ChatGPTに 音声入力する

ChatGPT にはすでにマイクがあるのに、なぜ途切れるのか

ヘルプドキュメントには誰も書きたがらない部分があります。ChatGPT の音声入力には、公式に発表された時間制限がありません。OpenAI のドキュメントを探しましたが、セッションの上限はどこにも記載されていませんでした。しかし、コミュニティフォーラムを検索すると同じ不満が繰り返されています。デスクトップのマイクが突然消える、セッションが途中で終わる、送信前にテキストが消える。これはドキュメントに載っている仕様ではなく、広く報告されているユーザーの体験談なので、「人によって差がある」と理解しておくのが正解です。数字ではありません。

これが起きる理由は構造的なものです。内蔵の音声入力は一つのタブに縛られています。ブラウザのマイク許可、ページへのフォーカス、途切れない接続、これらすべてに依存しています。フォーカスが外れる、参照を確認するために別のタブに切り替える、ページがリロードされる、そのどれでも録音は消えます。ChatGPT の音声入力は音声を OpenAI に送って文字起こしし、チャット履歴にその内容を残します。チャット欄としては合理的な設計です。しかし、画面を見ずに三段落を口述しようとしている人には、苛立たしいものです。

内蔵マイク vs システム全体のホットキー：何が変わるか

システム全体のホットキーは、どのウィンドウにいても気にしない音声入力です。キーを押したまま話して、離すとテキストがカーソルの位置に貼り付きます。ChatGPT の入力欄でも、Google ドキュメントでも、Slack の返信欄でも同じです。録音はタブに縛られていないので、プロンプトの途中で参照を確認するために別ウィンドウに切り替えても録音が消えません。

もう一つの違いは、音声データの行き先です。ChatGPT のマイクは常に音声を OpenAI のサーバーに送ります。Whisper のローカルモードは文字起こしを完全にデバイス上で行い、オフラインでも動作するため、データが外部に出ることはありません。クラウドを使いたい場合は、Whisper のクラウドモードがあなたのコンピューターから直接 OpenAI に音声を送ります。自分の API キーを使うため、Remskill が間に入ることはありません。どのトレードオフを選ぶかは自分で決められます。

デスクトップで ChatGPT に音声入力する方法（ステップごとに解説）

ウェブでもデスクトップアプリでも、5分でできる全手順はこちらです。

これが全体の流れです。押す、話す、離す、貼り付く。下の娘は一度デモを見ただけで覚えました。私が信頼できる唯一のユーザビリティテストです。

なぜ音声プロンプトは長文タイピングに勝るのか

人が話す速さは約1分間に145語です。タイピングは40語前後です。一行のプロンプトなら差は気になりません。しかし ChatGPT に書くようなプロンプト、つまりコンテキスト、制約、欲しいトーンの例を三つ、「これはやらないで」リストが加わると、その差は4分と12分の違いになります。

この記事で一つだけ持論を述べさせてください。最高の生産性ハックはステップを速くすることではなく、ステップを減らすことです。ほとんどのツールはタイピングを速くしようとします。音声プロンプトはタイピング自体をなくします。キーボードに手を伸ばすのをやめ、手をタイピングの姿勢に整えるのをやめ、ただ声に出して欲しいものを説明するだけです。複雑なプロンプトを考えている最中には、その省略はどんなオートコンプリートよりも価値があります。ChatGPT のモバイルマイクはそこに一歩近づきます。デスクトップのホットキーはその先まで連れて行ってくれます。長いプロンプトを書く場所で機能するからです。

ChatGPT に届く前に「えーと」を片付けてくれる

話し言葉は乱れがちです。「えーと」と言い、文章を言い直し、途中で止まる。Whisper にはこれを処理するオプションの AI テキスト改善ステップがあります。クラウドモードでは、生の文字起こしを AI モデルに送り、「えー」「あの」「なんか」「つまり」といったフィラーワードを除去し、文法と句読点を修正し、テキストが貼り付く前に文章を引き締めます。クリーンアップはすべてのモードで自動ではなく、オンにする機能です。ローカルモードではその強化処理がデバイス上の Ollama を通じて行われ、クラウドモードでは OpenAI モデルが処理します。

実際の効果：言い淀みだらけの文字起こしを ChatGPT に渡す代わりに、整ったプロンプトを渡せます。明確なプロンプトはより良いプロンプトであり、その整理は自分でやらなくて済みます。

ChatGPT の入力欄でも、他のどこでも使える

ホットキーは ChatGPT が何かを知りません。それが要点です。押して話して離すという同じ操作が、ワープロ、メールクライアント、Slack、Discord、Teams、VS Code、Notion、Obsidian、そしてあらゆるブラウザのテキスト欄で機能します。ChatGPT にプロンプトを音声入力して、次に返答を Slack スレッド に音声入力する。作業の流れを何も変える必要はありません。

AI に文字起こし以上のことをさせたい場合、クラウドモードには OpenAI の Responses API を使った音声ウェブ検索機能が加わります。声に出して質問すると、Whisper がウェブを検索し、引用付きの回答をカーソル位置に貼り付けます。これは単純な音声テキスト変換というよりも、 AI エージェントへの音声入力 に近い体験です。この仕組み全体については、 音声テキスト変換アプリガイド でワークフロー全体を説明しています。

ChatGPT の内蔵マイクをそのまま使うべきタイミング

別のアプリが常に必要だとは言いません。スマートフォンで短いプロンプトを一つ入力するだけで、音声が OpenAI のサーバーに送られることを気にしないなら、ChatGPT のテキスト欄のマイクアイコンをタップして話せばいい。無料で、すでにそこにあり、短い用途には機能します。アプリを切り替えずに二文程度のプロンプトを入力するカジュアルなデスクトップ利用も同様です。内蔵マイクが不便になるのは、長文のプロンプト、複数アプリをまたぐワークフロー、オフラインやプライバシーを重視する作業のときです。それがシステム全体のホットキーが真価を発揮する閾値です。その手前なら、インストールしなくて大丈夫です。

どこでも音声入力できるようにするコスト

ローカル処理のパイプライン全体は、アカウントを持つ誰でも無料で使えます。ローカル文字起こし、Ollama を使った AI 強化、履歴、プリセット、カスタムホットキー、そのすべてが、サインアップにクレジットカード不要で利用できます。Whisper Pro はクラウド機能を追加します。OpenAI 文字起こし、クラウド AI 強化、音声ウェブ検索です。ローカルモードで ChatGPT にプロンプトを音声入力するだけなら、費用はかかりません。Pro の正確な料金は 料金ページでご確認ください。

ChatGPT の入力欄にあるマイクは壊れていません。一つのウェブサイト専用のマイクとして、最初から設計された通りに動いています。間違いは、それをすべての場面で使う音声入力ツールにしようとすることです。場面に応じて正しい方を選びましょう。スマートフォンで短いプロンプトを入力するなら内蔵マイク、長いプロンプトやきゅうりを手に持ったままの火曜日にはグローバルホットキー。私のきゅうりまみれのキーボードと私は、あなたが苦労しなくて済むように苦労して気づいたことです。