音声テキスト変換（ Telegram）

TelegramにはOSの音声テキスト変換機能がありますか？

はい、ただし細かい点を確認してください。Telegramの内蔵文字起こしは、誰かが送った音声メッセージに対して機能します。音声メモを開くと、吹き出しの端に小さな文字起こしアイコン「A」があります。タップすると、送信者が話した内容がプレーヤーの直下に表示されます。2023年末に追加されたこの機能は、音声を大きく再生できない時に便利です。

利用する前に知っておくべき点があります。Telegram Premiumは文字起こし無制限ですが、無料アカウントでは回数制限があり、上限に達するとアイコンが機能しなくなります（リセットまで待つ必要があります）。内蔵機能は本物ですが、Premiumを支払わない限り回数制限があります。また文字起こしはTelegram側で行われるため、プライベートな内容の音声メモの場合は注意が必要です。

この機能が何をして何をしないかに注目してください。すでに存在するオーディオ、つまり誰かが録音したものを再生します。あなたのライブ発話をあなたが送るメッセージに変換しません。これらは異なる方向を向く別の矢印であり、このガイドの残りは2つ目について説明します。話して、テキストメッセージを出力する方法です。

音声メモの文字起こしとメッセージのディクテーションの違い

他のすべてがこの区別にかかっているので明確にします。受信した音声メモを文字起こしするとは、Telegramが録音を聞いてあなたのために書き起こすことです。メッセージをディクテーションするとは、あなたが話して、音声添付なしで送信準備ができた状態で入力欄に言葉が現れることです。一方は受け取ったメッセージの読解補助、もう一方はあなたが書くメッセージのタイピング代替です。

友人がぐちゃぐちゃに録音した音声メモを読むことだけが目的なら終わりです。TelegramのAアイコンがそれを処理し、以下は不要です。しかし親指でパラグラフを入力するのに疲れて話すだけにしたいなら、Telegramにはその機能がありません。それを行うツールはTelegramの外にあります。OSまたは専用ディクテーションアプリです。どちらも次に説明します（労力の少ない順）。

最速の方法：システム全体ホットキー

ここで専用アプリが状況を変えます。Whisper by RemskillはTelegramボットでもチャット統合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機能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、Telegramの入力欄を含むあらゆるアプリのカーソル位置に文字起こしが貼り付けられます。コンピューターから見れば単純に入力しているだけなので、Telegram DesktopでもブラウザのTelegramでも同じように動作します。

設定は簡単です：

これがループ全体です。文字起こしが入力欄に現れ、確認してEnterを押すだけです。

話すと、Telegramにメッセージが現れる

動き始めると、体験は最高の意味で地味です。カーソルをチャットに置き、キーを押したまま話して離す。1秒ほどでタイピングしたかのようにテキストがTelegramのメッセージ欄に現れます。コピー&ペースト不要、別ウィンドウ不要、そして重要なことに、相手がスクラブしなければならない音声メモもなし。普通の入力済みメッセージです。

ローカル文字起こしはマシン上で実行される（純粋なRust、Pythonサイドカーなし、ループ内にサーバーなし）ため、オフラインで機能します。ディクテーションした内容はノートパソコンから外に出ることはなく、これはTelegram自身の受信メモ文字起こし（Telegramのサーバーで実行）とは正反対です。WindowsのOS内蔵音声入力も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不要です。

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、その背後に設定画面があります。文字起こしエンジンを選択します。多言語バリアントが99言語をカバーするWhisperモデル（英語専用.enビルドは1言語のみ対応）、または英語と24のヨーロッパ言語をカバーするNVIDIAのParakeet（約600MB、CPUでWhisperより5〜10倍高速）。ホットキーの設定、履歴管理、プリセット保存ができます。Telegramメッセージ1件をディクテーションするのにこれらは一切不要です。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メッセージを整える

話し言葉は乱雑です。「えーと」と言ったり、文の途中でやり直したり、「わかるでしょ」という意味の声を出して終わったりします。Whisperには貼り付ける前にフィラーを削除してフレーズを整えるオプションのAI強化ステップがあります。「えー、そうですね、だから6時、6時ごろ行きます」が「6時ごろ行きます」になります。価値があるかはチャット次第です。仕事グループなら多分あり、妹とのスレッドなら多分なし。

その整理はOllamaを通じてローカルで実行され、自分のマシン上で無料です。Proユーザーはクラウドを通じてルーティングできますが、フィラー整理のメリットは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。オフにして生の文字起こしを貼り付けることもでき、カジュアルなチャットではそれが正しい選択なことがよくあります。

他の人が送ってきた音声メモを読む

最初の機能に戻りましょう。これがTelegramが実際に作ったものです。本当の目的が「長い音声メモを送られたので、聞く代わりに読みたい」なら、WhisperもサードパーティのアプリもまったNo不要です。Telegramがすでにやっています。音声メッセージを開き、小さな「A」文字起こしアイコンをタップすると、Telegramが書き起こしてくれます。

注意すべきはリミットです。無料アカウントには上限があり、Telegram Premiumで上限が解除されます。時折音声メモを文字起こしする程度なら無料層で十分です。友人が5分間のオーディオモノローグだけでコミュニケーションし、全部文字起こしするなら上限に当たり、待つかアップグレードが必要になります。それはTelegramの決定であり、外部アプリが変えられるものではありません。受信メモを読むこととメッセージをディクテーションすることは、同じアプリ内に住む2つの別個の問題です。

ディクテーションアプリをスキップしてOSだけ使う場面

時々メッセージをディクテーションするだけなら、何もインストールしないでください。コンピューターがすでに無料でやっています。Windowsでは、Windows logo key + Hを押すと、サブスクリプションなしにTelegramのチャットバーを含む任意のテキスト欄で音声入力が開きます。Macでは内蔵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不要でデバイス上で実行されます。スマートフォンでは、キーボードのマイクアイコンがTelegramのモバイルメッセージフィールドに直接ディクテーションします。これはiOSまたはGboardがやっていてTelegramではありませんが、機能します。

知っておく価値のあるトレードオフが1つ：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。「5分遅れます、先に注文して」のような短いメッセージにはOSツールが正しい選択です。専用アプリが優位なのは量、フィラー整理、オフラインディクテーションです。長く頻繁に使うほど、それらが重要になります。

問題を解決する最も小さいツールを選んでください。1件のメッセージなら既にある機能です。長いメッセージを何時間も続けるなら、タイピング不要だった2〜3段落目あたりで専用アプリが過剰に思えなくなります。

Whisperの費用

ローカルディクテーションパイプライン（Ollamaを通じた文字起こしとAI整理）は、サインアップ時にカードなしで、すべてのサインイン済みユーザーに無料です。つまりWhisperでTelegramに音声を届けるコストはゼロです。Whisper ProはCloudの機能（OpenAI文字起こし、クラウドAI強化、音声ウェブ検索）を追加し、別のトライアルがあります。正確な料金は料金ページに記載されています。こちらには記載していません。価格は変動し、ブログ投稿は最新情報を維持するのに適していないためです。

つまり、この検索には3つの答えがあります。どれを求めていたかによって異なります。Telegramはすでに受信した音声メモを文字起こしします（Premiumを支払わなければ回数制限あり）。コンピューターはすでに短いメッセージを無料でディクテーションします。そして一日中Telegramで話し続けて内蔵オプションでは追いつかない場合のアプリがあります。3つのツール、2つの異なる作業。ほとんどの場合、フィットする最も小さいものが必要です。