Wordで音声入力： Win+H、ディクテーション、それとも別の方法

Wordの音声入力には経路が2つある、1つではない

両方ともMicrosoftが作ったもので、だからこそ誰も見分けがつかないのです。Windowsの音声入力はオペレーティングシステムの一部です。Win+Hで開き、フォーカスのあるアプリの上にふわりと浮かび、カーソルのある場所に文字を打ち込みます。WordでもNotepadでもブラウザのフォームでも、同じように動きます。一方DictateはMicrosoft 365の一部です。Wordのホームタブにあり、Officeアプリの中だけに存在し、有効なMicrosoft 365のサブスクリプションが必要です。

身も蓋もない事実を言うと、Wordで普通の段落を口述する分には、両者はほぼ同じ結果を返します。どちらも音声をMicrosoftのオンライン音声サービスに通しているからです。本当に違うのは、適用範囲と要件です。Win+HはWindowsに付属していて、どのアプリにもついてきます。DictateはMicrosoft 365のプランに紐づいていて、書式設定コマンドのようなWord固有の技を知っています。Microsoft 365のサブスクリプションがあって一日中Wordの中で過ごすなら、Dictateから始めましょう。Word、Outlook、Slack、ブラウザに書くなら、Win+Hから始めましょう。どちらも、今すでに持っているものに上乗せの費用はかかりません。

Win+H：Wordの中ではなくWindowsに住む音声入力

ステップ1の前に必要なもの：Windows 11のPC（Windows 10では同じショートカットで古い音声認識ツールバーが開きます）、動作するマイク、そしてインターネット接続です。Windowsの音声入力はMicrosoftのオンライン音声認識を通して文字起こしをするため、接続がなければ入力もできません。セットアップにかかる時間は1分未満です。

Win+Hは編集コマンドも受け付けます。「それを削除」「それを選択」「Enterを押す」といった具合です。これらは、宿題を交渉する親のような根気強さで動きます。単純な要求はきれいに通り、複合的な指示では時おり予想外のことが起こります。長めの修正なら、キーボードとマウスはいまだに無敗です。ピルは開くのに何も起こらない場合は、私たちのWin+Hが動かないときの対処法がよくある原因を網羅していますし、Microsoftの音声入力ドキュメントには、すべてのコマンドと対応する40以上の言語が載っています。

もう一つの細かい話。Copilot+ PCでは「流暢なディクテーション」という機能があり、話しているそばから文法やスペルを整えてくれて、パスワード欄では自動的にオフになります。

Dictateボタン、手短に

DictateはWordのホームタブにあるマイクのボタンです。クリックして、聞き取り中の表示が出るのを待ち、話します。Microsoft 365のサブスクリプション、マイク、安定したインターネット接続が必要で、Windows版・Mac版・Web版・モバイル版のWordで使えます。Macでは、Option+F1で切り替えられます。一日中Mac版Wordで書いているなら、Dictateとそのショートカット一つで、必要な音声入力はすべてまかなえるかもしれません。

Win+Hに対する強みは、Wordを理解していることです。自動句読点は対応言語のほとんどで使え（設定の中のトグル）、書式設定コマンドも理解します。「それを太字に」「箇条書きを作成」「最後の単語を削除」といった具合です。弱点は届く範囲です。Officeを離れた瞬間、Dictateは置いてけぼりになります。この節をあえて短くしているのは、Word標準のDictate機能の完全ガイドですべてのコマンド・言語・設定を取り上げているからです。そしてMicrosoftのDictateドキュメントが正式なリファレンスです。Dictateがグレーアウトしていたり見当たらなかったりする場合は、Wordの音声認識トラブルシューティングガイドが解決手順を案内します。

標準の2つがどちらも壁にぶつかるところ

実際に使うと3つの限界が見えてきます。困らされる頻度の高い順に並べます。

第一に、どちらもオフラインでは動きません。 Win+HはMicrosoftのオンラインサービスを通して文字起こしをします。Dictateは安定したインターネット接続を要件として挙げています。電車の中、飛行機の中、40秒ごとに切れるホテルのWi-Fi、そのどこでも両方とも黙り込んでしまいます。ここだけの話、オフラインで動けない音声入力は、誰か他人があなたの代わりに下したプライバシーの判断でもあるのです。お子さんの学校へのメール、給与査定、法的な草案——そのすべてが、声で打ちたかったというだけの理由で、どこかのベンダーのサーバーを経由します。ローカルでの文字起こしは何もどこにも送りません。そして一部の文書にとって、これは好みではなく、必須条件なのです。

第二に、対応言語の上限が違います。 Win+Hは40以上の言語に対応しています。Dictateは約15の言語と地域バリエーションに完全対応し、さらに約25言語が精度の低いプレビューとして使えます。ウクライナ語で口述したり、文書の途中で言語を混ぜたりすると、すぐにムラが出てきます。

第三に、適用範囲です。 DictateはOfficeの境界で終わります。Win+Hはどこでも使えますが、あくまでWindowsの機能で、Macに同等のものはありません。そして私は、どちらのツールにも、毎日使うプロジェクト名・顧客名・製品の専門用語を覚えさせる場所を見つけられませんでした。「Remskill」は、何度直しても「rem skill」と出てくるのです。

Wordでもその他どこでも入力できる、たった一つのホットキー

1990年代後半、私の親戚が、64 MBのRAMを積んだWindows 98のデスクトップでDragon NaturallySpeakingを動かしていました。学習には校正用の文章を45分読み上げる必要があり、口述は1文あたり4秒の遅延でのろのろ進み、季節のあいさつ状の段落を1つ仕上げるのに15分かかりました。ヘッドセットは部屋の向こうへ投げ飛ばされました。ヘッドセットは生き延び、実験は終わりました。私は音声入力を「まだ時が来ていないアイデア」に分類し、そのファイルを20年間開きませんでした。この節は、その開き直したファイルです。

Whisperはデスクトップアプリで、システム全体の上にホットキーを一つ重ねます。Wordの中で（あるいは文字が打てる場所ならどこでも）Ctrl+Spaceを押し、話し、離すと、テキストがカーソルの位置に届きます。同じキーがOutlookでも、Slackでも、ブラウザでも、コードエディタでも動きます。探すべきツールバーもなければ、アプリごとに有効化する機能もありません。これが、標準の2つとの構造的な違いです。

セットアップは10分ほど。その大半はダウンロードの時間です。

モデルをダウンロードした後は、文字起こしがあなたの端末上で行われ、ネットワーク通信はゼロです。同じ口述が、Wi-Fiを切った高度11,000メートルでも動きます。ローカルモードの精度は、モデルのサイズにもよりますが、おおむね95%から99%の間に収まります。さらにカスタム辞書が、標準ツールがいつも噛んでしまう名前を覚えさせてくれます。クラウドモードもあり、自分のOpenAIキーを持ち込めば最新の文字起こしモデルが使えますが、Wordの音声入力なら、私が使うのはローカルのほうです。この節は、やかんがティーバッグと交渉している間に草稿へ口述しました。節には修正が2か所必要でしたが、お茶には一つも要りませんでした。

標準ツールで十分なとき

週に段落を一つ口述する程度で、良いインターネット環境のある机に向かい、Wordの中だけで、Dictateが完全対応する約15言語のどれかを使うなら、Whisperは見送って構いません。DictateはすでにあなたのMicrosoft 365プランに入っていて、その仕事をきちんとこなします。音声入力がWindowsから出ず、対応する40以上の言語にあなたの言語が含まれているなら、Win+Hについても同じことが言えます。ショートカット一つ向こうにあり、追加費用はかかりません。サードパーティの音声入力がその座を勝ち取るのは、毎日口述する、オフラインで作業する、カスタム辞書が要る、あるいはすべてのアプリで一つのツールを使いたいとき——それより前ではありません。

投げ飛ばされたDragonのヘッドセットと、お茶を淹れている間に自分で文字を打ってくれるWord文書との間には、25年の隔たりがあります。ツールが追いついたのです。残された作業は、あなたの一週間にどの聞き手が合うかを選ぶことだけ。今日Win+Hを押して、本物の段落を一つ口述してみてください——近況の報告でも、先延ばしにしていた返信でも。それで通用するなら、新しい既定の方法が見つかったということです。オフラインの壁や辞書の上限にぶつかったら、アップグレードがどこにあるかはもうご存じです。