使う価値のある 音声入力アプリ

音声入力アプリがすること

音声入力アプリは、一見1つに思える2つの仕事をします。まず、自動音声認識がマイクを聞き取り、言葉を書き起こします。次に、整形処理が、生の音声には付いてこないカンマ、大文字、段落の区切りを加えます。そこで止まるアプリもあります。よりよいアプリは、つなぎ言葉を直して言い回しを引き締める AI クリーンアップのステップを加えます。Whisper は「Hey whisper」というキーワードでその処理を起動します。

重要なのは、テキストがどこに着地するかです。Otter のような会議の文字起こしツールは、会話を録音して後から書き起こしを渡してくれます。口述アプリはその逆で、キーを押して話すと、書きかけのメールや文書の、カーソルがすでにある場所に言葉が現れます。これらは目的の異なる別々のツールであり、人々が犯す最大の間違いは、用途の合わないほうにお金を払うことです。会議の文字起こしツールを買ってメールを書こうとしたり、文章作成ツールを買ってウェビナーを記録しようとしたりして、なぜアプリと格闘しているように感じるのか不思議がるのです。悪いのはアプリではありません。カテゴリーの選び方です。

音声認識はかつて、学習も必要としていました。45分かけて単語のリストを読み上げ、ソフトウェアがあなたの声を覚えられるようにするのです。それでも3文に1回は予測を間違えました。(私の親戚は一度、ヘッドセットを部屋の向こうに投げつけました。ヘッドセットは無事でしたが、口述の実験のほうは生き残りませんでした。)現代のアプリはそうした手順をすべて省きます。モデルは、Whisper の多言語版なら99言語、より高速な Parakeet エンジンなら絞り込まれた25言語をすでに知った状態で届き、あなたの訛りにも箱から出してすぐに対応します。

ホットキーを押して話せば、テキストが現れる

この操作こそが製品のすべてです。キーを押し続け、話し、離すと、テキストがカーソルの位置に貼り付けられます。開くウィンドウもなく、探すべき録音ボタンもなく、後からのコピー&ペーストもありません。

Windows では、デフォルトのホットキーは Ctrl+Space です。Mac では、Command と Option を一緒に押し続け、どちらかのキーを離すと停止します。どちらもカスタマイズ可能で、これは聞こえるよりも重要です。あるユーザーから、私のホットキーが彼らのお絵かきアプリと衝突していると初めて言われたとき、間違ったキーであれば「キーを1つ押す」さえ1つ多すぎるのだと学びました。私はそれを固定でコードに書き込み、出荷し、1週間ほど自分を賢いと思っていました。

ほとんどの場合、口述アプリは目に見えません。ホットキーとあのオーバーレイがあるだけです。設定こそが、その動作の仕方を選ぶ場所です。どのエンジンを動かすか、AI クリーンアップを有効にするか、どの言語を想定するか。その選択こそ、OS 標準機能が与えてくれないものです。

ローカルかクラウドか、それがあなたのプライバシーを決める

ここに、他のすべてを決める分かれ道があります。ローカルとは、文字起こしがあなた自身のノートパソコン上でオフラインで行われ、何もマシンの外に出ないことを意味します。Whisper のローカルパイプラインは、この方式で2つのエンジンを動かします。99言語と英語への翻訳に対応する多言語版の Whisper モデルか、CPU 上で5～10倍高速ながら25言語に対応しアジア系の文字には非対応の NVIDIA の Parakeet です。クラウドとは、音声がサーバーに送られることを意味します。Whisper の Cloud モードは、自分の鍵を持ち込む方式の OpenAI で、自分の API キーを用意し、およそ57言語に対応し、デバイスから出ていくのは音声だけです。

標準アプリのほとんどは、こっそりとあなたに代わってクラウドを選んでいます。たとえば Windows の音声入力には、インターネット接続が必要です。Microsoft 自身のヘルプページにはっきりそう書かれています。Gboard のオフライン動作は、端末上の言語パックをダウンロードしているかどうかに左右され、それはスマートフォンによって異なります。本当のオフライン対応の選択肢は、カテゴリーが匂わせるよりも限られています。iPhone の Dictate は iPhone 6s 以降なら接続なしで動作し、Mac の Dictate は一般的なテキストを端末上で処理でき、Whisper のローカルモードはすべてをあなたのマシン上に留めます。

給与のスプレッドシートや法的なメールの下書きを口述するなら、その音声がノートパソコンから出ていくかどうかを知ることは、マニアックな細かい話ではありません。それは、プライベートなツールと記録されるツールとの違いそのものです。クラウドアプリは、生の OS ツールが省くあるもので、その埋め合わせをします。「えっと、それ送って、えっと、明日」を、実際に送れる文章に変える AI クリーンアップ処理です。

私なら手に取るアプリ

前置きはこれくらいに。学校の校門で友人に聞かれたら、デバイス別にこう伝えるという内容です。

• スマートフォンでは、キーボードのマイクを使う。 Android の Gboard も iOS キーボードも、どちらにもマイクボタンがあります。タップして、話して、それで完了です。無料で、すでにインストールされていて、メッセージやちょっとしたメモにはこれで十分です。これのためにスマートフォンへインストールする価値のあるデスクトップアプリはありません。

• Windows では、まず Win+H から。 Windows キーと H を任意のテキストボックスで押すと、音声入力がシステム全体で開きます。Microsoft 365 のサブスクリプションは不要です。インターネットは必要ですが、無料でどこでも動きます。
• Mac では、まず Dictate から。 システム設定でオンにし、マイクキーを押せば、どのアプリでも入力できます。一般的なテキストなら、Apple のサーバーに問い合わせるのではなく端末上で動かせます。
• 標準機能で足りないときは、デスクトップアプリを入れる。 Whisper は私が作っているものです。システム全体対応のホットキー、ローカルかクラウドかのエンジン選択、AI クリーンアップ、そして OS ツールが提供しないオフラインモード。ローカルパイプラインはすべて、サインインしたユーザーなら誰でも、登録時にカード不要で無料です。1つのプラットフォームを使っているなら、Windows のチュートリアルとMac のチュートリアルが、セットアップを段階を追って説明します。

知っておく価値のあるその他のアプリ

誰かがこれを検索するたびに必ず出てくる名前がいくつかあるので、正直な一言コメントを添えておきます。

• Wispr Flowは自動検出付きの100以上の言語を謳い、Mac、Windows、iPhone、Android で動作します。どこでも1つのツールが欲しいなら、有料のクロスプラットフォームの選択肢です。検討中なら、より詳しいWispr Flow の比較を書いてあります。
• Dragon Professionalは古参です。Nuance は初回利用から最大99%の精度と、タイピングの3倍速い口述を謳っており、Windows のみ対応です。本格的な有料のプロ向け製品です。
• Otter.aiは会議の文字起こしツールであって、口述ツールではありません。無料プランは月300分を提供し、会話を録音するために作られていて、カーソルに文字を入力するためではありません。「音声入力アプリ」を探すほとんどの検索にとっては、正しいツールで間違ったカテゴリー、という同じ落とし穴です。これは私たちの文字起こしソフトウェアガイドで取り上げたものと同じです。
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

専用アプリを使わず、標準機能で済ませるべきとき

30語程度のメッセージとたまのメモを送るだけなら、何もインストールしないでください。Apple の Dictate は無料で、Mac と iPhone に内蔵されていて、入力できるすべてのアプリで動きます。Windows ユーザーは同じ価格、つまり無料で Win+H が使えます。標準ツールが苦しくなり始めるのは、より長く整形された文章のあたりです。AI クリーンアップがなく、エンジンの選択もなく、Windows ではオフラインモードもありません。そこが境界線です。それより下なら、Apple と Microsoft がすでにあなたに与えた無料の選択肢が正解であり、必要のない用途のために私のアプリをインストールするくらいなら、そちらを使ってほしいと思います。

費用についても、同じ正直さが当てはまります。標準の選択肢はデバイスに付属し、費用はかかりません。Whisper のローカルパイプラインも、サインインしたユーザーなら誰でも、開始に支払い方法は不要で無料です。有料の Cloud 機能と現在の料金は料金ページに載っています。スマートフォンとちょっとしたメモ用途なら、誰にも何も支払うべきではありません。オフラインモードと AI クリーンアップを備えたシステム全体対応のデスクトップ口述には、有料ツールが意味を持ち始めます。

先週の火曜日、私は許可証への返信をしながらお弁当を詰めていました。片手にきゅうり、もう片方の下にホットキー、下の子が「なんで月はときどきいないの?」と聞いてくる合間に、「許可証にサインして、明日送ります」と口述していました。メールは送信されました。お弁当も出来上がりました。これまでは片手のタイピングで15分かかっていたことです。このリストからどのアプリを選ぶにせよ、あなたが買い戻しているのは、まさにその瞬間です。