# 無料の音声入力：ローカルWhisperと既製アプリ

> Whisper、Handy、Wispr Flow、superwhisper：音声入力の設定、コンピューターの要件、プライバシー、トラブルシューティング。

Source: https://ailoot.ai/blog/ja/free-voice-input-whisper/
Canonical: https://ailoot.ai/blog/ja/free-voice-input-whisper/
Language: ja
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-104
Revision: sha256-d760645bf720e754f78d371396ac59f92b8f25c8683795df3c19ed2de0683376


<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

音声でのディクテーションは、タイピングの3〜4倍速いです。Wispr Flowやsuperwhisperなどの既製アプリは、音声認識にインターフェースや作業支援機能を組み合わせています。内部の処理は必ずしも同じではありません。この記事の表では、Wispr Flowの独自エンジンとローカルWhisperを分けています。ローカルのWhisper認識には、音声APIのサブスクリプションは不要です。以下では、macOSまたはWindows向けの具体的なアプリを使い、モデルのダウンロード、権限、ショートカット、オフラインテストまでを説明します。所要時間はダウンロードと環境次第です。エージェントへの一般的なプロンプトは補助にはなりますが、検証済みのインストーラーではありません。

</div>

ここで紹介する例では、ほとんどすべてを音声入力しています。Claudeへのプロンプト、メモ、投稿、メッセージアプリへの返信などです。話す速度はキーボード入力の3〜4倍です。ローカルWhisperなら録音をパソコン上で認識できます。ただし、入力先は別のプライバシー境界です。クラウドのチャットに貼り付けたり、オンラインサービスに送信したりしたテキストは、そのサービスの動作に従って送られます。

このガイドでは、アプリを直接インストールする手順と、音声入力を使い始める前の短い確認テストを説明します。エージェントには、その後に見つかった具体的な問題の調査を頼めます。既製の有料アプリの便利さとローカルの選択肢も比較します。

<div class="aside" data-semantic="ailoot-docs-link" aria-label="Ailootのドキュメント">

Ailootの実用的な使い方は[ドキュメント](https://ailoot.ai/docs/)にあります。

</div>

## タイピングではなく音声入力を使う理由

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

平均的な人のタイピング速度は1分あたり約40語ですが、話す速度は130〜150語です。音声入力ならこの速度制限がなくなり、手も自由になります。AIを使うときは、特に違いを実感できます。長いプロンプトを手で2分かけて入力するより、30秒で話すほうが簡単です。

</div>

AIを使うとき、最も時間がかかるのはコードではなく、指示を言葉にすることです。Claudeに何をすべきか説明し、修正し、補足します。こうした説明を入力するには時間がかかります。話せばすぐです。

数字は単純です。話す速度はタイピングの約3倍です。「段落を入力するのに2分かかった」と「30秒で話した」の違いです。一日を通すと、数十分の節約になります。

<div class="aside" data-semantic="callout" role="note" aria-label="ヒント">

ヒント

音声入力は、長い「考えながら話す」プロンプトに特に便利です。「もしこうなったら」や「これを覚えておいて」といった細部も含めて、作業全体を話して説明できます。思考の流れを入力するのは面倒ですが、話すのは自然です。

</div>

さらに、手が自由になります。部屋を歩き回ったり、別の画面を見たり、カップを持ったりできます。多くの人にとって、書き始めるために座るより話すほうが簡単なので、心理的なハードルも下がります。

## Wispr Flow、superwhisper、Whisperの違い

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

WhisperはOpenAIの公開音声認識モデルで、ローカルで動かせます。Wispr Flowとsuperwhisperは、モデルの選択肢や機能を備えた音声入力アプリです。Handyは無料のオープンソースアプリです。各アプリの処理モード、使い勝手、実際の認識結果を比較してください。名称だけで共通のエンジンを使っているとは判断できません。

</div>

名前が似ていて混乱しやすいので、順番に説明します。

**Whisper**（末尾に「r」がないOpenAIの製品）はエンジンです。音声をテキストに変換するオープンモデルです。無料でオープンソースであり、パソコン上で直接動作します。それだけではボタンもウィンドウもない「モーター」のようなもので、既製アプリが内部で使っています。

**Wispr Flow**（末尾に「r」がある、`wisprflow.ai`）は、MacとWindows向けの既製有料アプリです。キーを押しながら話すと、カーソルのあるフィールドにテキストが表示されます。便利で洗練されており、すぐに使えます。

**superwhisper**（`superwhisper.com`）は、Mac、Windows、iPhone向けの類似アプリです。ローカルモデルを使う無料モードがあり、フルバージョンは有料です。仕組みは同じで、キーを押しながら話すとテキストが表示されます。

**Handy**は、ローカル音声認識に使える無料のオープンソースアプリです。以下では[公式のv0.9.8リリース](https://github.com/cjpais/Handy/releases/tag/v0.9.8)を使い、macOSまたはWindowsで、選んだローカルモデルを設定して確認する手順を説明します。

<div class="aside" data-semantic="callout" role="note" aria-label="注記">

注記

Wispr FlowとWhisperは名前がよく似ているため、混乱することがあります。こう覚えてください。Whisperは公開された音声認識モデルで、Wispr Flowは別の音声入力製品です。名前が似ていても、Wispr FlowがWhisperを包んだ製品という意味ではありません。

</div>

どちらの方法も音声をテキストに変換しますが、モデル、編集機能、処理場所は異なる場合があります。既製アプリは設定の手間を減らせ、ローカルWhisperならオフライン認識の経路を管理できます。固有名詞や専門用語を含む同じ文章を試し、自分に合う方法を選びましょう。

## 有料か無料か：Wispr Flowとsuperwhisperの料金は何に対するもの？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

有料アプリでは、既製のインターフェース、個人用辞書、デバイス間の同期に対して、月額約$8〜15のサブスクリプション料金がかかります。Wispr Flowには週2,000語までの無料プランがあり、superwhisperには無料のローカルモードがあります。無料のローカルWhisperには音声認識のサブスクリプションは不要ですが、速度や使えるモデルの大きさはハードウェアに左右されます。

</div>

有料の選択肢を率直に比較すると、次のとおりです。

| 選択肢 | 料金 | プラットフォーム | 含まれるもの |
|----|----|----|----|
| Wispr Flow | 週2,000語まで無料、その後は月額\$15（年払いなら\$12） | Mac、Windows、iPhone | 独自エンジン＋インターフェース、辞書、編集コマンド（有料版） |
| superwhisper | ローカルモードは無料、フルバージョンは月額\$8.49、または生涯アクセスで一括約\$250 | Mac、Windows、iPhone | Whisper＋インターフェース、オフライン動作 |
| Handy | 無料、制限なし | Mac、Windows、Linux | Whisper＋Parakeet、オープンソース、オフライン |
| 単体のローカルWhisper | モデルは無料。ローカルのハードウェアによる制約あり | Mac、Windows、Linux | ローカルに設定したWhisperによる認識 |

有料アプリで実際に料金を払う対象は、次のとおりです。

- **既製のインターフェース。** インストールすればすぐに使え、設定は不要です。
- **音声コマンド。** 「カンマ」「新しい段落」「最後の部分を削除」などを編集コマンドとして認識します（有料版）。
- **同期と辞書。** 名前、用語、個人用辞書がデバイス間で同期されます。

どれも便利です。ただし、そこで使われる音声認識にも、無料で使える同クラスのモデルがあります。ここで説明するローカル設定にはサブスクリプションが不要です。話すだけでテキストが表示されます。

<div class="aside" data-semantic="callout" role="note" aria-label="ヒント">

ヒント

既製の商用アプリの使い勝手を優先するなら、Wispr Flowが自分の用途に合うか比較してください。認識サービスのサブスクリプションを避けたい、または音声処理をローカルに保ちたいなら、ローカルWhisperアプリを試し、選択したモードを確認しましょう。ダウンロードや権限設定の時間は環境によって変わります。

</div>

音声入力は、長いプロンプトを書く負担を減らせます。まずアプリを1つ選び、インストールして試してください。問題が出たら、漠然と設定一式を作らせるのではなく、アプリの正確なバージョン、選択モデル、OS、実際の症状をエージェントに伝えます。

## ローカルWhisperの仕組みとプライバシーが守られる理由

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

ローカルモデルを選ぶと、Whisperはマイクの録音をパソコン上で認識します。アプリとモデルの初回ダウンロードには接続が必要です。任意のオンライン処理や文字起こしの入力先アプリは別に考えてください。機密情報を使う前に、無害な音声で目的のローカルモードをオフライン検証しましょう。

</div>

クラウドサービスでは、音声を他人のサーバーに送り、そこで認識処理を行ってからテキストを送り返します。サーバーを借りる費用がかかるため料金が発生し、音声を預ける会社を信頼する必要があります。

ローカルWhisperの仕組みは異なります。モデルを一度ダウンロードすれば（数百メガバイト程度か、それより少し大きいファイルです）、その後はすべてデバイス上で処理されます。

1.  ### ホットキーを押しながら話す

    キーを押している間、マイクが音声を録音します。

2.  ### パソコン上のモデルが音声を認識する

    インターネットを使わず、デバイス上で音声がテキストに変換されます。

3.  ### カーソル位置にテキストが入力される

    Claudeとのチャット、文書、ブラウザーのアドレスバーなど、どこにでも入力できます。

ローカルでの認識には有料の音声APIは不要で、モデルのダウンロード後はインターネットなしでも文字起こしできます。ローカルのテキストエディターでその動作を確認してください。ただし、クラウドのチャット、クリップボード同期、その他の入力先が、結果のテキストを後で送信することまでは防ぎません。

<div class="aside" data-semantic="callout" role="note" aria-label="注記">

注記

比較すると、クラウド音声認識の料金は1分あたり約\$0.006です。毎日30分ディクテーションすると、文字起こしだけで月に数ドルかかります。一度インストールすれば、ローカルWhisperはずっと無料です。

</div>

Whisperはカザフ語やタタール語など、あまり一般的でない言語を含む約99言語を理解します。モデルにはさまざまなサイズがあり、最軽量（速いものの精度はやや低め）から最大サイズ（より正確ですが負荷も大きい）まであります。

## 音声入力に使えるパソコンは？

互換性と速度は、アプリのビルド、モデル、言語、ハードウェアに左右されます。ダウンロード前に、インストーラーの対応OSとプロセッサー構成を確認してください。大きなモデルほどメモリとストレージが必要です。インストールできても、自分の作業に十分な速さで認識できるとは限りません。

以下のHandyの手順では、ローカルのWhisper Smallモデルと短い一文から始めます。アプリに表示されるダウンロードサイズを確認し、完了まで待ちます。読み込みに失敗したり待ち時間が長すぎたりしたら、すべての古いノートパソコンで同じように動くと考えず、アプリの要件を調べ、対応する小さなローカルモデルを試してください。自分のパソコンで認識結果と待ち時間を測ります。このガイドは、共通の最低スペックや完了時間を実証するものではありません。

## macOSまたはWindowsでローカル音声入力を設定する具体的な手順

ここでは[Handy v0.9.8](https://github.com/cjpais/Handy/releases/tag/v0.9.8)を使います。[同バージョンのREADME](https://github.com/cjpais/Handy/blob/v0.9.8/README.md#quick-start)には、ローカルWhisper認識、変更可能なショートカット、マイクとアクセシビリティの権限が説明されています。これはドキュメントに基づく手順であり、このガイドのためにインストールや文字起こしを実行した報告ではありません。

1. 公式リリースの添付ファイルから、OSとプロセッサーに合うインストーラーをダウンロードし、Handyをインストールして開きます。他のサイトにある同名アプリではなく、目的のリリースであることを確認します。
2. アプリでローカルのWhisper Smallモデルをダウンロードして選択し、完了を待ちます。ローカル認識の確認中は、任意のオンライン後処理を無効にします。
3. Handyのマイク利用を許可します。macOSでは、他のアプリへ文字を入力するために求められるアクセシビリティ権限を「システム設定 → プライバシーとセキュリティ」で許可します。アプリ名と目的を確かめ、無関係な要求まで自動で承認しないでください。
4. Handyの設定で、文字起こしのショートカットを`Ctrl+Shift+Space`にし、押している間だけ録音するモードを選びます。これはここで選ぶキーであり、OSの既定値ではありません。アプリが受け付けない、または別のアプリが使っているなら、空いているキーを選び、以下でも同じキーを使います。
5. ローカルのプレーンテキスト文書を開き、カーソルを置きます。設定したキーを押しながら「Voice input test, project alpha」と話し、離します。録音が止まり、その文書に認識したテキストが入ることを確認します。語句と待ち時間を確認してください。句読点は異なる場合があります。
6. アプリとモデルのダウンロード後、ネットワークを切り、ローカル文書で同じ無害な一文を試します。そこで文字起こしできれば、選択した認識経路がオフラインで動くことを確認できます。その後は再接続します。入力先のクラウドチャットまでローカルで扱われる証拠ではありません。

環境に合わせるためにエージェントの助けが必要なら、範囲を限定した診断用プロンプトを使います。

```text
Handy v0.9.8とローカルのWhisper Smallモデルを使っています。
OSとプロセッサー：[実際の値を記入]
文字起こしのショートカット：[設定したキーを記入]
ローカルエディターでの短文テストの結果：[起きたことを記入]
このバージョンの公式手順を確認し、モデルのダウンロード／読み込み、
マイク録音、ショートカット、文字入力のどこで失敗したか調べてください。
権限や変更は適用前に一つずつ理由を説明してください。
クラウド音声APIへの変更、購入、既存ファイルの削除はしないでください。
```

これは、実際に起きた問題への任意の補助です。エージェントの「準備完了」という返答や「許可」のクリックは、文字起こしとオフライン動作の確認に代わるものではありません。

## 音声入力の動作確認と、動かない場合の対処法

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

設定したショートカットを使い、ローカルのテキストエディターで短文の入力を確認します。キーの競合があれば空いている組み合わせを選び、以後の確認でもその設定を使ってください。マイク、アクセシビリティ権限、モデルのダウンロード完了も確認します。

</div>

アプリ、ダウンロード済みのモデル、ショートカットを設定したら、自分でローカルエディターのテストを実行します：

1.  ### ローカルのテキスト文書にカーソルを置く

    ローカルのプレーンテキスト文書にカーソルを置きます。オフライン確認ではクラウドチャットやブラウザーの欄を使わないでください。

2.  ### 設定済みのショートカットを押す

    上の例ではCtrl+Shift+Spaceを選びますが、変更した場合は自分の設定を使ってください。

3.  ### 短いフレーズを声に出して言う

    たとえば、「音声入力のテスト」です。

4.  ### キーを離す

    カーソルのあった場所にテキストが表示されます。

テキストが出ない場合は、実際に失敗した段階を確認します。上のHandyの診断プロンプトにアプリ・モデル・OS・設定したキーと症状を記入してください。エージェントの説明だけで直ったと判断せず、ローカルエディターで再確認します。

まず、次の原因を順に確認してください。

- **マイクへのアクセスがない。** システムがプログラムによる音声の取得を許可していません。プライバシー設定で許可する必要があります。
- **文字入力の権限がない（Mac）。** 「システム設定 → プライバシーとセキュリティ」でHandyが求めるアクセシビリティ権限を確認し、ローカルのテキストエディターでもう一度試してください。
- **ホットキーの競合。** Handyで設定したキーが他のアプリと競合していないか確認し、空いている組み合わせを選びます。以後もその設定で試してください。
- **モデルのダウンロードまたは読み込みが終わっていない。** アプリで状態を確認し、選んだローカルモデルのダウンロードを完了してから再テストします。黙ってオンラインの音声認識サービスに切り替えないでください。

## 何もインストールできない場合は？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

最後の手段として、インストール不要の音声入力機能がオペレーティングシステムに組み込まれています。Macではキーボード設定の「音声入力」、WindowsではWin+Hを使います。ローカルWhisperより精度は控えめで、Windowsの機能はインターネット経由で動作しますが、何もダウンロードせず、今すぐディクテーションを始めるには十分な方法です。

</div>

トラブルシューティングをする時間はないけれど、今日から音声入力したいこともあります。その場合は、システムに組み込まれた音声入力を有効にしてください。無料で使えます。

- **Mac：**「システム設定」→「キーボード」→「音声入力」の順に開き、有効にします。Appleチップ搭載機では、認識処理がデバイス上でオフライン実行されます。
- **Windows：** `Win + H`を押して音声入力パネルを開きます。インターネット経由で動作し（認識処理はMicrosoftのサーバー上で行われます）、オフラインでプライバシーを保つ処理ではないことを覚えておいてください。

インストールせず、すぐに使えます。ローカルWhisperより精度は控えめです。それでも、行き詰まらずに今日から音声で書き始める方法としては十分です。

<div class="aside" data-semantic="callout" role="note" aria-label="ヒント">

ヒント

システムの音声入力は「予備のタイヤ」です。まず試して使い心地を確かめ、その後、十分な品質を得るためにローカルWhisperをインストールしましょう。

</div>

## Wispr Flowと無料のWhisper、どちらを選ぶ？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="このセクションの重要なポイント">

重要なポイント

既製の使い勝手を優先し、月額$8〜15を払ってもよいなら、Wispr Flowやsuperwhisperを比較してください。認識サービスのサブスクリプションを避けたい、または文字起こしをローカルに保ちたいですか？ 選んだアプリの手順に従い、ローカルモードを確認してください。所要時間は環境によって変わります。認識品質はモデル、言語、マイク、処理設定によって変わります。設定の手軽さに加えて、各選択肢で同じ音声の認識結果を比較してください。

</div>

選び方の簡単なガイドです。

| 重視すること | 選択肢 |
|----|----|
| インストール後すぐ使え、料金を払ってもよい | Wispr Flow（Mac/Windows/iPhone）またはsuperwhisper |
| 既製品を無料で使い、ターミナルを避けたい | Handy（Mac/Windows/Linux） |
| 具体的なローカルアプリの手順に従いたい | Handyと、選択したローカルWhisperモデル |
| 毎月のサブスクリプション料金を避けたい | 無料の選択肢（HandyまたはWhisper） |
| プライバシーを重視し、音声処理をローカルにしたい | HandyまたはローカルWhisperで、選択したローカルモードをオフライン確認。入力先や同期は別に確認 |
| 何もインストールせず今すぐ始めたい | システムの音声入力（Macの音声入力 / Win+H） |

ローカルの選択肢なら認識サービスのサブスクリプションを避け、オフライン文字起こしの経路を用意できます。日常的に使う前に、自分のパソコンで品質、速度、オフライン動作を確認してください。使い勝手によって時間を節約できるなら、商用アプリのほうが合う場合もあります。同じ無害な一文で比較しましょう。

まず、最初のプロンプトを音声入力してみてください。ここで紹介した例では、音声入力を数日使った後、長い文章をキーボードで入力することはほとんどなくなりました。

<div class="section" role="doc-bibliography" aria-label="出典">

### 出典

- [Whisper - OpenAI（GitHub）](https://github.com/openai/whisper)
- [Wispr Flow - 公式サイト](https://wisprflow.ai)
- [superwhisper - 公式サイト](https://superwhisper.com)
- [faster-whisper - 高速エンジン（GitHub）](https://github.com/SYSTRAN/faster-whisper)
- [whisper.cpp - 軽量エンジン（GitHub）](https://github.com/ggml-org/whisper.cpp)
- [mlx-whisper - Appleチップ向け（GitHub）](https://github.com/ml-explore/mlx-examples/tree/main/whisper)
- [Macの音声入力 - Appleサポート](https://support.apple.com/ru-ru/guide/mac-help/mh40584/mac)
- [Windowsの音声入力（Win+H） - Microsoftサポート](https://support.microsoft.com/ru-ru/windows/use-voice-typing-to-talk-instead-of-type-on-your-pc-fec94565-c4bd-329d-e59a-af033fa5689f)
- [Claude Codeのインストール方法](https://ailoot.ai/blog/ja/claude-code/)
- [Claude Codeのスキル、サブエージェント、MCP、プラグイン](https://ailoot.ai/blog/ja/skills-subagents-mcp-plugins-claude-code/)
- [スマートフォンからClaude Codeを使う：リモートコンピューター操作](https://ailoot.ai/blog/ja/claude-code-remote-control-phone/)

</div>



<div class="aside" data-semantic="ailoot-link" aria-label="Ailoot">

[Ailoot](https://ailoot.ai/)をさらにご覧ください。

</div>

## 無料の音声入力：ローカルWhisperと既製アプリ：よくある質問

### Wispr FlowとローカルWhisperは必ず同じエンジンを使っていますか？

いいえ。Whisperは公開された音声認識モデルで、Wispr Flowは別の製品です。この記事の比較では独自エンジンとして扱っています。名前が似ていても、処理や精度が同じとは限りません。専門用語を含む同じ文章で両方を試してください。

### 音声入力のショートカットを押しても文字が出ない場合は？

マイクの権限、文字入力やアクセシビリティの権限、ショートカットの競合、ローカルモデルのダウンロード完了を確認します。その後、入力欄で短い一文を試してください。オフラインでのプライバシーを求めるなら、選択中の認識モードがローカルかも確認します。


## Ailoot · 企業とそのプロジェクト群

Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。

企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。

Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。