音声入力のショートカット すべてのOSで

すべての音声入力ショートカットを一つの表に

この表は、仕組みを知るまでは適当に見えます。音声入力ショートカットは3つの層に存在していて、その層によってショートカットがどこで効くかが決まるのです。

OSの層。 Win+HとMacのディクテーションショートカットはオペレーティングシステムに属します。OSはキーボードとテキストカーソルを掌握しているので、これらはテキストフィールドのあるどのアプリでも効きます。メモ帳、ブラウザ、メールクライアント、ファイルの名前変更ボックスなど、どこでも使えます。

アプリの層。 Ctrl+Shift+SはGoogle Docsのもの、Option+F1はWordのものです。アプリは自分のウィンドウ内でキー入力を捕まえるので、そのショートカットはほかの場所では一切効きません。SlackでCtrl+Shift+Sを押しても、Slackは肩をすくめるだけ。それでも私は週に一度くらいやってしまいます。何も起きません。それでもまたやってしまうのです。

ユーティリティの層。 Whisperのようなディクテーションアプリは、OSにただ一つのグローバルホットキーを登録し、押している間だけ録音して、文字起こしをカーソルの位置に貼り付けます。そのカーソルがどのアプリにあっても構いません。アプリより一段上、OSと同じ届く範囲、それでいてキーは自分で選べます。

この仕組みのモデルは、故障のパターンまで予測してくれます。そこがいちばん役立つところです。OSのショートカットは、OSの機能が依存しているものを失ったときに壊れます。インターネットがない、マイクの権限がない、というように。アプリのショートカットは、設計上、そのアプリを離れた瞬間に壊れます。グローバルホットキーが壊れるのは、別のプログラムが同じ組み合わせを先に押さえてしまったときだけ。だからこそ、どのデフォルトキーで出荷されているかよりも、再割り当てできることのほうが大事なのです。

Windows: Win+Hを押して、話し始める

Windowsキーを押しながらHをタップすると、音声入力バーが下りてきて聞き取りの準備が整います。同じショートカットがWindows 11でもWindows 10でも使えます。Windows 10ではこの機能をディクテーションと呼び、Windows 11では音声入力と名前を変えましたが、キーは一度も変わっていません。Microsoftの音声入力ドキュメントによると、文字起こしを始める前に3つのものが必要です。インターネット接続、動作するマイク、そしてテキストボックスに置かれたカーソル。どれか一つでも欠けると、バーは開いても何も入力されません。

いったん動き出せば、音声コマンドを受け付けます。「それを削除」「それを選択」と言えば、その通りに編集してくれます。対応範囲は分かりやすい言語だけにとどまりません。音声入力には40を超える言語がインストールできます。なお、話しながらフィラーを整理してくれるMicrosoftの新しいフルーエント・ディクテーションモードは、今のところCopilot+ PCと英語ロケール限定です。

Win+Hの調子が悪いときは、その症状がどの依存先で失敗したかを教えてくれます。押しても何も開かない、または数語で聞き取りが止まる場合、解決策の出発点はマイクのプライバシー設定です。音声入力バーのマイクボタンがグレーアウトしている場合は、Windowsがシステムレベルでマイクをブロックしています。そして、虚空に向かって入力し続けた末にWin+Hそのものの代替がほしくなったなら、そのためのツールがまるごと一カテゴリ存在します。この記事は修理の話には立ち入りません。先ほどの3つの記事が深く掘り下げているので、こちらは地図のままでいられるのです。

macOS: ディクテーションキーを押す、または自分で設定する

Appleは同じ部屋への入り口を3つ用意しています。ファンクションキーの列にMicrophoneキーがあればそれを押す、ディクテーションのキーボードショートカットを押す、あるいはメニューバーの 編集 > 読み上げを開始 を選ぶ。言葉づかいには意味があります。Appleのディクテーションガイドが「ディクテーションのキーボードショートカット」と書いているのは、万人共通の単一のキーが存在しないからです。そのショートカットは、システム設定 > キーボード > ディクテーション のショートカットポップアップメニューに表示されているものが何であれそれであり、カスタマイズから自分で好きなキーを押して設定できます。

終了の手順も、同じパターンを逆になぞります。Esc、Microphoneキー、もう一度ショートカットを押す――どれでもセッションを終わらせられますし、ディクテーションは30秒間の沈黙が続くと自分から切れます。この自動停止が、考えている途中の人を驚かせます。言葉を探そうとひと呼吸おいた頃には、ポップオーバーはもう帰ってしまっているのです。

面白みのない事実ですが、Macの設定は組み込み機能の中でいちばん洗練されています。ちゃんとした設定ページ、キーの選択肢、メニューという逃げ道。その代償として「Macのディクテーションショートカットは何?」という問いに一行で答えられず、サポートの質問が設定の案内ツアーへと変わってしまうのです。もし一気に30秒以上書き続けるなら、最初にぶつかる壁はこの30秒の沈黙による打ち切りでしょう。私たちのMacで音声を文字にするガイドが、それを越えるために何を使えばいいかをまとめています。

Google DocsとWordには独自のショートカットがある

Google Docsは音声入力をエディタの機能として扱います。Googleのショートカット一覧では「その他のツールとナビゲーション」に分類されています。WindowsとChromeOSではCtrl+Shift+S、MacではCmd+Shift+S、あるいはメニューから ツール > 音声入力 です。Googleはこの機能が最新のChrome、Edge、Safariで動作するとしており、ページが使えるようマイクがオンで他に占有されていない必要があります。ページ上にマイクのボックスが現れるので、それをクリックするか、もう一度ショートカットを押すと停止します。

詳しい解説は別の記事にGoogle Docsへのディクテーションとしてまとめました。ショートカットが沈黙してしまったときの対処法も載っています。

Wordはもっとややこしいです――そう言うのは、3ページ分のドキュメントをすべて読んだ者ならではの愛情からです。Word for MacはOption+F1でDictateを起動します。Word for Windowsには開始ショートカットがまったく記載されていません。ホームタブのDictateボタンをクリックする方式で、Alt+`(バッククォートキー。左上の、最後に押されたのは2019年だろうあのキー)は、一時停止したセッションの再開用としてだけ記載されています。どのバージョンも、Microsoft 365へのサインイン、マイク、そして生きたインターネット接続が必要です。一つの製品、3つのプラットフォーム、「どのキー?」への3通りの答え。

すべてのアプリで使える一つのショートカット

Whisperはユーティリティの層に位置するので、一つのホットキーがその上のすべてをカバーします。デフォルトはWindowsでCtrl+Space、MacでCommand+Option。2つの修飾キーを一緒に押したまま話し、離せば停止します。文字起こしはカーソルのある場所――Outlook、Docs、Slack、コードエディタ、会計ソフトの検索ボックスなど、どこにでも貼り付けられます。アプリごとのショートカットも、このウィンドウが「祝福された」一つかどうかを確かめる手間も要りません。

キーそのものは、自分で変えられます。設定に「録音ホットキー」の欄があります。クリックして、好きな組み合わせを押せば完了。Escでキャプチャをキャンセルでき、リセットボタンでプラットフォームのデフォルトに戻せます。この欄が存在するのは、午前2時14分に届いた一通のメールのおかげです。「Cmd+Shift+Spaceで音楽ソフトがクラッシュする。これじゃ使い物にならない。返金を」。

私は起きていました――どんな親にも心当たりのある理由で――そして初期のビルドではホットキーをハードコードしていました。カスタマイズ可能な欄は午前2時22分に出荷されました。ユーザーは午前2時31分に「ありがとう」のひと言だけで返信し、返金を求めることは二度とありませんでした。苦情から修正まで8分というのは、私が約束できるプロセスではありません。けれどもそれが生んだ設定パネルは、ずっと残ります。

録音は、あなたの話し方に合わせます。逆ではありません。オートモードはキーを押している間に録音し、離したときに文字起こしします。短い一言には自然に感じられるやり方です。マニュアルモードはワンタップで始まり、オーバーレイのボタンで停止します。キーを押し続けるのがしんどくなるくらい長いディクテーションに向いています。ローカルモードはパイプライン全体をあなたのマシン上で動かし、モデルに応じておよそ140 MBから3 GBのモデルファイルを一度ダウンロードすれば、その後はオフラインで動きます。

この記事がずっと周りを回り続けてきた意見はこれです。最高の生産性ハックは、速い手順ではなく、少ない手順だということ。覚えた4つのショートカットは、最初の一言を発する前の4つの決断です。今どのアプリにいるかを思い出す分を数えれば5つ。どこでも効く一つのキーは、タイピングだけでなく、決断そのものを取り除いてくれます――そしてそれが取り除くタイピングこそが、遅い部分でした。毎分40語、対して話せば145語なのですから。

Whisperを使わなくていいとき

週に数回、一文か二文をディクテーションする程度なら、組み込みの機能で十分ですし、お金もかかりません。Win+HはすでにどのWindowsマシンにも入っていて、40を超える言語に対応し、音声での句読点コマンドも受け付けます。MacのディクテーションはMicrophoneキー一つで使え、短いメッセージなら問題なくこなします。書く生活のすべてがGoogle Docsの中で完結するなら、Ctrl+Shift+Sは無料で、しかも仕事をする場所にあります。専用のディクテーションツールを入れるのは、細かな注意書きが時間を奪い始めたとき――インターネット必須、30秒の沈黙打ち切り、一つのアプリを出たら死ぬショートカット。それまでは、お金は取っておきましょう。

どこかのユーザビリティ研究室で、Ctrl+Shift+Sを選ぶのに関わった人と、Win+Hを選ぶのに関わった人が、口をきいていません。残りの私たちが手にするのは一枚の表です。それを印刷するもよし、暗記をやめて、アプリからアプリへとついてくる一つのキーを割り当てるもよし。私は2つ目を選びました。便利だからです――まあ、それを売っている身ですしね。いずれにせよ、上の表はあなたのものです。