音声入力、いまやすっかり当たり前になりましたよね。皆さんは何を使っていますか?
自分も音声入力は日常的に使っていて、個人開発で1日に何十回もAIにプロンプトを投げるときなんかは特に重宝してます。ただ、ツール選びには悩みました。
AquaVoiceは精度が良かった。でも無料枠は1,000語まででProプランは月額10ドル。
macOSやWindowsの標準音声入力は正直実用レベルじゃない。
そこで、見つけたのが Amical
- 完全無料
- 利用制限なし
- Whisperベース
- OSSでMITライセンス。
2ヶ月使い倒した結果、この記事の下書きも全部Amicalで喋って書いてます。キーボードはほぼ使ってません。
Amicalとは
Amicalはオープンソースの音声入力アプリです。OpenAIが公開しているWhisper(音声認識モデル)をベースにしていて、Mac・Windows両対応。iOS・Android向けのモバイル版もベータで出てます。
公式サイト: https://amical.ai/
GitHub: https://github.com/amicalhq/amical/releases
クラウドとローカル、2つのモード
モデルは大きく分けて2種類あります。
Amical Cloud(自分のメイン)
アカウント登録すれば無料で使えます。音声認識とテキスト整形の両方をクラウド側で処理する方式。
セットアップはほぼ不要で、精度も高い。自分はこっちをメインで使ってます。
待ち時間は体感3〜5秒。テンポよく連続入力したい人は気になるかもしれません。
ローカルモデル
Whisperモデルをダウンロードしてローカルで動かす方式。オフラインでも使えるのが強み。
| モデル | サイズ | 特徴 |
|---|---|---|
| Tiny | 約78MB | 最速だが精度は低い |
| Base | 約148MB | 速度と精度のバランス型 |
| Small | 約488MB | 多くの用途に十分 |
| Medium | 約1.5GB | 高精度 |
| Large v3 | 約3.1GB | 最高精度 |
| Large v3 Turbo | 約1.5GB | Large v3に近い精度で速度改善 |
設定画面から複数モデルをダウンロードして切り替えられます。
最高精度のLarge v3も試してみたんですが、体感ではクラウドモデルのほうが精度は上でした。CPUやGPUの性能も求められることを考えると、ローカルにこだわる理由がなければクラウドでいいと思います。
セットアップは5分で終わる
公式サイトかGitHubからインストールしたら、最低限設定するべき項目は以下の数個だけです。
- マイクの許可
- 入力言語の設定
- モデルの選択(CloudかLocal)
- ショートカットキーの設定
自分はMac(MacBook Air)とWindows(自作デスクトップ)の両方で使ってますが、どっちでも動作に差は感じてません。
AquaVoiceと比べてどうか
もともとAquaVoiceの無料版を1〜2週間ほど試してました。
ざっと違いを以下にまとめます。
| AquaVoice(無料版) | Amical(Cloud) | |
|---|---|---|
| 料金 | 無料版1,000語まで / Pro 月額10ドル | 完全無料・無制限 |
| 音声認識モデル | 独自モデル Avalon | Whisperベース |
| 認識精度 | 非常に高い(公称 誤り率0.9%) | 十分実用的だがAquaVoiceには劣る |
| 出力方式 | リアルタイム逐次表示 | 喋り終わってからまとめて出力 |
| フィラー除去 | あり | あり |
| 辞書登録 | 無料版5件 / Pro 800件 | あり |
| コンテキスト認識 | あり | あり |
| 対応OS | Mac / Windows | Mac / Windows |
| モバイル | iOS | ベータ提供中 |
| オフライン | 不可 | ローカルモデルなら可 |
フィラー除去は体感ほぼ同じ。精度はAquaVoiceのほうが上ですが、Amicalも普段使いで困るレベルではないです。
一番の違いは出力方式です。
AquaVoice は喋っている最中からテキストがリアルタイムで表示されます。誤りをその場で確認できるのが良い。
Amical は喋り終わってから数秒後にまとめて出てくる方式。出力後にチェックが必要になります。
ちなみに、Amicalにも辞書登録機能があります。固有名詞や技術用語は音声認識が苦手なところですが、あらかじめ登録しておけば正しく変換してくれます。自分はプロジェクト名やライブラリ名をいくつか登録してます。
自分の使い方
主にこの2つの場面で使ってます。
- AIへのプロンプト入力 — ChatGPTやClaude Codeに指示を出すとき。長めの要件説明を声で喋ると圧倒的に速い
- ブログの下書き — この記事もそう。頭の中の考えを一旦全部吐き出して、あとからキーボードで整える
キーボードを使うのは、コード書くときと細かい修正のときくらい。文章を一から打つ場面はほぼなくなりました。
2ヶ月使って分かったこと
全体的に本当に満足してます。AquaVoiceの無料版から乗り換えたときは正直「無料だし精度落ちるかな」と思っていましたが、普段使いで困る場面はほぼなかった。無料・無制限でここまで使えるのは正直すごいです。
地味に良いところ
音声入力を続けていると 自分の言葉選びが少しずつ上手くなってくる感覚 があります。リモートワークだと人と喋る機会が減るので、考えていることを声に出して言語化する練習にもなるのはかなり良い点です。
ただ、1つだけ欠点があります。
喋った内容が入力されないことがある。
ハンズフリーモードで使っていると、録音終了後にテキストが入力されないケースがたまに発生します。音声処理のラグとカーソル位置が影響しているっぽい。
Amicalを開けば履歴には残っているので、そこからコピーすれば済みます。前回の音声入力をペーストするショートカットもあるので、致命的ではない。
ただ、まれに 履歴にも残らないケース があります。1〜2分喋った内容が完全に消えるのはかなりキツいです。
長めに喋るときは途中で区切るのが安全です。自分は30秒くらいで一度切るようにしています。
まとめ
AquaVoiceの有料プランに課金せずに、ほぼ同等の音声入力環境が手に入りました。
2ヶ月使ってみて、もうキーボードで長文を打つ気にはなれなくなった、というのが正直な感想です。
将来的に有料化される可能性もありますが、この使い心地なら多少お金がかかっても使い続けると思います。
ただ、精度とリアルタイム出力はやっぱりAquaVoiceのほうが上です。入力量が多くてテンポ重視の人は、AquaVoice Proも全然ありだと思います。自分は無料で十分だったのでAmicalに落ち着きました。
まずはAmicalを試してみて、物足りなければAquaVoice Proに移行するのがいいと思います。