Google Docs の音声入力 が動かないとき

音声入力が壊れた。まずは30秒のトリアージ。

設定を1つでも変える前に、これを試してください。どんな本格的な修正よりも速く、ほとんどのケースを捕まえます。

トリアージで直らなかったら、以下のセクションを順番に進めてください。どれが実際の犯人になりやすいかの頻度順に並べてあります。

Google Docs の音声入力が止まる理由

マイクのボックスの仕事はただ1つ。何か問題があれば赤くなり、問題なければグレーのまま。鎖の4つのリンクのどれが切れたかは教えてくれません。そこが厄介なところです。

鎖はこうなっています。ブラウザが音声認識に対応していなければならない。OS が、動作する・ミュートされていないマイクをそのブラウザにルーティングしなければならない。Google のサーバーがテキストを返せるくらい長く接続が保たれなければならない。そして Docs のタブがアクティブでフォーカスされたタブのままでいなければならない。音声入力は4人の走者によるリレーで、誰か1人でもバトンを落とせばボックスは赤くなり、その文を失います。

ネット上のたいていのガイドは、まずキャッシュをクリアしろと言います。私はそうしません。キャッシュのクリアで直るのはおそらく10件に1件で、ついでに他のすべてからログアウトさせられます。10件中8件の失敗が潜むブラウザとマイクから始めてください。

Firefox を使っている。Chrome、Edge、Safari に乗り換えよう。

これが最も多い原因で、ネットの他の記事がずっと間違え続けているものでもあります。Google 自身のサポートページは、音声入力が最新版の Chrome、Edge、Safari で動くと書いています。出回っているトラブルシューティング記事の半分は、いまだに「Chrome のみ」と言っています。それは最初から正しくなく、Safari については間違いです。Safari は問題なく動きます。

動かないのは Firefox です。Firefox は音声入力が依存している音声認識の部分に対応していないため、「ツール」から「音声入力」の項目は、何も起きないか、そもそも表示されません。メニュー項目がグレーアウトしているか完全に消えているなら、9割方あなたのブラウザが原因です。

直し方はこの記事全体で最も技術的でないものです。同じドキュメントを Chrome、Edge、Safari で開くこと。もう1つ。これはデスクトップ版ウェブの機能です。スマホやタブレットでは別のディクテーション経路を使っているので、ツールメニューが同じに見えるとは思わないでください。

ブラウザがマイクをブロックしている。サイト設定で直す。

ブラウザは、どのサイトがマイクを使ってよいかの独自のリストを、Google が管理するものとは別に持っています。docs.google.com が最初に尋ねてきたときに「ブロック」をクリックしたか、あるいはブラウザが一度も尋ねてこなかった場合、マイクをクリックした瞬間にボックスが赤くなります。

アドレスバーの左端を見てください。斜線の入った小さなマイクのアイコンがあれば、ブラウザがこのサイトのマイクをブロックしています。それをクリックして「常に許可」を選び、タブを再読み込みします。Chrome では、サイトの権限パネルに直接行って docs.google.com のマイクのトグルを「許可」に切り替えることもできます。

これは標準的なブラウザの挙動であって、Google が文書化している手順ではありません。Google 自身のページは、マイク設定についてはブラウザではなくオペレーティングシステムを指しています。しかしブラウザレベルの権限こそ人々を最も悩ませるものなので、最初に確認してください。それから再読み込みして、マイクをクリックし、話します。ボックスがグレーのままで言葉が入力されれば、完了です。

OS が間違ったマイクを送っているか、ミュートしている。

ブラウザは OS に「マイク」を求め、それがどれなのかは OS が決めます。ウェブカメラのマイク、ヘッドセット、ノートパソコンのマイクがあれば、OS はデフォルトを1つ選びますが、必ずしもあなたが話しかけているものとは限りません。

Google のサポートページはこれについて率直です。マイク設定は Mac なら「システム設定」、PC なら「コントロールパネル」にあります。サウンド入力設定を開いて3つのことを確認してください。正しいデバイスがデフォルトの入力になっていること。レベルがゼロになっていないこと。ハードウェアレベルでマイクがミュートされていないこと ── 一部のヘッドセットには物理的なミュートスイッチが隠れていて、簡単に当たってしまいます(ケーブルのインラインボタンが定番の容疑者で、膝がちょっと当たれば無音まであと一歩です)。

ついでに、いくつか言葉を発して入力メーターが動くのを見てください。メーターが平らなら、ここでのソフトウェア的な修正は何も助けになりません。OS が音声をまったく受け取っておらず、Google Docs はその下流に座っています。平らなメーターはたいてい、間違ったデバイス、ミュートされたデバイス、あるいは抜けてしまった20ドルの USB マイクを意味します。ハードウェアを直してから、ドキュメントに戻ってください。

Windows のオンライン音声認識、そしてその他の望み薄な手。

多くの Windows ガイドは、「設定」→「プライバシーとセキュリティ」→「音声認識」で「オンライン音声認識」をオンにしろと言います。正直に言いましょう。これはブラウザの音声入力については根拠が薄いです。Microsoft が文書化しているこのトグルの範囲は同社独自のクラウド音声機能(Cortana、Windows のディクテーション、特定の Store アプリ)であって、Google Docs が使うブラウザの Web Speech API ではありません。一部のユーザーは、これを切り替えると効果があると報告しています。私はこの種の設定を30分いじり回した末に、実際の問題は最初からずっとミュートされたマイクだったと気づいたことがあります ── 情報科学の修士号を持っているのに。これは最後に確認して、あまり期待しないでください。

ざっと見ておく価値のある、望み薄な手があと2つ。ブラウザ拡張機能がマイクをつかんだり、ページ上のスクリプトをブロックしたりすることがあります。同じドキュメントを拡張機能オフのシークレットウィンドウで試して、音声入力が急に動いたら、拡張機能が犯人でした。そして、ある特定のことについてはドキュメントの言語が関係します。詳しくは2つ先のセクションで。

セッションの途中で止まる、あるいはコマンドを無視される。

2つの失敗はバグのように見えますが、そうではありません。1つ目。Google Docs のタブから離れてクリックすると、音声入力は止まります。何かを調べようと新しいタブを開く、メールに切り替える、別のウィンドウをクリックする ── すると、マイクのボックスは静かに聞くのをやめます。

しばらく沈黙が続いた後にも止まります ── 考えるためにしばらく間を置くと、セッションは自分でタイムアウトすることがあります。どちらも観測されている Web Speech API の挙動であって、変えられる設定ではなく、この2つを合わせたものが最もよくある「急に止まった」という不満です。

回避策は地味ですが確実です。Docs のタブを前面に保ち、ボックスを見張り、グレーになってアイドル状態になったらもう一度クリックする。そのお守りがハンズフリーのディクテーションという趣旨を台無しにしているように聞こえるなら ── はい、その通りです。そこが覚えておくべき点です。

2つ目。ディクテーションは動いて言葉は出てくるのに、「段落を選択」「太字」「改行」とコマンドとして言っても何も起きない。それは仕様です。Google Docs の音声編集とフォーマットのコマンドは英語でのみ利用可能で、アカウントの言語とドキュメントの言語の両方が英語に設定されていないと発動しません。アカウントがフランス語だったり、ドキュメントがポーランド語だったりすると、コマンドは黙って何もしない一方で、その言語でのふつうのディクテーションは動き続けます。句読点は例外で ── 話した「ピリオド」「コンマ」「クエスチョンマーク」「改行」は多くの言語で動きます。だから「ピリオド」で句点が入るのに「太字」が何もしないなら、原因はマイクではなく言語設定です。両方を英語に切り替えれば、コマンドは戻ってきます。

And if that kind of babysitting is the dealbreaker, the field of alternatives to Google voice typing is laid out in one guide.

ブラウザを飛ばす: どのアプリにも直接ディクテーションする

私の意見の持ち分はここで使います。他人のサーバー上に存在するディクテーション機能は、そのサーバーがあなたの声を拾えなくなった瞬間に止まります。切れた接続、ぼやけたタブ、Google が祝福しなかったブラウザ。Google Docs の音声入力は、音声がサーバー側で処理されるため、常時のインターネット接続を必要とします。この記事のすべての失敗パターンは、たった1つの設計上の選択にたどり着きます。この機能はあなたのブラウザのゲストであり、ゲストには追い返される方法がたくさんあるのです。

Whisper by Remskill は反対のアプローチを取ります。ブラウザ拡張機能ではなく、システム全体のデスクトップアプリです。ホットキーを押し(Windows では Ctrl+Space、Mac では Command+Option を一緒に押し続ける)、話し、どちらかのキーを離すと、文字起こしが最前面のウィンドウのカーソル位置に届きます。それには Google Docs のタブも含まれます。さらに、メール、チャットボックス、コードのコメント、スプレッドシートのセル、そしてそもそも Google の音声入力が選択肢にすらなかったアプリも含まれます。

ローカルパイプラインはあなたのマシン上で完全に動き、オフラインで機能します。フォーカスを保つべきタブも、接続を保つべきサーバーも、対応ブラウザのリストもありません。エンジンはあなたが選びます。NVIDIA Parakeet(約600 MB、英語に加えて24のヨーロッパ言語、CPU 上で Whisper の5〜10倍速い)か、多言語版で99言語をカバーする Whisper モデルか。OpenAI の最新モデル向けの Cloud モードもありますが、ローカル側はまるごと、サインインしたどのアカウントでも無料です。

ブラウザのタブなしで音声入力する

実際のところ、どこに入力しているかは関係なくなります。先週、私は先生のメールに返信し、買い物リストを直し、ドキュメントに一文を落としました。3つのアプリ、1つのホットキー、ツールメニューはどこにもありません。どのウィンドウも対応ブラウザである必要はなく、私があちこちクリックしている間もフォーカスを保つ必要はありませんでした。テキストはただカーソルの位置に届きました。ディクテーションをブラウザの外に出せば、ブラウザの失敗パターンはあなたの問題ではなくなります。

アプリ全体がどう見えるか

読むより見るほうがよければ、上のアプリ埋め込みは本物のデスクトップのフロントエンドです。インストールした後にするのと同じように設定をクリックして回れます。文字起こしエンジンを選び、ホットキーを設定し、言語を選ぶ。Windows 10 と 11、そして Apple Silicon の Mac はどちらも今日出荷されています。まず指し示したいのはホットキー設定です。完全にカスタマイズ可能で、これは大事なことです。なぜなら、音声入力が動かないこと以上に厄介な数少ないことの1つが、深夜2時にあなたの音楽ソフトと喧嘩するホットキーだからです。全体の流れは、こちらで確認できます: Whisper の仕組みガイド、そしてプラットフォーム別のセットアップは Windows での音声テキスト入力 と Mac での音声テキスト入力 で。

Google Docs の音声入力がもう適したツールでなくなるとき

正直な答えが「Google のツールで十分」であることもあります。Chrome で、安定した接続で、Google ドキュメントに短い文章だけをディクテーションするなら、音声入力は無料で組み込まれていて動きます。すでに仕事をこなしているものを置き換えるために、何かをインストールする理由はありません。会議も同じです。要約付きの複数話者の文字起こしが必要なら、それは Otter.ai のカテゴリーで、月額有料サブスクリプションであり、ディクテーションツールはまったく見当違いの買い物です。

ブラウザがボトルネックになったとき、あなたは Google Docs の音声入力を卒業します ── 1日に5つのアプリにディクテーションする、信頼できない接続、タブのフォーカスのお守りが文章を奪っていく、あるいは音声をノートパソコンから決して出したくない。そのときこそ、システム全体で動くオフラインのツールがその居場所を得ます。それまでは、ブラウザとマイクを直して、続けてください。

これを1つのブラウザのタブの中だけでなく、どこでも使いたいなら ── どのアプリにも直接ディクテーションする ことで、上のリスト全体を回避できます。そして同じトラブルが Docs の外でもついて回るなら、Windows と Mac の修正ガイドが、マイクと権限の側面をより詳しくカバーしています。

代わりにMicrosoft Wordで困っている場合は、Wordのディクテーション ボタンが表示されない理由 がサブスクリプション要件とオフラインでの回避策を解説します。

念のため言っておくと、ドキュメントへの素早いメモのために、私はいまも音声入力をオンにしています。でも、タブがフォーカスを保ち続けることに頼るのをやめた日が、ディクテーションがようやく逆ではなく私のために働いていると感じられた日でした。娘なら、それはコンピューターのせいだったことなど一度もなかったという意味だと言うでしょう。彼女はだいたい正しいでしょう。