正直に語る Voice In の 代替ツール

この比較は何なのか、そして誰が書いたのか

まず利益相反をはっきりさせておきます。これは比較記事であり、比較対象の片方を作ったのは私自身です。ですから Voice In には評価に値する点はきちんと評価し、そのうえで二つのツールがそもそも違う仕事をしている一点について具体的に説明します。

身も蓋もない真実を言えば、Voice In はよくできた小さなツールです。無料で、インストールは十秒ほど、Gmail や Google ドキュメント、どこかのウェブサイトのテキストボックスに入力するだけなら、ちゃんと役目を果たします。あなたの世界がそれで完結しているなら、このタブはもう閉じてしまって構いません。本気でそう思っています。記事の終わりのほうに、どんなときに Voice In のまま使い続けるべきかをはっきり書いたセクションがあります。

まだ読み続けている方へ。違いはブラウザです。Voice In は Chrome の中に住んでいて、そこでしか動きません。Word や Slack、コードエディタ、ターミナルに音声入力したいと思った瞬間、それが聞き取れる唯一の部屋から出てしまうのです。

Voice In はブラウザで動く、そしてブラウザの中だけで動く

肝心なのはこの一文です。Dictanote 自身のページにこう書かれています。現時点では、Voice In はブラウザ内でのみ動作します、と。これは Chrome 拡張機能です。拡張機能をクリックして話せば、フォーカスのあるウェブ入力欄にテキストが入ります。無料ツールとしては、すっきりした正直な設計です。

「ブラウザ拡張機能」であることから二つの帰結が生まれます。どちらも使い始める前に知っておく価値があります。

第一に、インターネットが必要です。Voice In を動かすには有効なインターネット接続が必要です。あなたの声が外部に送られて認識され、テキストになって戻ってきます。ホテルの Wi-Fi なら問題ありませんが、トンネルを抜ける電車の中では困ります。

第二に、対応言語数が正直なところはっきりしません。Dictanote のページは、ある場所では「100以上の言語」と書き、別の場所では「50以上の言語」と書いています。私はそこに具体的な数字を当てるつもりはありません。彼ら自身も数字を確定させていないからです。多くの言語に対応しているのは間違いありません。ただ正確に何言語かは、彼ら自身のマーケティングでさえ曖昧なようです。

無料プランと、Voice In Plus という有料プランがあります。有料プランではより充実した機能、つまりカスタム音声コマンド、上級モード、複数タブをまたいだ音声入力などが使えます。Plus の価格はここには書きません。私が読んだページに Dictanote が価格を記載していないからです。必要であれば、彼らの料金ページを確認してください。

Whisper by Remskill ではさらに何が手に入るか

Whisper by Remskill はブラウザ拡張機能ではなく、デスクトップアプリです。ホットキー、Windows では既定で Ctrl+Space（好きなキーに変更可能）を押して話し、離すと、カーソルがすでにある場所にテキストが現れます。Word でも。Slack でも。Notion でも。メールクライアントの返信欄でも。ターミナルのコミットメッセージでも。同じホットキーがそのすべてで使えます。音声入力が特定のアプリの中に住んでいるのではなく、オペレーティングシステムに住んでいるからです。

このパイプラインは、登録するすべての人に無料で、登録時にカード情報は不要です。この無料プランには、8 種類の Whisper モデルまたは Parakeet エンジンによるローカル文字起こし、Ollama を使った AI テキスト整形、音声入力の履歴、プリセット、カスタムホットワード、モデルのダウンロードが含まれます。最大 3 台のデバイスで利用できます。

ローカルエンジンが二つあるということは、本当に必要なものに合わせて選べるということです。Whisper は 99 の言語に対応し、英語への翻訳ができ、カスタム語彙やホットワードといったより細かい制御が可能です。Parakeet は約 600 MB のエンジンで、英語に加えて 24 のヨーロッパ言語、合計 25 言語をカバーし、ふつうの CPU 上で Whisper より 5〜10 倍速く動きます。どちらも GPU は不要です。

主にコードや技術文書を書くなら、ブラウザのタブではなくエディタに直接音声入力できることで、一日の過ごし方が変わります。あなたがそういう状況なら、コーディングのための音声入力により詳しく書きました。

さらに Pro プランもあり、自分の API キーを使った OpenAI のクラウド文字起こしとウェブ検索が追加されます。クラウドが好みなら、プランを見るを確認してください。とはいえ、到達範囲とプライバシーでブラウザ拡張機能に勝つローカルパイプラインの部分は、一切お金がかかりません。

横並びで見る、ブラウザのタブ対デスクトップ全体

これが正直な比較表です。星もなければ「勝者」の列もありません。それぞれのツールができることだけを並べています。

ここでのポイントは「Voice In が悪い」ということではありません。一方のツールはブラウザのタブの中に住み、もう一方はマシン全体にまたがって住んでいる、ということです。あなたが実際に書き物をする場所に合うほうを選んでください。

オフラインは思っている以上に重要

この記事で私が使い切る強い意見はこれ一つです。クラウド専用の音声入力は、文字起こしされるのを待つばかりのプライバシー上の災害です。

Voice In はインターネット接続を必要とします。つまりあなたの声は、テキストに変えるためにマシンの外へ出ていくということです。買い物リストなら誰も気にしません。けれど、子どもの学校宛てのメール、契約書の下書き、自分の給料についての一段落となれば、おそらく自分の管理下にないサーバーを往復させたくはないはずです。

Whisper のローカルモードでは、音声がノートパソコンから出ていくことは決してありません。自分の CPU 上で、自分のアプリの中で、接続不要で文字起こしされます。ローカルモードの精度は、選んだモデルにもよりますが、たいてい 95〜99 パーセントに収まります。これは「オフラインにしては十分」という慰めの賞ではありません。これこそが主役の機能です。

私はランタイムをインストールする前にシステムを図にしてしまうアーキテクト気質で、その図は二回目のコミットの頃には必ず間違っています。オフライン経路を一週間かけて作り込みすぎた末に、当たり前のことを認めました。一段落の音声入力のために、マシンにはすでにマイクと CPU があり、間にサーバーを挟む必要などないのだと。

Voice In のまま使い続けるべきとき

全員に乗り換えろと言うようでは、私の仕事ぶりはお粗末です。Voice In が正しい選択であるときもあります。ここでは使い続けることについて正直に述べます。

このうち二つか三つが当てはまるなら、Voice In のまま使ってください。無料で、ちゃんと機能します。音声入力をブラウザのタブの外、Word へ、Slack へ、エディタへ持ち出す必要が出てきた日が、デスクトップツールを検討する日です。それより前ではありません。

もし一つだけ覚えておくなら

Voice In はブラウザです。Whisper はあなたのデスクトップ全体です。書き物が Chrome の中にあるなら、Voice In はちゃんとした無料の選択肢です。書き物が Chrome の届かないアプリの中にあって、できればオフラインのままにしておきたいなら、そこが乗り換える境界線です。

システム全体の音声入力アプリがどう組み合わさるのか、もっと大きな全体像が知りたいなら、より長い直接対決の記事を書きました。正直に語る superwhisper の代替ツールがそれです。準備ができたら Whisper をダウンロードし、ホットキーを押して、目の前のどんなアプリにでも、オンラインでもオフラインでも音声入力してください。