音声入力を Joplin で

Joplin に音声入力は組み込まれている？

デスクトップでは、ありません。Windows、Mac、Linux 向けの Joplin デスクトップアプリには、ノートに音声で書き込むための音声テキスト変換・ディクテーション・音声入力機能が組み込まれていません。マイクのボタンも、音声コマンドも、隠れた設定もありません。設定を隅々まで探していたなら、もうやめて大丈夫です。そこにはありません。

存在するのは（そして、ここでみんなが迷子になるのですが）Joplin の Android アプリにある音声入力です。Joplin 自身の開発者向けドキュメントがはっきり述べています。Android のモバイルアプリは、標準で Whisper を通したオフラインの音声入力に対応しています。チームは本気で取り組んでいて、自動句読点やカスタム用語集まで追加しています。本当に良い機能です。ただ、それがスマホにあるだけなのです。「Joplin には音声入力がある」を「ノートパソコンの Joplin に音声入力がある」と取り違えると、午後が一つ無駄になります。その午後を、あなたには使わずに済んでほしいのです。

というわけでモバイル側の状況ははっきりしています。Android なら組み込みで使え、iPhone ならキーボードのマイクに頼り、いずれにせよスマホの機能です。多くの人が実際に作業するデスクトップのノートでは、Joplin の上で動くツールが必要になります。正直な選択肢がいくつかあり、このガイドの残りでそれらを取り上げます。

ホットキーを押して話すと、文字がノートに届く

これが仕組みのすべてで、いい意味で退屈です。ホットキーを押し、話し、離すと、フォーカスのあるテキスト欄のカーソル位置に文字起こしが貼り付けられます。Whisper はキーを離した後も少しのあいだ録音を続けるので、最後の単語が切れることはありません。OS のカーソル位置に貼り付けるので、Joplin のノートも「ただのテキストボックス」になります。Markdown エディタでも、リッチテキストエディタでも、検索バーでも、同じ動作です。

ランディングページが複雑にしすぎているのが、まさにこの部分です。Joplin にインストールするプラグインも、貼り付ける API トークンも、面倒を見る同期ジョブもありません。カーソルがノートにあって、話すと、その言葉がノートに現れます。話している間は小さなカプセルが表示され、ちゃんと聞き取っていることが分かります。

最初にきちんと押さえておく価値があるのは、ホットキーひとつです。Windows では Ctrl+Space、Mac では Command+Option で、話している間ずっと押し続ける修飾キーのみのプッシュトゥトークです。どちらもすでに使っている操作と衝突する場合は設定で変更できます。（うちの下の娘が以前、お絵かきアプリでホットキーが「効かない」と言ったことがありました。バグではなく衝突だったのですが、そこで普通の人はホットキーの衝突が何かすら知らないのだと学びました。だから今はどのホットキーもカスタマイズできるようになっています。）もし以前にMac で音声入力を設定したことがあるなら、これは同じ操作の感覚を別のアプリに向けるだけです。

2分でセットアップする（Windows でも Mac でも）

必要なのは、Apple Silicon の Mac か Windows 10 以降の PC、使えるマイク、そしてデスクトップで開いた Joplin です。ローカルのパイプライン一式は、サインイン済みのアカウントなら誰でも無料で、サインアップ時に支払い方法を求められることもありません。手順はこうです。

時間がかかるのはモデルのダウンロードであって、セットアップではありません。それ以外は上の4ステップだけです。いったん動き出すと、思いついたことをノートに書き留める行為が、タイピングの作業から、話す作業へと変わります。

デスクトップとモバイル: Joplin の音声入力が実際にどこにあるか

これははっきりさせておく価値があります。「なぜ見つからないのか」という疑問のほぼすべての原因がここにあるからです。Joplin に組み込まれた音声入力は Android の機能です。ドキュメントは明確です。Android アプリは Whisper を通して、句読点と用語集つきでオフラインの音声入力を行います。デスクトップアプリには、その機能は存在しません。同じ製品、同じノートでも、どのデバイスで開いたかによって、まったく違う機能になるのです。

だからもし主にスマホで書き留めているなら、追加で何も要らないかもしれません。Android の音声入力はノートエディタにそのままあります。穴が空いているのはノートパソコンのほうで、長めの文章の多くはそこで書かれるのに、Joplin は何も用意してくれません。システム全体のホットキーがその穴を埋めます。どのウィンドウが持っていようと OS のカーソル位置に貼り付けるので、Joplin のノートを埋めるのと同じキーが、Gmail の作成欄も、Slack のメッセージも、コミットメッセージも埋めてくれます。ツールは一つ、すべてのテキスト欄で、Windows でも Mac でも。

デバイスをまたいで同じ流れを保てる気持ちよさもあります。スマホでは Joplin 自身の音声入力を使い、デスクトップではホットキーを使う。どちらも同じ Markdown のノートに言葉を入れます。マシンを切り替えても何も学び直す必要はなく、デスクトップのツールはそれが特に Joplin かどうかを気にしません。つまり、あなたが文字を書く他のすべてのプログラムもカバーするということです。私は1時間にだいたい40回もアプリを切り替えるので、覚えておくべき音声入力ボタンが40個も欲しくはありません。だから一つのホットキーに手が伸びます。

ローカルかクラウドか: プライベートな保管庫にはどちらのモードか

Joplin には、まずローカルモードを試してください。多くの人が Joplin を選んだ理由はそもそも、自分で管理するストレージに同期する、ローカルファーストのプレーンな Markdown だからです。会議の要約、まとまっていないアイデア、誰かのサーバーには絶対に置きたくない日記。自分が所有するフォルダにノートを保管しておきながら、そこへ届けるのに音声をクラウド経由にするのは、おかしな選択でしょう。Mac が Apple Silicon なら、あるいは PC がここ数年のものなら、ローカルは日常の音声入力を文句なくこなし、クラウドは既定ではなく非常口になります。

3つの方式がどう違うのかを説明します。アプリが選択を求めてくるので、うまく選んでほしいからです。

• Local Parakeet — NVIDIA の TDT エンジンで、約 600 MB、最速のローカル選択肢です。CPU 上で Whisper の5〜10倍速い。英語に加えて他の24のヨーロッパ言語、合計25言語をカバーします。英語への翻訳はありません。英語か他のヨーロッパ言語でノートを書くなら、これが手早く完全にオフラインな選択肢です。
• Local Whisper — 同じマシンでは Parakeet より遅いですが、多言語ビルドは99言語をカバーし、英語へ翻訳できます。英語専用ビルドは英語専用で、99言語ではありません。中国語、日本語、韓国語、あるいは Parakeet にはできない翻訳作業には、これを選んでください。既定の英語モデルは約 480 MB です。
• Cloud（OpenAI、BYOK） — 最高の精度とウェブアクセスを、自分の OpenAI キーで使い、OpenAI から直接請求されます。文字起こしは既定で gpt-4o-mini-transcribe で動きます。インターネットが必要なので、あなたのマシンの外に出る唯一の方式です。Cloud の領域は Whisper Pro の一部です。

退屈な真実ですが、ほとんどの人が Joplin に入れる類いの文章には、ローカルで十分です。どちらのローカルエンジンも、サーバーへ何も送らず完全にあなたのマシン上で動きます。これは、データが自分のものであり続けるからこそ選んだノートアプリの精神に合っています。同じ理由でチームが完全にオフラインのままにした、Joplin 自身の Android 音声入力とも足並みがそろっています。クラウドが活きるのは、難しい録音で最高クラスの精度が欲しいときや、文の途中でモデルにウェブから事実を引っ張ってきてほしいときです。日々のメモの習慣なら、まずローカルから始めて、ローカルでは物足りないときだけクラウドに手を伸ばしましょう。

句読点、Markdown、そして音声での整え方

生の音声入力は、だらだらと続いた文として出てきます。「えーと、じゃあアーキテクチャレビューのノートを書いてプロジェクトアルファのタグをつけて木曜にリマインドして」と言えば、それが、どんな音声エンジンも返してくる句読点のない壁です。それを整える段階で、方式によって違いが出ます。

Windows の音声入力は話しながら句読点を加え、macOS のディクテーションは「カンマ」や「ピリオド」と言えば基本的な句読点を扱います。もっとしっかり整えるには——「えーと」を取り除き、だらだらした文を直し、話した段落を実際にノートに残せるものに変えるには——Whisper が AI による処理をかけられます。起動フレーズの「Hey whisper」と言うと、テキストは届く前に整えられます。ローカルモデルでは Ollama を通して動き、クラウドモードでは既定で gpt-5-mini です。

Joplin 独自の Markdown——見出し、箇条書き、チェックボックス、[[note]] の内部リンク——については、正直な答えはこうです。音声はテキストを用意してくれ、構造は Joplin の Markdown ショートカットが用意してくれます。文を口述したら、見出しには # を、箇条書きには - を、チェックボックスには - [ ] を、いつものように打つのです。どんな音声入力ツールも、命じれば Markdown 構文を呼び出してくれるわけではありません。「見出し プロジェクトアルファと言えば整形されるのを見て」と約束する人は、火曜日の現実ではなくデモを売りつけています。音声で言葉を素早く書き留め、すでに知っているキーで Markdown を整えましょう。

その「話してから整える」流れは、ノートをはるかに超えて役立ちます。同じホットキーでどのアプリにもきれいな文章を口述できるので、長いノートも、打ち込む段落ではなく、話す数文で済むようになります。

Joplin で音声入力ツールを使わなくてよいとき

ときには、すでにマシンにある無料のものが正解で、そうでないふりをするのは不誠実でしょう。Joplin に短いメモ——ひと言、ふた言のリマインダー——を放り込むだけで、スマホを使っているなら、Joplin 自身の Android 音声入力がすでに無料でそれをカバーしています。デスクトップでも、OS が同じことをします。

Windows では、Windows キー + H を押すと、組み込みの音声入力バーがカーソルのある場所で開きます。Joplin のノートも含めて。自動で句読点をつけ、短い入力には十分です。難点は、Microsoft のサーバーを経由しインターネット接続が必要なことで、オフラインの選択肢ではありません。ノートの要点がローカルにとどまることであるときには、これがいつも以上に効いてきます。Mac では、ディクテーションを使えば、入力できる場所ならどこでも話して文字を入れられます。システム設定の「キーボード」で設定でき、Apple Silicon では一般的なテキストはデバイス上で処理できます。

専用のシステム全体のツールに手を伸ばすのは、組み込みのものが痛手になり始めたときです。長いノート、多言語の作業、Windows でのオフラインのプライバシー、あるいは Joplin でもメールでもエディタでも同じように動くホットキーを一つ欲しいとき。その水準より下なら、無料のものを使いましょう——デスクトップでは OS、Android では Joplin 自身の音声入力を。1行のリマインダーのためにアプリをインストールしろとは言いません。

同じトレードオフは、別の場所にもノートを保管している場合に現れます。Obsidian への口述の理屈も同じです。どちらもローカルファーストの Markdown アプリで、本当の連携はプラグインではなくカーソルだからです。

Joplin はマイクのボタンを出荷しました——ただし Android で、私のノートパソコンではありません。そしてこれを書いた今、デスクトップ版がすぐ来るとは思えません。来なくていいのです。デスクトップでは、カーソルこそが連携だからです。ノートに話しかけ、テキストを得て、すでに知っている Markdown ショートカットで整える。このガイドのほとんどを、Joplin ではないテキストボックスに、どのボックスかを気にしないツールで口述し、そのすべてを自分のノートに貼り付けました。それがこの仕掛けのすべてです。