Notta の代替： 録音ではなく、声で入力する

Notta とは実際のところ何か（そして唯一できないこと）

Notta は AI 会議メモ作成ツールです。notta.ai の機能ページ でも、通話の録音と書き起こしを中心に紹介されています。看板機能は Notta Bot です。Google や Outlook のカレンダーと連携して自動的に呼び出され、参加者として Zoom、Google Meet、Microsoft Teams、Webex に加わり、録音し、リアルタイムで書き起こし、通話を自動要約します。音声・動画ファイル（MP3、MP4、M4A、WAV など、ほかにも多数の形式）をドラッグ＆ドロップしたり、Google Drive や Dropbox のリンクから取り込んだりして書き起こすこともできます。会議のあとは要約とアクションアイテムを生成します。Business プランなら Salesforce、HubSpot、Pipedrive と同期します。この用途においては、よくできた頼れるツールです。

唯一できないことはこれです。インターネットなしでは動きません。Notta はクラウド専用です。録音、アップロード、処理、編集――そのすべてに接続が必要です。オフラインで録音したファイルを取り込むことはできても、そのファイルが Notta のサーバーに届くまでは、一語たりとも書き起こせません。会議用ツールとしては、会議はどのみちオンラインなので、これでだいたい問題ありません。でも音声入力にとっては、これこそが致命的な問題です。そこで私たちの出番というわけです。

ホットキーを押して、どんなアプリにもテキストを貼り付ける

Whisper は音声入力を第一に考えて作られています。ホットキーを一つ押して、話して、離すと、書き起こされたテキストが――必要なら AI が整えたうえで――いまカーソルがある場所にそのまま貼り付けられます。文字を入力できるアプリならどこでも使えます。下のパネルは本物のアプリで、スクリーンショットではありません。流れはどこでも同じです。開くプロジェクトもなければ、管理する録音もなく、あとからコピーする書き起こしもありません。テキストはただメールに、Slack のスレッドに、ドキュメントに、検索ボックスに現れます。Notta は Notta の中に書き起こしを渡してくれます。Whisper は、あなたがすでに取り組んでいるものの中に言葉を渡してくれます。

ホットキーは Windows では Ctrl+Space です。macOS では Command+Option を同時に押し続けるプッシュ・トゥ・トークで、2つのキーを押している間に話し、どちらかを離すと止まります。もしお使いのマシンで何かと競合するなら、設定で変更できます。あるユーザーから、私のデフォルトのホットキーが音楽ソフトをクラッシュさせると言われたことがあって、「一つのキー」でも、それが間違ったキーなら一つ多すぎるのだと痛感しました。だからいまは、自分で選べるようにしています。

内部では、自分のハードウェアと言語に合った方式を選びます。3つあります。ローカルの Whisper には、OpenAI のオープンソース音声認識モデル Whisper をもとにした8つのモデルが付属しています。およそ 140 MB の Base ビルドから 3 GB の Large v3 まであり、英語専用と多言語の両方をカバーします。さらに Parakeet という、より高速なローカルエンジンもあります。約 600 MB で、CPU 上では Whisper の5〜10倍速く、英語と24のヨーロッパ言語に対応します。そして、OpenAI の最新モデルを使いたいならクラウド方式もあります。アプリが勝手に選ぶことはしません。3つを提示するので、あなたが選びます。やらないのは、会議の録音をアップロードして書き起こしを待つことです。Whisper はホットキーを通じてマイク入力をリアルタイムで書き起こします。先週のウェビナーを放り込んでドキュメントを返してほしくてここに来たのなら、それは Notta の仕事です。あとで案内します。目的がただ 声でもっと速く入力する ことなら、それこそがこのホットキーの存在意義です。

Notta はインターネットが必要。Whisper はあなたのマシンで動く。

ここが両者を分ける、いちばん鮮明な線です。Notta はクラウド専用です。Whisper のローカルモードは完全に端末上で書き起こします。音声はあなた自身のマシンで処理され、何一つ外に出ません。一度モデルをダウンロードしてしまえば、あとはインターネットがまったく不要です。

これが効いてくる場面は2つあります。1つ目はプライバシーです。上司の給与の数字、子どもの学校に送るメール、いま下書きしている法的なメモ――そのどれも、声で入力したいというだけで、わざわざ業者のサーバーを往復させる必要はありません。日常的な書き起こしを四半期も続けたあとにクラウド AI の請求書が届くのを一度経験すれば、「ここで動くだけ」のありがたみは、もはや抽象的な話ではなくなります。2つ目は信頼性です。飛行機、電車、時間課金のホテルの Wi-Fi、電波が1本しか立たないカフェ――ローカルモードはそんなことを気にしません。Notta は、その設計上、気にします。私はこれをブカレスト行きの飛行機で学びました。声でメールを片づけるつもりが、降下中に8ユーロを払って Wi-Fi を買い、読み込めたメールは1通だけでした。自分が作っていたローカルツールならずっと動いていたはずなのに、私が使っていたのは他人のツールだったのです。

クラウドが使いたいなら、Whisper にもあります。Pro モードでは自分の OpenAI キーを持ち込み、書き起こしと AI による整形を OpenAI 経由で直接実行できます。料金は OpenAI に支払い、私たちは一切受け取りません。ただしそれは非常口であって、初期設定ではありません。初期設定はあなたのマシン上です。

58言語 対 99言語：多言語の差

複数の言語をまたいで仕事をするなら、ここで比較は一方に大きく傾きます。Notta は書き起こしで約58言語をサポートと記載しています。Whisper の多言語モデルは99言語をカバーします。顧客向けサイトでは「90以上」、モデル仕様では99と書かれていますが、いずれにせよ Notta より多いです。

ここには但し書きがあり、それは大事なので正直に書きます。99言語という数字は、多言語版の Whisper モデル――Small、Medium、Large v3、Turbo のことです。英語専用ビルドは、わざと英語だけにしています。そのほうが速いからです。Parakeet は25言語――英語と24のヨーロッパ言語をカバーします。つまり「99」は、必要なときに選ぶことになる多言語版についての真実であって、すべてのモデルに当てはまる総括的な主張ではありません。

多言語版の Whisper モデルには、Notta の書き起こしにはないことがもう一つあります。英語への翻訳です。サポートされている言語のどれで話しても、英語のテキストが出てきます。Notta は書き起こしの翻訳を機能として備えており、リアルタイム翻訳は有料アドオンとして販売されています。Whisper は「話して英語を得る」ことをモデル自体に組み込んでいます。多言語で書く人にとって、これはワークフローと一機能との違いです。

Notta 対 Whisper、横並びで比較

ここで正直に切り分けます。自信を持って言えないことは、すべて省きました。

Notta は会議の書き起こしについて約98.86%の精度をうたっています。それは彼らのベンチマークでの彼らの数字であり、私はそれを再現できるふりも、自分の数字で反論するふりもしません。そもそも、最近の Whisper ベースのツールの精度は、モデルよりもマイクにずっと大きく左右されます。20ドルの USB マイクは、どんなソフトのアップグレードよりも、きれいな書き起こしに貢献します。

Notta が正しい選択になるとき（そして Whisper を見送るべきとき）

読者の中には、このタブを閉じて Notta の契約をそのまま続けるべき人もいます。それが誰なのかをお伝えします。

あなたの仕事が会議なら、Notta の勝ちで、Whisper はそもそも勝負にすらなりません。予定された Zoom、Teams、Meet、Webex の通話に自動で参加し、録音し、話者ラベル付きの書き起こしを要約とアクションアイテムとともに渡してくれるボットが欲しいはずです。Whisper には会議ボットもカレンダー連携もなく、通話を自動録音もしません――以上です。既存の録音――インタビュー、ウェビナー、ポッドキャスト――をアップロードして書き起こしたいなら、それは Notta のドラッグ＆ドロップ取り込みの出番で、Whisper にはできません。Salesforce や HubSpot への CRM 同期が必要な場合も答えは同じです。これらは実在する、よくできた機能です。ただ、音声入力ではないというだけです。

ですから、そうした機能のどれかが必要なら Whisper は見送ってください――通話を録音・要約するボット、アップロードしたファイルを書き起こす方法、カレンダー連動のキャプチャ、あるいは CRM 同期。代わりに Notta、Otter、または Fireflies を使ってください。モバイルでのキャプチャが必要な場合も見送ってください。Whisper はデスクトップ専用で、Windows と macOS だけです。廊下でスマホから会議を録音しようとしているなら、私が作ったものはどれも役に立ちませんし、そうでないふりをするつもりもありません。会議があなたの仕事なら、この記事の残りはあなた向けではありません。それでまったく構いません。

知っておく価値のある、ほかの会議メモ作成ツール

Notta がしっくりこないけれど、必要なのは会議メモ作成ツールだ――そんなときに見ておく価値のある名前を挙げます。どれもシステム全体の音声入力はしません。すべて通話を録音・要約します。これは表の上で Whisper とは正反対の端にあります。

• Otter.ai — リアルタイムの会議書き起こし、AI 要約、そして Zoom、Teams、Meet に参加するアシスタント。ライブのキャプチャとチームでの共同作業に強いです。姉妹記事として Otter.ai の代替比較 も書いています。
• Fireflies.ai — 通話に参加して書き起こし、要約し、会話の分析データを表示するボット。営業や CRM のワークフローで人気です。
• tl;dv — Zoom、Meet、Teams 向けの会議レコーダー。タイムスタンプ付きのハイライトとクリップ共有を備え、録画した通話を非同期で見返すために作られています。
• Fathom — ビデオ通話を録画・要約する AI 会議アシスタント。とりわけ気前のよい無料プランがあります。
• Sonix — アップロードしたファイル――インタビュー、ポッドキャスト、録音――を対象とした、編集と翻訳もできる Web ベースの書き起こし。ライブの音声入力ではなく、ファイルの書き起こしです。

必要が Notta そのものより広いなら、会議書き起こしソフトウェア のまとめでこのカテゴリーをより詳しく扱っていますし、インタビューを自動で書き起こす方法 では、どの音声入力ツールも扱わない「ファイルをアップロードする」ワークフローを順を追って説明しています。

費用はどれくらいか

正直に言うとこうです。Whisper のローカルパイプラインはすべて無料で、登録にカードは不要です。これには Whisper と Parakeet の書き起こし、AI による整形、履歴、プリセット、ホットワード、90以上のすべての言語、そしてグローバルホットキーが含まれます。有料プランはクラウド機能を追加します――自分の OpenAI キーを使った書き起こし、クラウド AI による強化、そして音声でのウェブ検索です。

Notta の料金はおなじみの段階構成です。月あたりの分数に上限がある無料プラン、個人向けの Pro プラン、無制限の分数と CRM 同期が付いた席単位の Business プラン、そしてカスタムの Enterprise 価格です。表示価格は変わるので、契約前に notta.ai を確認してください。Whisper の正確な数字は、料金ページ に最新のものが載っています――価格は記事よりも頻繁に変わるので、私は記事ページには価格を載せないようにしています。