音声テキスト変換（ Microsoft Teams）

Teamsには音声テキスト変換が内蔵されていますか？

チャットメッセージの作成に関しては、ありません。Teamsにはメッセージ欄で音声をテキストに変換する機能がありません。フォーマットツールバー、三点メニュー、メッセージごとのオプションをクリックして、入力できるマイクを探しました。見つかりませんでした。音声メモを録音して送信することはできますが、それは同僚が再生ボタンを押す必要がある音声クリップであり、入力されたメッセージではありません。会議ツールも同様で、後ほど説明しますが、これがディクテーションと混同されているものです。

MicrosoftのQ&Aフォーラムでもまったく同じ質問をしている人がいて、正直な答えは同じです。デスクトップにはネイティブのチャットディクテーション機能がなく、通常の回避策はWindowsの組み込み音声入力（Windowsロゴキー + H）かブラウザ拡張機能です。これは何かを示しています。「このアプリでどうやってディクテーションしますか」という質問への最もよくある答えが「アプリの外にあるツールを使ってください」である場合、その機能はサブメニューに隠れているわけではありません。単に存在しないのです。

つまり、音声をTeamsの入力メッセージにしたい場合、それを実現するものはTeamsの外にあります。OSか、専用のディクテーションアプリです。両方を以下で説明します。最も混同されやすい会議文字起こしツールは第3の選択肢であり、まったく別の問題を解決します。3つすべてを順に説明します。

会議の文字起こしはディクテーションではない

これは陽気なガイドがぼやかす部分なので、はっきり言います。Teamsの文字起こし、ライブキャプション、録画の横に保存される検索可能なトランスクリプト——これらはすべて会議を聞いて全員の発言を書き留めるものです。それは非常に優れています。Microsoftは会議、ウェビナー、タウンホールにわたって、数十の言語で、話者の帰属付きでそれを文書化しています。目的が「通話にキャプションをつける」または「誰が何を言ったかを記録する」であれば、Teamsはすでにそれを行っており、その上に構築されたTactiqのようなツールも同様です。それらのどれも、ほとんどの人が音声テキスト変換で意味するものではありません。

ディクテーションは逆方向の労力です。あなたが唯一の話者であり、意図的に入力しており、自分の言葉を編集して送信できるテキストとして入力欄に届けたいのです。会議のトランスクリプトは後から会話を書き留めます。ディクテーションはその場でメッセージを作成します。裁判所の速記者とタイプライターくらい違います。Teamsは速記者を提供します。タイプライターは自分で持参します。

最速の方法：システム全体のホットキー

ここで専用アプリが状況を変えます。Whisper by RemskillはTeamsのアドイン、会議ボット、またはブラウザ拡張機能ではありません。キーボードのように動作するデスクトップアプリです。ホットキーを押して話すと、カーソルのある場所にトランスクリプトが貼り付けられます——どんなアプリでも、Teamsの入力欄を含めて。コンピューターにとっては単に入力しているだけなので、Teamsデスクトップアプリでもブラウザで開いたTeamsでも同じように動作します。

セットアップは短いです：

これがすべての流れです。トランスクリプトが入力欄に表示され、確認してEnterを押す。

話すと、Teamsにメッセージが表示される

一度動き始めると、最良の意味で地味な体験です。チャンネルまたはチャットにカーソルを置き、キーを押し続けて話し、離す。1秒ほどでテキストがTeamsの入力欄に表示されます——まるで入力したかのように。コピーアンドペーストなし、テキストを取り出すための別ウィンドウなし、同僚がデスクでスクラブしなければならない音声メモなし。

ローカルの文字起こしがマシン上で実行されるため（純粋なRust、Pythonサイドカーなし、ループ内にサーバーなし）、オフラインで動作します。これは作業ツールとしては思ったより重要なことです。今ディクテーションしている返信、リリースについての半分しかまとまっていない考え、慎重に言葉を選びたいマネージャーへのメッセージ——そのいずれもテキストになる途中でノートパソコンを離れません。WindowsのOSの音声入力はまったく機能するためにインターネット接続が必要ですが、Whisperのローカルモードはそうではありません。

Whisperアプリの全体像

ホットキーが最もよく使う部分ですが、その裏に設定画面があります。文字起こしエンジンを選択できます。多言語バリアントが99言語をカバーし、英語専用の.enビルドがちょうど1言語をカバーするWhisperモデル、またはNVIDIAのParakeet（約600 MB、CPU上でWhisperより5〜10倍高速、英語と24のヨーロッパ言語をカバー）から選べます。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。Teamsのメッセージを1つディクテーションするのに、これらは何も必要ありません。調整したいときのためにあります。

AIでディクテーションしたメッセージを整える

話し言葉は乱雑です。「えー」と言ったり、文章をやり直したり、「わかりますよね」という意味の音で終わったりします。Whisperにはオプションのエンハンスメントステップがあり、貼り付ける前にフィラーワードを削除してフレーズを整えます。そのため「えー、うん、でも、deployが出たんですけど、大丈夫だと、思います」が「deployが完了しました。大丈夫だと思います。」になります。マネージャーやクライアントにメッセージを送るような作業チャンネルでは、この整理は通常価値があります。サイドチャットでの素早い返信には、生のテキストだけが欲しいかもしれません。

この整理はOllamaを通じてローカルで、無料で、自分のマシン上で実行されます。Proユーザーはクラウド経由でルーティングすることもできますが、フィラー削除の恩恵はProを必要としません。無料のローカルパイプラインに含まれています。オフにして生のトランスクリプトを貼り付けることもできます。チャットでの素早い「もうすぐ行きます」にはそれが正解であることが多いです。

ディクテーションアプリを使わずOSを利用する場面

たまにメッセージをディクテーションする程度であれば、何もインストールしないでください。コンピューターはすでにこれを無料で行います。Windowsではウィンドウズロゴキー + Hを押すと、Teamsのチャットバーを含む任意のテキストボックスで音声入力が開きます（サブスクリプション不要）。Macでは、組み込みのディクテーションショートカット（またはマイクキー）が同じことをし、Apple Siliconではインターネットなしでデバイス上で動作します。どちらもTeamsの入力欄（デスクトップアプリまたはブラウザ）に直接入力します。Teamsの内部ではなくOSレベルで動作するからです。

知っておく価値のあるトレードオフが1つあります。WindowsのWin+Hは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。チャンネルへの素早い「5分遅れます、始めてください」には、OSツールが正解です。専用アプリが勝るのは量、フィラーの整理、オフラインディクテーションです。長く、頻繁に行うほど、これらの点が重要になります。

問題を解決する最小のツールを選んでください。メッセージ1つなら、すでに持っているキーです。長い返信、引き継ぎノート、何十ものチャンネルにわたるステータスアップデートの朝には、専用アプリは入力しなくて済んだ2〜3段落目あたりから大げさに思えなくなります。

Whisperの料金

ローカルのディクテーションパイプライン——Ollamaによる文字起こしとAI整理——はサインイン済みユーザーであれば登録時のカードなしで無料です。つまり、WhisperでTeamsに音声を入力するのは無料です。Whisper Proはクラウド機能（OpenAIの文字起こし、クラウドAIエンハンスメント、音声ウェブ検索）を追加し、別途トライアルがあります。正確な数字は料金ページにあります。ここには掲載しません。価格は変わりますし、ブログ記事は最新状態を保つには不向きです。

Teamsはいずれ本当のチャットディクテーションを搭載するでしょう。十分な数の人が入力バーにマイクを探して音声メモボタンしか見つけない状況が続けば、アプリはそうなっていくものです。それまでは、コンピューターにはすでにその機能があり、組み込みバージョンが十分でない場合のアプリが存在し、会議文字起こし機能が通話の記録という完全に別の仕事を担います。3つのツール、3つの問題。ほとんどの場合、最小のものが必要です。