Slackで音声を文字に、 正直に言うと

Slackに音声テキスト変換は標準搭載されている？

いいえ。あなたが思っているような機能はありません。Slackには、話した言葉をメッセージ欄に文字として変換する機能がありません。あるのは音声クリップです。チャンネルやDMでマイクのアイコンをクリックすると、Slackはどのプランでも最大5分の音声を録音します。これはボイスメモであって、ディクテーションされたメッセージではありません。

Slackはそのクリップを文字起こしできますが、あなたが頼んだときだけです。録音後に「文字起こしを生成」のアイコンをクリックすると、クリップの下にテキストのプレビューが表示されます。ネットの半分があなたに言うこととは違って、自動ではありません。だからクリップの文字起こしは、あなたが作った録音のテキストであって、ディクテーションして普通のSlackメッセージとして送りたかったメッセージではないのです。違うワークフロー、違う結果。私は、言葉が現れると期待してそのマイクのアイコンを、本当に恥ずかしくなるほどの時間クリックし続けてから、永遠に現れないのだと受け入れました。

あなたの声を入力済みのSlackメッセージにしたいなら、それをやってくれるツールはSlackの外に住んでいます。あなたのOS、または専用のディクテーションアプリです。どちらも下で説明します。

一日中Slackで入力 vs. ただ話すだけ

Slackへのディクテーションを支持する理由はシンプルです。話す速さは1分あたり約145語、ほとんどの人のタイピングは40語に近い。つまりおよそ3.5倍速く、しかも両手が自由になります。にぎやかなチャンネルでは、その差が一日かけて積み上がっていきます。

正直な反対側の重し。Slackのメッセージの多くは6語くらいの長さです。「やります。」「いま見てます。」「リンク共有してくれる？」こういうのにディクテーションは何の役にも立ちません。モードを切り替える分、かえって時間を失います。音声入力が本領を発揮するのは、もっと長いものです。状況報告、引き継ぎメモ、入力が面倒だからつい後回しにしてしまう返信。それが境目です。短い一言はそのまま入力。一、二文を超えるものは、話す。

いちばん速い方法：システム全体のディクテーションホットキー

ここで専用アプリが計算を変えます。Whisper by Remskill はSlackアプリでもボットでもブラウザ拡張機能でもありません。キーボードのように動くデスクトップアプリです。ホットキーを押して話すと、文字起こしがカーソル位置に貼り付けられます。Slackのメッセージ欄を含め、どのアプリでも。Slackのデスクトップアプリでも、ブラウザで開いたSlackでも同じように動きます。あなたのパソコンから見れば、ただ入力しているだけだからです。

セットアップは短いです。

これがすべてのループです。文字起こしが入力欄に現れたら、Enterを押すだけ。

話せば、メッセージがSlackに現れる

いったん動き出せば、その体験はいちばんいい意味で取り立てて何もありません。チャンネルにカーソルを置き、キーを押しっぱなしにして、話し、離す。1秒ほど後には、まるで自分で入力したかのようにテキストがSlackのメッセージ欄に収まっています。コピペもなし、テキストを取り出すための別ウィンドウもなし、同僚が再生する用のクリップもなし。

ローカルの文字起こしがあなたのマシン上で動く（ピュアRust、Pythonのサイドカーなし、ループの中にサーバーなし）ので、オフラインで動作します。これは聞こえる以上に重要です。Slack自身のクリップ文字起こしはクラウド処理で、Windows標準の音声入力はそもそも動くのにインターネット接続が必要です。Whisperのローカルモードは違います。あの社内の状況報告の音声は、決してあなたのノートパソコンから外に出ません。

Whisperアプリの全体像

ホットキーがいちばんよく使う部分ですが、その後ろには設定の画面があります。文字起こしエンジンを選びます。Whisperモデルは、その多言語版が99言語をカバーし、英語専用の .en ビルドはちょうど1言語をカバーします。あるいはNVIDIAのParakeet、約600 MBで、CPU上でWhisperの5〜10倍速く、英語に加えて24のヨーロッパ言語をカバーします。ホットキーを設定し、履歴を管理し、プリセットを保存します。そのどれも、Slackメッセージを1通ディクテーションするのに必要ありません。調整したくなったときのために、そこにあるのです。

ディクテーションしたSlackメッセージをAIで整える

話し言葉は雑です。「えーと」と言い、文を言い直し、語尾が消えていく。Whisperには任意のAI整形ステップがあって、フィラーを削り、貼り付ける前に同僚に送れるレベルの言い回しに整えます。だから「あー、えっと、その、デプロイは出て、たぶん、たぶん大丈夫だと思う」が「デプロイは出ました。たぶん大丈夫だと思います。」になります。

その整形はあなた自身のマシンで、Ollama経由で、無料でローカルに動きます。Proユーザーは代わりにクラウド経由でも処理できますが、フィラー整形の恩恵にProは必要ありません。無料のローカルパイプラインにちゃんとあります。トーンがメールとメッセージの間のどこかに住むSlackでは、その「プロっぽく聞こえるようにする」パスこそ、みんなが結局手放さなくなる機能です。

Slack自身の音声クリップやハドル vs. 本物のディクテーション

存在しない設定を探しに行かなくて済むように、Slackがすでに何をやるのかを正確にしておく価値があります。音声クリップ。録音されたメディアで、最大5分、必要に応じて文字起こし可能。ハドル。同僚と話すためのライブ音声ルーム。どちらも、送ってテキストのように編集する入力済みメッセージにあなたの言葉を変えてはくれません。「とりあえず声に出して言わせて」には良いツールで、「これをディクテーションして送信を押させて」の代わりとしては不十分です。あなたの目的が後者だったなら、Slackは最初からそれをくれるつもりはありませんでした。それはバグではなく、設計の範囲です。

ディクテーションアプリを使わずにOSだけで済ませるとき

たまに短いメッセージをディクテーションすればいいだけなら、何もインストールしないでください。あなたのパソコンはすでにこれを無料でやってくれます。Windowsでは、Windowsロゴキー + H を押すと、Slackを含めどんなテキストボックスでも音声入力が開きます。サブスクリプション不要。Macでは、標準のディクテーションショートカット（またはマイクキー）が同じことをやり、Apple siliconではインターネット不要でデバイス上で動きます。スマホでは、キーボードのマイクのアイコンがSlackのモバイルメッセージ欄に直接ディクテーションします。それはiOSやGboardであってSlackではありませんが、ちゃんと動きます。

知っておく価値のあるトレードオフが一つ。WindowsのWin+Hは動くのにインターネット接続が必要ですが、macOSのディクテーションとWhisperのローカルモードは不要です。さっと「5分遅れます」を送るなら、OSのツールが正解です。専用アプリが一歩抜け出すのは、量、フィラー整形、そしてオフラインでのディクテーションです。長く、頻繁にやるほど、それらが効いてきます。

これを弁当箱テストと呼びましょう。火曜の夕方、私は弁当箱を作っています。サンドイッチ、果物、下の子が拒否するであろうヨーグルト、そしてみんなが散らばる前に一通メッセージを送らなきゃいけない。私は片手でノートパソコンをつかみ、ホットキーを押して、きゅうりを切る合間にディクテーションします。名前のつづりを聞くために手を止めても、ディクテーションは待ってくれて、また続ける。メッセージは送られる。弁当箱は出来上がる。まさにその瞬間が、かつては片手で15分間タイプする時間でした。

Once one hotkey follows your cursor everywhere, the same flow lets you dictate to ChatGPT — speak the prompt and it lands as clean text in the chat box, no retyping a long request by hand.

Whisperの料金

ローカルのディクテーションパイプライン、文字起こしとOllama経由のAI整形は、サインインしたどのユーザーにも無料で、サインアップ時にカードは不要です。だからWhisperであなたの声をSlackに届けるのに費用はかかりません。Whisper Proはクラウド機能（OpenAIの文字起こし、クラウドAI整形、音声でのウェブ検索）を追加し、それには別のトライアルが付きます。正確な数字はここではなく料金ページにあります。価格は変わるもので、ブログ記事はそれを最新に保つのに向かない場所だからです。

Slackもいずれ本物のディクテーションを搭載するでしょう。ほとんどのアプリがそうするように、それを期待してマイクのアイコンをクリックする人が十分に増えたら。それまでは、あなたのパソコンにはもう機能がありますし、標準版では速さが足りないときのためのアプリも存在します。あなたの問題を解決する、いちばん小さいツールを選んでください。ほとんどの短いメッセージにとって、それはあなたがすでに持っているキーボードです。