama
embedding_model: nomic-embed-text
llm_backend: ollama
llm_model: qwen2.5

詳細な設定方法はリポジトリの README.md を参照のこと。

セットアップのポイント
完全オフライン運用を優先する場合は LLM バックエンドに Ollama を選び、埋め込み処理も nomic-embed-text などのローカルモデルを指定する。一方、回答精度を重視するなら OpenRouter 経由で GPT-4o や Claude を使いつつ、音声認識だけをローカルに留める構成が現実的。機密度の高い会議か、精度が求められる用途かで使い分けるとよい。

競合比較

ツール名 音声転記 ローカル処理 データプライバシー
OpenOats ✓ ✓ ✓（完全ローカル）
Otter.ai ✓ ✗ クラウド保存
Microsoft Teams録音 ✓ ✗ クラウド保存
Google Meet記録 ✓ ✗ クラウド保存

OpenOatsの差別化ポイントは、音声データと処理をすべてローカルで実行する点。クラウドサービスとは異なり、データの完全な自社保有が可能であり、ネットワーク遅延の削減が期待できる。

活用シーン

OpenOatsが特に力を発揮するユースケース 法務案件のミーティング：複数回の折衝の記録を蓄積し、過去の発言や合意事項を検索。法的根拠の確認に費やす時間を短縮できる。音声データをクラウドに送らないため、守秘義務を守りながら利用可能。 プロダクト開発：スプリント計画会議やレトロスペクティブの記録をAIが理解。タスク担当者や優先度変更の理由を後から確認でき、チームメンバーの認識ズレを早期検出できる。 営業ヒアリング：顧客との初期ヒアリング音声をリアルタイム転記。提案資料作成時に顧客の要件や制約条件を素早く検索でき、営業フォローアップの質向上が期待できる。

こんな人におすすめ

  • 議事録作成担当者：手作業での記録・整形時間を削減でき、会議内容の確認・検索にAIを活用できる
  • 遠隔会議の参加者：タイムゾーン差がある場合、会議記録をAI検索することで、ライブ参加できなかった人も内容を素早く把握可能
  • 個人情報保護に厳しい組織：音声データをクラウドに上げず、ローカル処理で情報漏洩リスクを最小化できる
  • ナレッジマネジメント部門：会議記録をAIが理解・整理することで、過去の決定背景や経緯を組織全体で効率的に検索・学習できる

関連ツール

会議転記・音声テキスト変換の周辺ツールも合わせて参照されたい。

関連記事: LLMとは？仕組みからローカル実行まで徹底解説【2026年完全ガイド】

2026-10-11 に実測で確かめ直した

本記事の対象リポジトリを 2026-10-11 に clone して、ライセンスの実体・更新状況・規模を測り直した。 紹介文やバッジではなく、リポジトリの中身を直接読んだ値だ。

# ① 浅く clone する
git clone --depth 1 https://github.com/yazinsai/OpenOats /tmp/OpenOats

# ② 直近のコミット日を見る → 2026-10-09
git -C /tmp/OpenOats log -1 --format=%ad --date=short

# ③ ライセンスの実体と規模を見る → MIT / 247 ファイル
head -3 /tmp/OpenOats/LICENSE* 2>/dev/null; git -C /tmp/OpenOats ls-files | wc -l

③が肝心で、ライセンスは MITだった。バッジや README の記述ではなく LICENSE ファイルの中身を読んでいる。

確認項目 2026-10-11 の実測 確認方法
ライセンス MIT head -3 LICENSE* でファイル本文を読む
直近コミット 2026-10-09（2日前） git log -1 --date=short
規模 追跡ファイル 247 本 git ls-files \| wc -l

確かめていない

clone して読む

clone して読む

紹介文やバッジ

実体を確かめたか

公称値のまま

LICENSE の中身

git log の最終コミット

MIT

2026-10-09

2026-10-11 時点の
判断材料

参照ソース

・yazinsai/OpenOats（GitHub） — 本記事が 2026-10-11 に測り直した対象
・LICENSE — ライセンスの実体（手順③で読んだファイル）
・OpenRouter - クラウドLLMルーティングAPI
・Ollama - ローカルLLM実行環境
・Voyage AI - 埋め込みモデルAPI