nyosegawa/speech.cpp は C++ ベースの音声合成・音声認識・音声活動検出(VAD)プロジェクトである。2026 年 10 月 17 日に公開された v0.8.10 は、モデルの読み込みと合成・文字起こし・検出の進捗をリアルタイムで表示する。フラグ、サブコマンド、モデル名を間違えて入力した場合は意図された値を推定して候補を提示し、ヘルプは項目ごとにまとめられた。speech serve にはバナー、リクエストごとの 1 行のログ、控制文字をエスケープして出力する機能が追加された。
このプロジェクトは音声対話を実現するために必要な複数の処理を 1 つのリポジトリで提供する。合成は Qwen3-TTS と Irodori-TTS、認識は Qwen3-ASR、ReazonSpeech、parakeet、音声区間の検出は Silero VAD に対応する。実行対象は Metal、Vulkan、CPU であり、OpenAI 互換サーバとリアルタイム文字起こしも含む。今回の変更はモデルやバックエンドの追加ではなく、進捗表示、コマンド入力、サーバログに関する利用の流れに集中している。
公開されたリリース情報には、進捗表示の更新間隔やバックエンドごとの性能を比較した数値はない。したがって、この変更によって推論速度や処理品質が向上したとみなす根拠はない。確認できる改善点は、作業状態と誤った入力に対する案内、サーバのリクエストログがより具体的に表示されることである。