正直に語る Wispr Flow の代替

Wispr Flow をひと目で — できること、できないこと

Wispr Flow の売り文句は「タイプするな、ただ話せ」で、タイピングより4倍速いと謳っています。製品は Mac、Windows、iPhone、Android で動作するシステム全体の音声入力レイヤーです。Linux 版はありません。自動検出付きの100以上の言語を謳っており、これは実在するホームページに載った実在の数字なので、私たちはそれを過小評価するつもりはありません。

標準で使える機能には、Backtrack（文の途中で修正）、フィラー除去、自動句読点、修正すると自動で学習する個人辞書、Snippets（定型文の音声ショートカット）、静かな部屋向けの Whisper モード、そして入力先のアプリに合わせて調整される既製のトーンプリセット Styles などがあります。Styles は英語かつデスクトップ専用です。

Wispr Flow ができないこと、そして比較トラフィックの大半が存在する理由は、ノートパソコンの中で動かせないことです。同社のプライバシーページははっきりとこう書いています。「最高の速度と精度を提供するため、文字起こしは常にクラウドで行われます」。オフラインモードはありません。デバイス上での文字起こしもありません。電車に乗っていてトンネルが6分続けば、あなたのディクテーションは6分間の無です。

無料プランの Flow Basic は、Mac または Windows のデスクトップで週2,000語、iPhone で週1,000語を提供します。2,000語というのは、学校宛てのメール1通と長めの Slack 返信1件です。Flow Pro は制限を撤廃し、料金はユーザー1人あたり月 $15、年払いなら月 $12、つまり1席あたり年 $144 です。

Whisper by Remskill ならさらに得られるもの

この2つの差を一番手短に言えば、Wispr Flow はメモ帳、Whisper by Remskill は Microsoft Word です。どちらもテキストを書けます（片方は声で、もう片方は指で）が、フォントを変え、モデルを切り替え、自分のキーを差し込み、ライブ Web 検索を走らせ、自分で書いたカスタムプロンプトでページ全体を書き換えられるのは片方だけです。これはニヤつかずに言っていますし、この先には本物の比較表もあります。

Whisper by Remskill は、同じホットキー上にある2つの製品です。無料プランは完全なローカルパイプラインです。Whisper（文字起こしモデル8種）、Parakeet（NVIDIA の TDT エンジン、約600 MB、CPU 上で Whisper より5〜10倍高速）、完全オフラインの AI 書き換え向けの Ollama、永続的な文字起こし履歴、カスタムホットキー、ホットワード、モデルのダウンロード — その全部です。登録時に支払い方法は不要です。

Pro プランは、自分の OpenAI キーを持ち込む Cloud 機能を追加します。文字起こしモデルを選べます。gpt-4o-mini-transcribe（安くて速い）か gpt-4o-transcribe（最高精度）かです。AI エンハンスメントは既定で gpt-5-mini 上で動き、gpt-5-nano と gpt-5 も選択でき、さらに任意の OpenAI モデル ID を入力して自分のキーに対して Validate ボタンで検証できる自由記述欄もあります。Web 検索トグルは gpt-4o-mini 上で OpenAI の Responses API を使い、合成された回答を出典付きでカーソル位置に2〜5秒で貼り付けます。同じホットキーで、カーソルのあるモニターのスクリーンショットを AI リクエストに添付することもできます（Vision、既定はオフ、1回あたり約 $0.001、画像は応答後に破棄され、ディスクには一切書き込まれません）。Mute オーディオのトグルは録音中だけシステム音声を消音し、ポッドキャストや音楽がマイクに混ざらないようにします。Wispr Flow はどのモデルを呼んでいるか明示しておらず、変更もできません。

既定のホットキーは Windows で Ctrl+Space、macOS で Right Option です。右の ⌥ キーでの単一キーによるプッシュ・トゥ・トーク方式で、Cmd+Space はすでに Spotlight に割り当てられているためこちらを選びました。同じホットキーは書き換えホットキーでもあります。どんなアプリでもテキストを選択し、ホットキーを押して、どう書き換えてほしいか話すだけです — 「これをフォーマルに」「スペイン語に翻訳」「もっと短く」 — すると AI がその選択範囲をその場で置き換えます。2つ目のホットキーもモード切り替えも不要で、ホットキーを押した瞬間の選択範囲の検出が Dictate か Edit かを決めます。Whisper はテキスト入力を受け付けるあらゆるアプリケーションで、システム全体にわたって動作します。Word、Gmail への音声入力、Slack、Discord、Teams、VS Code、JetBrains の IDE、Notion、Obsidian、ブラウザの入力欄。その点では Wispr Flow と同じパターンです。

プラットフォームの話は正直にお伝えします。Windows と Mac はどちらも今日出荷されており、Mac では Apple Silicon を優先しています。Apple Silicon ではさらに実験的な Slap-to-record トグルもあります。MacBook の筐体を2回叩くだけで録音を開始・停止でき、効果はキーボードのホットキーと同じで、内蔵のモーションセンサーを読み取ります。追加の権限は不要です。実験的としているのは、Apple が macOS のリリースごとにそのセンサーの制御方法を変えるためです。Linux は私たちのロードマップにはなく、そうでないふりをするつもりもありません。

並べて比較：Wispr Flow vs Whisper by Remskill

他の誰も実数を入れてくれない比較表です。

この表を正直に何点か読み解きましょう。Wispr Flow の「100以上」という言語数は、私たちの多言語 Whisper の99バリアントより多いです（gpt-4o-mini-transcribe や gpt-4o-transcribe 経由の Cloud 文字起こしもその99言語ファミリーをカバーしますが、彼らはなお幅広いリストを出荷しています）。モバイルでは明らかに彼らの勝ちです。iPhone と Android のアプリが出荷されていて、私たちの側に同等品はありません。エンタープライズ向けコンプライアンスでも彼らの勝ちです。それ以外のどこでも、壁は表の向こう側にあり、下の4行が v2.4.10 で変わった部分です。Vision、任意の選択範囲を音声で書き換える機能、録音中の Mute オーディオ、そして API が公開する任意のモデル ID を受け付ける自由記述の OpenAI モデル欄 — この記事を最初に書いたときには存在しなかったモデルも含めて。

Wispr Flow にない機能

ここからは、はっきり名指しするセクションです。

自分のキーを持ち込む

Wispr Flow は端から端までベンダー管理です。料金は席単位、無料プランは単語制限付き、そしてプライバシーページは文字起こしが常に同社のクラウドで行われることを認めています。私たちは同社の機能ページ、ドキュメント、料金ページを調べましたが、自分の OpenAI キーを差し込めると記載された方法は見つかりませんでした。実際の効果として、あなたは Wispr Flow が使うと決めたモデルと料金カーブに縛られます — 毎月、ずっと、サブスクリプションで。Whisper Cloud なら、自分の OpenAI キーを貼り付けて OpenAI に直接支払います。gpt-4o-mini-transcribe で1分あたり約 $0.003 です。私たちは上乗せを取りません。もし OpenAI が来四半期により速いか安い文字起こしモデルを出せば、ベンダーを変えるのではなく、設定のドロップダウンを変えるだけで切り替えられます。

モデルを選ぶ

Whisper は英語専用の Whisper モデル4種（Base 約140 MB から Turbo 約1.5 GB まで）と多言語モデル4種（Small 約480 MB から Large v3 約3 GB まで）、さらに Parakeet TDT 0.6B v3（約600 MB）を出荷しています。Cloud モードでは、安いものと精度の高いもの、2つの OpenAI 文字起こしモデルから選べ、OpenAI が公開する任意の AI エンハンスメントモデル（入力するカスタム ID も含む）を使えます。Wispr Flow はモデルの選択肢を記載していません。

ユーザー定義の AI プリセット

Wispr Flow の Styles は、入力先のアプリに応じて切り替わるトーン合わせ機能です。便利ですが、既製です。Whisper の AI Instructions は無制限の自由記述カードです。1枚1枚がプロンプトで、「プロのビジネスメールとして書き換える」「スペイン語に翻訳」「3つの箇条書きで要約」といったもので、すべてのディクテーションを書き換えます。アクティブなカードは Ctrl+1 から Ctrl+9（Mac では ⌘+1..9）で呼び出せ、ドラッグ＆ドロップで並べ替えられます。プロンプトを自分で書けます。それが違いです。

カーソル位置での Web 検索

これは Wispr Flow の機能ページに同等品がありません。トグルをオンにすると、Whisper はディクテーションされた質問が最新情報を必要とするときを検出し、それを gpt-4o-mini 上の OpenAI Responses API に送り、合成された回答を出典付きで、あなたがいるどんなテキスト欄にも2〜5秒で貼り付けます。私たちは「今ラゴスのタイムゾーンのオフセットは何時間か」から「EU AI 法の最新版を2段落で要約して」まで、あらゆることに使っています。ディクテーションというより、読むのが速い同僚のように感じられます。

オフラインの AI 書き換え

Whisper は http://localhost:11434 でのローカル LLM エンハンスメント向けに Ollama に対応しています。音声はデバイス上で文字起こしされ、AI 書き換えもデバイス上で行われ、何一つノートパソコンの外に出ません。Wispr Flow のプライバシーページにはオフラインの経路の記述がなく、文字起こしは常にクラウドです。

AI Vision — モデルに画面を見せる

Vision をオンに切り替えると、ディクテーションのホットキーは、カーソルのあるモニターのスクリーンショットもキャプチャし、WebP として base64 エンコードして、AI エンハンスメントのリクエストに添付します。AI は今や画面に実際に映っているものについて答えられます — 「このスタックトレースのエラーを要約して」「このメールへの返信を下書きして」「このグラフは何を示している?」 — そして回答をカーソル位置に貼り付けます。画像は OpenAI のリクエストにインラインで乗り、応答後に破棄されます。ディスクには一切書き込まれず、他のどこにもアップロードされません。既定の gpt-5-mini モデルで1回あたり約 $0.001 です。Cloud 専用、Pro 限定です。私たちは Wispr Flow の機能ページ、ホームページ、料金ページを調べましたが、記載された画面読み取り、スクリーンショット、Vision の機能は見つかりませんでした。

どんなアプリのテキストでも音声で書き換える

Slack で段落をハイライトします。ディクテーションのホットキーを押します。「これをもっとフォーマルに」と言います。AI が選択範囲を書き換えたものに置き換えます。2つ目のホットキーもモード切り替えも不要 — ホットキーを押した瞬間の選択範囲の検出が、新しいテキストをディクテーションするのか、選択したテキストを書き換えるのかを決めます。出荷時に使える例として「スペイン語に翻訳」「もっと短く」「箇条書きで」「平易な英語で」「文法を直して」などがあります。元のクリップボードは書き換えを通して保持され、貼り付けの半秒後に復元されます。この機能は Local（Ollama）と Cloud（OpenAI）の両モードで無料です。Wispr Flow に最も近いのは Styles ですが、これは入力先のアプリに応じてトーンを切り替えるもので、任意の選択範囲に対して話した指示を受け付けるものではありません。

録音中に自分のオーディオをミュートする

トグルがオンのとき、ディクテーションのホットキーを押した瞬間、コーディネーターが既定のオーディオ出力デバイスをソフトウェアでミュートします — 半分聞き流していたポッドキャストは再生され続けますが無音になり、マイクに混ざりません。録音を止めた瞬間、以前のミュート状態が復元されます。私たちは意図的にメディアを一時停止しません（どのプラットフォームの一時停止コマンドにも、一時停止したコンテンツが勝手に再開してしまうという別々の失敗モードがあるためです） — ただミュートするだけです。macOS（CoreAudio）と Windows（WinRT）で動作します。ソフトウェアミュートを公開していない USB オーディオインターフェース — 多くの Focusrite、Audient、MOTU の機器 — では、トグルは録音を失敗させることなく静かに何もしません。Cloud 専用、Pro 限定です。Wispr Flow には記載がありません。

無料プラン vs 無料プラン

無料プランの比較こそ、多くの人がここに来た理由でしょう。

Wispr Flow Basic は無料です。Mac または Windows のデスクトップで週2,000語、iPhone で週1,000語を提供します。個人辞書、Snippets、100以上の言語サポートも付いてきます。でも制限は制限です。2,000語というのは1日あたりおよそ285語です。月曜の朝に先生宛てのメールと Slack のスレッドを書けば、水曜の昼には使い切ります。

この数字は具体的に思い描いてみる価値があります。自然な会話のスピーチは毎分およそ140語、これは言語学の研究でよく挙げられる標準的なペースです。週2,000語というのは、1週間全体で話す時間にしておよそ14分、1日あたり約2分話す計算になります。保護者にメールを送る教師や、訴状を書く弁護士なら、火曜の朝1回で使い切ります。Whisper by Remskill の Local モードには同等の上限がありません。機内モードのフライトで8時間ぶっ続けでディクテーションできて、唯一の制約はノートパソコンのバッテリーだけです。

Whisper by Remskill の無料プランは、ローカルパイプライン全体で、期限なしです。Whisper の文字起こし、Parakeet の文字起こし、Ollama による AI 書き換え、文字起こし履歴、プリセット、ホットワード、カスタムホットキー、パフォーマンスプリセット（Fast／Balanced／Accurate）、モデルのダウンロード、設定 — そのすべてが、永久に、マイクが生み出せる限りの単語数のために無料です。無料で得られない唯一のものは Cloud 機能（OpenAI の文字起こし、gpt-5-mini のエンハンスメント、Web 検索）です。それにはアップグレードします。

登録時に支払い方法は不要です。一切。アカウントを作って、アプリをダウンロードして、ホットキーを押して、話す。私たちは2026年5月にフリーミアムモデルを導入しました。退屈な真実として、すべてのディクテーションユーザーは、カードを差し出すことなくディクテーションできるべきだからです。

（ほとんどの AI ディクテーションアプリは、OpenAI の Whisper API に月 $30 の皮をかぶせただけのものです。私たちが月 €9.99 にしているのは計算上そうなるからで、しかも Cloud を選ぶまでその料金すらいただきません。）

Cloud プランの計算も声に出してやってみる価値があります。OpenAI の公表レートである gpt-4o-mini-transcribe の1分あたり約 $0.003 で、1日30分ディクテーションするヘビーユーザーは、OpenAI に直接およそ月 $2.70 を支払います。1日10分程度の通常のユーザーなら $1 未満です。私たちはその上に何も上乗せしません — Whisper Pro の月 €9.99 で、AI エンハンスメント層、Web 検索、プリセット、書き換えが手に入り、文字起こしの請求はあなたの財布から OpenAI の請求書へ直行します。

料金：月 €9.99、年 €79.99、または €99 の一括払い

「〜から」がどこにもない、数字そのものです。

Whisper Pro の月額は €9.99 です。年額は €79.99 で、月あたり €6.67 になります。買い切りは €99 の一括払いで、期限はありません。Pro Cloud のトライアルは7日間で、カードはアップグレードに進むときだけ必要 — 登録時には決して不要です。さらに、すべての購入に7日間の返金保証が付いており、理由は問いません。

Wispr Flow Pro はユーザー1人あたり月 $15、年払いなら月 $12、つまり1席あたり年 $144 です。Pro の無料トライアルは14日間でカード不要です。私たちより2週間長いトライアルです。私たちはそれを取り繕うつもりはありません。

計算をそのまま読むとこうです。年 €79.99 対 年 $144 で、Whisper Pro はその日の EUR/USD レート次第ですが、年間でおよそ44%安くなります。買い切りはもっと興味深くなります。€99 の一括払い対毎年 $144 ということは、Wispr Flow Pro の購読者が Whisper の買い切りを買えばおよそ9か月で元が取れ、10か月目以降は毎月が無料という計算になります。

始めるのに私たちへ何かを支払う必要はありませんし、ずっと支払う必要がないかもしれません。チームプランも見たい場合は、私たちの料金ページに詳細がすべて載っています。

Wispr Flow に留まるべきとき

このセクションが記事の残りの説得力を支えます。今日、Wispr Flow に留まる本当の理由はありますし、私はそうでないふりをするつもりはありません。

それ以外のすべての人 — 個人の書き手、マーケター、営業職、学生、保護者、電車で書く弁護士、患者の合間の医師、トラックパッドに触れるのが嫌いなインディー開発者 — は、私たちの無料プランから始めて、どうなるか見てみてください。

別のところで無料プランの単語制限にぶつかっていますか? 週ごとの制限がない、私たちの Willow Voice 代替は完全にオフラインで動作し、ローカルパイプライン全体が無料です。

ほとんどのディクテーション比較記事は「ワークフローを変革しよう」という呼びかけで終わります。この記事は、もっと小さな観察で終わります。音声入力が直すのは、何か言いたいことができた瞬間と、それがドキュメントに着地する瞬間の間の隙間です。その隙間はかつてタイピングの90秒でしたが、今では話す2秒です。その隙間が年 $144、€99 の一括払い、あるいはゼロの価値があるかどうかは、あなたが何を、どれくらいの頻度で書くかによります。まず無料プランを試してください。もし壁がやってきたら — 週2,000語の制限では、必ずやってきます — もっと静かな代替がここにあります。