ブラウザの外でも使える SpeechTexter の代替ツール

タブを開いて話すだけ——それが SpeechTexter

評価できる点はきちんと評価します。SpeechTexter はひとつの仕事をきれいにこなします。ノート、文書、レポート、ブログ記事などを声でテキスト化できる、無料の多言語音声テキスト変換ウェブアプリです——サイトの言葉を借りれば「声でタイピング」。ページを開いてマイクをクリックすると、Google のブラウザ音声認識（サーバーサイドで動く Web Speech API）を使ってリアルタイムで文字起こしします。70以上の言語に対応しています。

多くのブラウザ音声入力ツールにはない SpeechTexter 独自の機能が、カスタマイズ可能な音声コマンドリストです。#newparagraph、#newline、#undo、#redo を声で話せるほか、句読点の挿入、フレーズの追加、アクションのトリガーといった独自コマンドも設定できます——すべて声だけで。自動大文字化、ON/OFF 切り替え可能な文字起こしプレビューボックス、.doc や .txt ファイルへのエクスポートにも対応しています。SpeechTexter が主張する精度は「90%以上が期待できる」とのこと。これはあくまで公式の数字であり、私が実測したわけではありません。

そのエディターだけで入力して、後で結果をコピーすればいい——という使い方なら問題ありません。文章を書く場所が別にある瞬間から、話が変わってきます。

SpeechTexter の限界：Chrome タブひとつ、オフライン不可、他のアプリ使用不可

三つの壁があり、多くのユーザーはそのすべてにぶつかります。

一つ目はブラウザの壁。デスクトップでは、SpeechTexter は Windows、Mac、Linux を問わず最新の Google Chrome が必要で、他のブラウザには対応していません。Firefox や Safari を使っている人は、音声入力のためだけにブラウザを切り替える必要があります。二つ目はタブの壁。テキストは SpeechTexter のページ内に入力されるだけで、実際に文章を書いているアプリには届きません。Word、Slack、Teams、メールクライアント、コードエディターへのシステム全体での貼り付けはできません。三つ目はネットワークの壁。Google のクラウド音声エンジンで動くため、インターネット接続が必須です——公式のトラブルシューティングにも、接続が不安定な場合は「network error」と表示されると書いてあります。オフラインモードはありません。かつてオフライン対応の Android アプリもありましたが、現在はサポートが終了しています。

これらはバグではありません。ブラウザ音声入力ツールとはそういうものです。ウェブページはデスクトップアプリに直接アクセスできませんし、Web Speech ツールはクラウドなしに文字起こしできません。この三つの壁が気にならないなら、代替ツールは不要です。SpeechTexter に音声入力してから、本来書きたかった場所にコピー＆ペーストしていることに気づいたなら——そのコピー＆ペーストという手間こそが「代替ツールが必要だ」というサインです。Chrome 自体で音声入力が起動しないという問題なら、それは別の話です——マイクの権限やエンジン自体に問題がある場合のChrome で音声入力が動かないときの一般的な解決方法をまとめました。

ホットキーを押して、どんなアプリにも音声入力

この違いをひとつの操作で説明します。Whisper はウェブページではなくデスクトップアプリです。ホットキーを押して話して離すと、開いているどんなアプリのカーソル位置にもテキストが現れます——Word 文書、Slack のスレッド、Discord のメッセージ、Teams のチャット、VS Code、Notion、Obsidian、メールの下書き、ブラウザのテキストフィールド、文字が入力できる場所ならどこでも。デフォルトのホットキーは Windows が Ctrl+Space、Mac が Command+Option です。

どこかのタブに入る必要はありません。今いるアプリのまま使い続けられます。コピーも、ペーストも、Chrome への切り替えも不要。カーソル位置への貼り付けという部分で、情けないくらいの時間を費やしました——デモなら5秒で見せられるのに、あらゆるアプリで安定して動くようにするのに一ヶ月かかる、そういう類の作業です。修士号を持っているのに。

これは実際に体感するまで過小評価しがちな部分です。SpeechTexter では、音声入力は「行く場所」です。システム全体のホットキーなら、音声入力は「今いる場所でやること」になります。7歳の下の娘がどんな仕様書よりも雄弁にこれを証明してくれました。押して、話して、離して、貼り付け——一度見せただけで、彼女はウクライナのおばあちゃんに、抜けた歯と歯の妖精の「相場」について90語のメールを書きました。ツールについて質問はゼロ。2日後、彼女は本当に大事なクレームひとつだけを持って戻ってきました。「お絵かきアプリで使えない」。ホットキーの競合など知るよしもない。ただ、言葉が自分が見ている場所に届くはずだ、と思っていたのです。その夜、カスタマイズ可能なホットキーをリリースしました。基準はそれだけです——テキストが今いる場所に届くこと。

ローカルモードとクラウドモードの両方で90以上の言語に対応しており、多言語モデルラインは自動検出を含む99以上の言語に対応しています——英語専用のモデルバリアントはあくまで英語専用なので、混同しないでください。多言語モデルはリアルタイムで音声を英語に翻訳することもできます。ブラウザの Web Speech エンジンにはない機能です。

Google のサーバーではなく、あなたのマシンでオフライン処理

ここだけは強く言わせてください。オフラインオプションのない音声入力——クラウドが唯一の経路であって選択肢ではない——は、文字起こしされるのを待っているプライバシーの爆弾です。上司の給与スプレッドシート、子どもの学校へのメール、電車の中で書いている法的メモ——声でタイピングしたいからといって、それらがベンダーのサーバーを経由する必要はありません。使いたいときだけ切り替えられるクラウド文字起こしは問題ありません。切り替えられないクラウド文字起こしが問題なのです。SpeechTexter はクラウドベースであることを正直に伝えており、Google の音声認識を使用し、動作には接続が必要です。買い物リストなら問題ない。しかし、オープンなオフィスで声に出して読み上げるのが気まずい内容なら、話は別です。

Whisper のローカルモードは完全オフラインで動作します——文字起こし中にインターネット接続は不要です。接続が必要なのは、一度だけのモデルダウンロードのみ。選ぶモデルによって約140 MB から3 GB 程度です。内部で使っているローカルエンジンは、このカテゴリの多くを支えているオープンソースのOpenAI Whisper モデルファミリーと同じものです。それ以降、すべての言葉はあなたのマシンに留まります。フライト中でも、ネットワークが遮断された会社の貸し出しパソコンでも、Wi-Fi が名ばかりの部屋でも——ちゃんと入力できます。

以前一緒に働いていたチームが、スタンドアップ録音の文字起こしで一四半期に5桁のクラウド請求額を積み上げるのを見ました。「スマートリトライ」のループが同じ音声を4回文字起こしした結果です。四半期レビューで CFO がダッシュボードを開いたとき、部屋が静まり返りました。クラウドにも使いどころはある。ただし、選択肢のひとつであるべきで、唯一の道であってはなりません。

どちらも無料——でも「無料」の中身が違う

どちらのツールも最初は無料ですが、「無料」という言葉が指すものがそれぞれ異なります。SpeechTexter は最も純粋な意味での無料です。ダウンロードなし、インストールなし、登録なし——マイクをクリックすればすぐに音声入力が始まります。何も設定しなくていい、ログインしなくていい。これは本物のメリットであり、そこは正直に認めます。

Whisper のローカルパイプラインも無料ですが、ここでの「無料」はデスクトップアプリをダウンロードして Whisper アカウントを作成し、最初に一度モデルを取得する、という意味です。ゼロではなく数分の手間がかかります。その数分で得られるのは、システム全体のホットキー、オフライン文字起こし、カーソルを追う動作です。クラウドレイヤー——OpenAI 機能、自分のAPIキーを使う仕組み——は別途有料の Pro プランです。無料のローカルアプリとは混同しないでください。詳細は料金ページでご確認ください。端的に言えば、ローカル音声入力は無料で、期限もありません。

正直に言えば、これはトレードオフです。SpeechTexter はセットアップ不要・アカウント不要の代わりに、クラウド上のひとつのタブに縛り付けます。Whisper はダウンロードとサインアップという手間をかける代わりに、すべてのアプリとオフライン環境を手に入れられます。どちらのコストを払うか、自分で選んでください。

SpeechTexter の方が向いている場面

いくつかの状況では、私もデスクトップアプリを使わずに SpeechTexter を選びます。

ソフトウェアをインストールできない制限されたマシン——図書館のパソコン、学校のラボ、管理者ロックのかかった会社の端末——では、SpeechTexter はブラウザタブで動き、誰の許可も必要ありません。たまにしか音声入力しない、段落ひとつふたつ程度なら、インストール不要・アカウント不要のモデルは何かをダウンロードするよりずっと手軽です。#newparagraph や #undo を声で話しながら書式を整えるカスタム音声コマンドリストを実際に活用しているなら、それは SpeechTexter が作り込んだ特定のワークフローであり、デスクトップのホットキーツールでは同じようには再現できません。そして、普段からひとつのウェブエディターで書いて、コピーして出すことがほとんどないなら、タブは壁ではなく、単なる作業場所です。これらのケースでは、speechtexter.com を開いてマイクをクリックするだけで十分です。適切な場面で適切な無料ツールを勧めることが大事だと思っています。

知っておく価値のある他の音声入力ツール

SpeechTexter と Whisper だけが選択肢ではありません。この分野の正直な概観です：

• Speechnotes — SpeechTexter と同じタブ内に留まる、無料のブラウザベース音声入力メモ帳です。こちらも検討しているなら、Speechnotes との比較をご覧ください。
• Dictation.io / Dictanote — 無料の Chrome ベース音声入力ツール。ブラウザタブの制限は同じで、システム全体への貼り付けはできません。
• Speechify — AI 読み上げと音声機能を持つアプリで、音声入力にも対応。SpeechTexter の代替として位置づけられています。
• LilySpeech — Chrome ベースのエンジンを使ってアプリに入力できる Windows 用音声入力ツール。Windows では便利ですが、その環境に依存しています。
• Apple Dictation — macOS と iOS に組み込まれており、無料。短い入力には十分ですが、単一プラットフォーム専用です。
• Windows 音声入力 (Win+H) — Windows に組み込まれており、ほとんどのテキストフィールドにシステム全体で音声入力できます。無料でインストール不要。うまく動かない場合は、Win+H の代替ツールガイドで代わりに使えるものを紹介しています。

整理すると明快です。ブラウザツール（SpeechTexter、Speechnotes、Dictation.io）は無料でインストール不要ですが、タブ内に限定されクラウド依存です。OS の音声入力（Win+H、Apple）はシステム全体で使え無料ですが、単一プラットフォームで品質にばらつきがあります。Whisper のようなデスクトップアプリはシステム全体で使え、オフライン対応でクロスプラットフォームですが、ダウンロードが必要です。

私なら実際にどれを選ぶか

何もインストールできないマシンで最速の音声入力が必要なら、SpeechTexter を使い続けてください——無料で、即座に使え、音声コマンドリストも便利な機能です。それ以外のすべての場面——実際に使っているアプリをまたいで書く、オフラインで作業する、機密テキストを自分のマシンに留める——なら、システム全体のホットキーを持つデスクトップツールを選びます。音声入力は1分間に約145語、タイピングは約40語——ボトルネックはあなたの指ではなく、言葉の周りにある「壁」でした。自分の用途に最も壁が少ないツールを選んでください。その違いを実際に感じてみたいなら、すべてのアプリをまたいだ音声入力がどう動くかをご覧ください。

SpeechTexter は、ひとつの Chrome タブの中で宣言通りのことをきちんとこなす、優れた無料ツールです。あなたの文章がそのタブの外——メール、チャット、エディター、メモ——に移り始めた日が、音声入力についてきてほしいと思い始める日です。それだけが本当の違いで、それは大きな違いです。7歳の娘が2日間と1件のバグレポートで理解したこと。私たちにも、きっとできます。