どのアプリでも使えるSpeechnotes代替ツール — あらゆるアプリに対応

Speechnotesとは何か、どこまでできるか

Speechnotesは無料のオンライン音声テキスト変換「音声メモ帳」で、Chromeで開いて話すだけのウェブアプリです。ウェブフォームへの音声入力用ChromeエクステンションとAndroidアプリもあります。自動句読点、アカウント不要で即スタート、コスト面でも申し分ない。本来の目的においては本当に優秀なツールです。

内部的には、SpeechnotesはGoogleとMicrosoftのブラウザ音声認識エンジンを使っています——これは同社自身の公表内容です。だから無料で即動作する。そして同時に、ブラウザが止まるところで止まる理由でもあります。

ホームページには書いていない落とし穴があります。Speechnotesはブラウザタブ内、またはエクステンション経由のウェブフォーム内でしか動きません。Word、Slack、VS Code、スタンドアロンのメールクライアントにはシステム全体への音声入力ができません。仕事がすべてブラウザで完結するなら問題ありません。でもその半分がデスクトップアプリにあるなら、一日中クリップボードでテキストを運ぶことになります。

なぜ代替ツールを探し始めるのか

ブラウザ音声入力ツールを卒業する人には三つのパターンがあります。デスクトップアプリで書く人、インターネットのない環境で仕事をする人、クリップボードに疲れた人です。そのうち二つのパターンは、もうブラウザに戻りません。

ストレスは小さくても積み重なります。CRMメモを音声入力する営業担当者は、Chromeタブを挟みたくありません。Wordで文書を作る弁護士は、メモ帳からペーストしたくありません。退屈な真実として、ほとんどの人が必要なのはより良い音声認識エンジンではなく——すでにいるアプリの中で直接音声入力できることです。

もう一つの理由は接続性です。Speechnotesのリアルタイム音声入力はブラウザエンジンの仕組み上、インターネット接続が必要です。電車の中、飛行機の中、Wifiが不安定なビルの中では、ブラウザツールは単純に聞き取りをやめます。そのとき人は「代替」という言葉で検索し始めます。

ホットキーを押して、どのアプリにも音声入力

これが本質的な違いであり、すべてのセールスポイントです。WhisperはWindowsとmacOSにネイティブデスクトップアプリとしてインストールされます。グローバルホットキーを押したまま話し、離すと、フォーカスしているアプリのカーソル位置にテキストが入ります。Word、Slack、Discord、Teams、VS Code、Notion、Obsidian、ブラウザのフォーム、メールクライアント。タブ不要。コピー不要。ペースト不要。

デフォルトのホットキーはWindowsではCtrl+Space、macOSではCommand+Optionで、既存のショートカットと競合する場合は変更できます。操作は押しながら話す方式です。押す、話す、離す、テキストが入る。以上です。

「どのアプリでも」の大切さを、最小のユーザーから教わりました。ある土曜日、デスクトップアプリを幼い娘に渡して、操作を一度だけ教えました——押す、話す、離す。娘は一度も質問せずに、抜けた歯のことをおばあちゃんに伝える90語のメールを書き上げました。二日後に彼女が来て言いました。「お絵かきアプリで動かない」。ホットキーの競合が何かは知らない——ただ、自分がいるところに言葉が出てこないことだけを知っていた。それが基準です。音声入力は今いるアプリについてこなければ、壊れていると言われます。長いメモについては、音声でより速くタイピングするためのガイドで同じホットキーの流れを最初から最後まで解説しています。

インターネットなしで動く

Whisperのローカルモードはすべて自分のマシン上で動きます。文字起こし中にインターネット接続は不要で、必要なのは選択したモデルの初回ダウンロード時だけです。モデルのサイズは約140MBから3GBまであります。それ以降はケーブルを抜いても音声入力を続けられます。

これは言い切っておきたいことです。ブラウザ限定の音声入力は、気づかないうちにしているプライバシーの選択です。上司の給与スプレッドシート、子どもの学校へのメール、起草中の法的文書——エンジンが誰かのサーバー上にある場合、その音声はラップトップを離れて文字起こしされます。SpeechnotesはGoogleとMicrosoftのブラウザエンジン上で動くと明記しており、それらはインターネット接続を必要とします。買い物リストなら気にしなくていい。見知らぬ人に転送したくない内容なら、ローカルファーストがより安全なデフォルトです——ラップトップにはすでにマイクとCPUがあります。ローカルエンジンの基盤は、このカテゴリの多くを支える同じオープンソースのOpenAI Whisperモデルファミリーです。

オフラインはただ動き続けることを意味します。飛行機の中、地下のオフィス、キャプティブポータルWifiのカフェ——それらはいずれもローカルモデルを止められません。

「無料」だけど、意味は二通り

どちらも無料で使えます。ただし到達の仕方が違う。どちらがどちらか、正直に整理しておくのが公平です。

Speechnotesの無料プランは本当に無料でゼロストレスです。インストール不要、アカウント不要、広告あり、月額$0。Premiumプランは月額$1.90で広告なし、別途ファイル文字起こしサービスが1分あたり$0.10。これは競合他社の数字であり、確認済みです——料金ページを開いて確かめてください。

Whisperのローカルパイプラインはログイン済みユーザーに無料で提供され、サインアップ時にカードは不要です。ただし「無料」はゼロストレスではありません。デスクトップアプリをダウンロードし、Whisperアカウントを作成する必要があります。Cloudサーフェス——OpenAIのAPIキーを持ち込む機能——は有料のProレイヤーであり、完全に別のものです。無料のローカルプランとProトライアルが同じものだとは言わせません。数字が気になる方は、料金ページで確認してください。文中で引用するより、そちらの方が正確です。

Speechnotesが正解なとき

「Speechnotesのままでいい」という答えもあります。そうである場合は素直にそう言います。

何もインストールしたくない、アカウントも作りたくない、音声入力はブラウザタブの中だけという方はSpeechnotesを使ってください。デスクトップソフトをインストールできない職場や学校のロック端末でも、ウェブアプリはその問題を回避できます。アプリを起動するより素早くタブを開いたほうが楽なちょっとしたメモにも向いています。セットアップゼロで$0が絶対条件なら、まさにそれを届けてくれます。Speechnotesは英語の精度について「良好な音質であれば95%に達することができる」と述べています——それは同社の数字であり、ブラウザ内の用途では十分信頼できます。

デスクトップツールが価値を発揮するのは、仕事が複数のアプリに分散しているとき、オフラインが必要なとき、プライベートな音声をブラウザエンジンに通したくないときです。どれも当てはまらないなら、最もシンプルな無料ツールが勝ちます。これはセールストークではありません。正直な比較の着地点です。

知っておく価値のある他のツール

Speechnotesだけがブラウザ音声入力ツールではなく、代替ツールもすべて同じ形をしているわけではありません。簡単に整理します。

• SpeechTexter — 無料のブラウザ音声入力ツールで、Speechnotesと同じブラウザエンジン方式。ブラウザ内の用途に向いているが、同じくブラウザタブ内に限定される。
• Dictation.io — 無料のChromeベースの音声入力ツール。こちらもブラウザタブ限定。ウェブ上のちょっとした音声入力には便利だが、システム全体には対応しない。
• Apple Dictation — macOSとiOSに内蔵、無料でシステムレベル対応、Appleプラットフォームのみ。Macでの短い音声入力に安定して使える。
• Google Docs Voice Typing — Chrome上のGoogle Docs内で無料で音声入力。Docsで作業が完結するなら最適だが、Docsエディタ内に限定される。
• Whisper by Remskill — 私が開発しているデスクトップ版：システム全体対応のホットキー、オフラインローカルモード、WindowsとmacOS対応。
• Windows Voice Typing (Win+H) — Windowsに内蔵、無料、インストール不要、あらゆるフィールドにシステム全体で対応。Windowsのみで品質にばらつきあり。Win+Hが限界を迎えるときと、代わりに使うべきもの。
• Dictanote — ブラウザベースの別の音声入力ツール。Dictanoteの正直なレビューはこちら。このツールを検討している方はご確認ください。

ブラウザ内で音声入力が途中で途切れる場合、それはたいてい自分の問題ではなくChromeの問題です——Chromeで音声入力が機能しないときの解決策リストで対処法をまとめています。

私ならどちらを選ぶか、そしてそれはいつか

一つのブラウザタブで書き、セットアップをゼロにしたいならSpeechnotesを使い続けてください——無料で誠実で、ちゃんと動きます。Word、Slack、エディタ、メールボックスと仕事が散らばっているなら、またはWifiなしで音声入力が必要なら、どのアプリにも入力できるデスクトップツールが次のステップです。Whisperはローカルモードとクラウドモードを合わせて90以上の言語をカバーし、多言語モデルでは99言語に対応し英語への翻訳も可能です——英語専用モデルは翻訳非対応です。自分の言葉が実際に行き着く場所に合ったものを選んでください。