はじめに
エージェント型 IDE（AI 付きエディタ）を使っていると、プロンプトを打つ時間って意外とバカにならないと思いませんか？
要件をあれこれ盛り込もうとすると、頭の中の考えを文章に直して、推敲して……と、指示を「作り上げる」だけでけっこう時間を取られます。
そこでおすすめしたいのが音声入力です。口で説明するだけで、考えをほぼそのままプロンプトに落とし込めるので、思っているより時短になり、効率よく指示出しができます。
この記事で一番伝えたいこと
- 指示出しは「打つ」より「話す」方が速いことが多い。モデルが賢くなった今、話し言葉のままでもちゃんと意図を汲んでくれるので、音声入力が実用レベルになった。
- ただし雑に話すだけではなく、何を音声に任せ、何を手で書くかを切り分けると精度と再現性が上がる。
- さらに一歩進めると、一度生成したあと「見ながら口でレビュー」する反応的な使い方と、音声メモをドキュメントの素材に昇格させるワークフローが効く。
どのエージェント型 IDE でも、チャットに音声とプロンプトを組み合わせる考え方は同じです。操作例のスクリーンショットは例として Cursor を使っています。
まずは 1 回、口頭で指示を出してみてください。
クイックスタート
一番かんたんな「端末標準の音声入力」で試す手順です。
- 音声入力のショートカットを確認する（Mac: 設定で任意のショートカットを割り当て / Windows:
Windowsキー+H） - お使いの IDE のチャット（エージェント）入力欄にカーソルを置く（例: Cursor / VS Code の Copilot Chat 等）
- ショートカットで音声入力をオンにし、指示を口頭で話す
- 認識されたテキストを確認して、そのまま送信
所要時間: 30 秒。いつもの指示を、ためしに口に出すだけです。
音声に任せる／手で書く — 切り分けのチェックリスト
音声入力は「全部話す」より、役割分担したほうが快適です。迷ったときは次の表を目安にしてください。
| 音声に任せる | 手で書く（正確に） |
|---|---|
| 考え・所感・指摘・要件の羅列 |
@ で渡すファイルパス |
| 長文のたたき台・振り返りメモ | 出力先（どのファイルのどの章か） |
| 生成物を見ながらの口頭レビュー | 参照トーン用の @（過去記事や社内ドキュメントのファイル名） |
| 口語・言いよどみ混じりの意思 | プロンプトの骨格（箇条書きの見出し、禁止事項） |
覚えておくと楽な一文
「何を伝えるか（意思）」は音声でざっくり、「どこに書くか（操作）」は手で正確に。
意思は別ファイル（例: memo.md）に音声で溜め、プロンプト本文は短く保つ
— この分離は おまけ② で詳しく説明します。
反応的に使う — 生成後に口で磨くループ
音声入力がいちばん効くのは、実は初回の指示より2 回目以降の手直しだと思っています。
一度の指示でドキュメントやコードが生成されたあと、「もう少しこうしたい」と思う場面は多いはず。そんなときは、生成された成果物を見ながら、口頭で文句を言えばいいんです。
1 番目のセクションの概要説明、ちょっと堅苦しいので、
もう少し平易な表現にして、かつ箇条書きでまとめてください。
あと、全体的に文章が冗長なので、ですます調で整えてください。
訂正されたドキュメントを見て、また感想を口にする。
これはもう、人にレビューしている感覚そのものです。打ち込む手間がないぶん、レビュー → 修正のサイクルがぐっと速くなります。
ポイント
「成果物を見ながら、思ったことを口に出す」
このリズムに乗れると、指摘修正が負担になりにくい
精度を上げる入力の型
話し言葉はそのままでよい一方、事実・参照・出力先を先に固定しておくと、モデルが迷いにくくなります。プロンプトの骨格は短いテンプレに寄せるのがおすすめです。
@memo.md を読んで、機能追加の振り返りとして次を整理して。
- うまくいった点
- 次回改善したい点
- 読者向けに 1 段落の要約
見出しは ## から。箇条書きは短く。
別パターン（メモを正式ドキュメントへ昇格させるとき）:
@memo.md は音声入力でとった雑多なメモです。
校正・要約しながら整えてください。
@report.md に埋められる部分があれば転記してください。
意思は @memo.md に任せ、操作は上のように手で書く — 切り分けのチェックリスト とセットで使ってください。
なぜ今、音声入力なのか
少し前まで、音声入力には弱点がありました。話し言葉特有の言い回しや言いよどみがノイズになって、出力の精度が落ちることがあったのです。
ところが、最近はモデルがかなり賢くなりました。おかげで、
- 複雑な指示も受け止めてくれるので、口頭で要件を盛り込んでもちゃんと解釈してくれる
- 話し言葉ならではの言い換えを、文脈からうまく拾ってくれる
- 同音異義語（例: 日本語の「あめ」＝ 雨 / 飴）も、前後の流れから適切に判断してくれる
余談: 会議の文字起こしも同じ
オンライン会議の録音から自動生成される文字起こしは、雑談が混ざったり同音異義語を取り違えたりして、以前は使いにくかったことも多いです。いまのモデルに通せば、ノイズ混じりのテキストも文脈から解釈してくれることが増えました。音声まわりの入力は、モデルの進化で一気に実用域に入ったと感じています。
つまり、「音声入力＝ノイズが多くて使いづらい」は過去の話。
考えを直感的にプロンプトへ反映できるようになり、使う側の意思がしっかり乗ったインプットを作れるようになりました。
入力方法は大きく 2 つ
音声入力には、大きく分けて 2 つの入口があります。どちらを使っても OK です。
| 方法 | 何を使う | 特徴 |
|---|---|---|
| ① 端末標準の音声入力 | OS（Mac / Windows）の機能 | どの入力欄でも使える。挙動が安定していて安心 |
| ② IDE 内蔵の音声入力（例: Cursor） | エディタ内蔵の機能 | 入力時点で誤字脱字・ニュアンスを含めて整形してくれる精度の高さ |
後半では、音声メモをドキュメントの素材にするワークフロー（おまけ②）や、Quick Edit と Skill で整える方法（おまけ③）まで触れます。2 つの入力方法の使い分けは おまけ① にまとめました。
① 端末標準の音声入力
OS 標準の音声入力です。他の AI チャットやローカルのメモ書きなど、どの入力欄でも使えるのが強みです。
Mac
設定画面の検索欄に「音声入力」と入力し、音声入力を有効にします。
その設定の中で、どのショートカットで音声入力を有効にするかを設定できます。
Windows
起動方法: Windowsキー + H
手順は Windows の音声入力 にまとまっています。
② IDE 内蔵の音声入力（例: Cursor）
例として Cursor には音声入力機能があります。音声を入力した時点で、誤字脱字や前後のニュアンスを汲んだ文字起こしの整形を頻繁にやってくれて、精度が高い印象です。「指示出しのプロンプトに音声をそのまま組み込みたい」というときに向いています。起動は入力欄のマイクアイコンです。Cursor の説明は Voice input にあります。
こんな場面で効く
活用例① 複雑な要件を一気に話す
要件が多いときほど、手打ちはしんどいものです。「あれもこれも」と条件を足していくと、文章を組み立てるだけで疲れてしまいます。
そんなときは、『頭の中の要件を口でそのまま並べる』だけ。
モデルが意図を汲んで、まとまったアウトプットにしてくれます。細部のパスや出力形式は、話したあと手で足すか、精度を上げる入力の型 に沿って短い指示を添えます。
活用例② 生成物の手直しを口頭でレビュー
詳しくは 反応的に使う — 生成後に口で磨くループ を参照してください。
活用例③ 雑なメモをドキュメントの素材にする
「ちゃんと書こう」と思うと手が止まる、という経験はないでしょうか。
音声入力なら、思ったことをそのまま垂れ流すだけでいい。そして、その雑なメモをモデル（エージェント）に整形・要約させて正式ドキュメントに昇格させる、というサイクルが作れます。
実際の流れ:
- 音声でメモを書き散らす（別の
.mdファイルに）
例）「今回の機能追加について... モヤモヤを解消してくれる感じがして...」
口語・文体がズレていても全く問題なし - チャットに
@で渡して整形を依頼する（例は 精度を上げる入力の型） - モデルが要約・整形・転記まで担当する — 口語・誤変換・重複を自動で補正してくれる
なぜこれが効くのか
「正しく書こう」という心理的ハードルがゼロになる。素材は粗くていい。整えるのはエージェントの仕事、と割り切ると、アウトプットのスピードが一気に上がる！
この流れを おまけ② で体系化しています。
おまけ① 2つの使い分け
「結局どっちを使えばいいの？」という話です。ざっくりの目安は以下のとおり。
| 観点 | ① 端末標準 | ② IDE 内蔵（例: Cursor） |
|---|---|---|
| 使える場所 | ✅ どの入力欄でも | IDE 内（例: Cursor） |
| 安定性 | ✅ OS 機能なので挙動が変わりにくい | アップデートで認識挙動が変わる可能性 |
| 整形精度 | 句読点・改行は発話で制御する感じ | ✅ 入力時点で誤字脱字・ニュアンスを整形 |
| 向いている用途 | つらつら長文を書き起こす | 指示プロンプトにそのまま組み込む |
ざっくりまとめると:
-
つらつら長文を吐き出したいとき
メモ用の Markdown を新規作成し、端末標準の音声入力でずらずら書く。
「、（てん）」「。（まる）」「改行」と発すると自動で整形してくれるので、リズムよく書けます。 -
指示プロンプトに音声をそのまま乗せたいとき
IDE 内蔵の音声入力（例: Cursor）。整形精度が高いので、そのまま指示として通しやすいです。
端末標準の音声入力だと、まれに文章がダブって出ることがあります。
とはいえ、指示出しに使うぶんには細かい見た目はそこまで気にしなくて OK です。
おまけ② 音声メモ → 正式ドキュメント化
「活用例③」の使い方を、もう少し整理して紹介します。私も社内Wikiや本記事のたたき台を、このワークフローで作っています。
全体像
3つのパターンの使い方
| パターン | 何をするか | プロンプト例 |
|---|---|---|
| 整形・要約 | 口語メモを読みやすい文体に直す | @memo.md を校正・要約してください |
| 転記・昇格 | 別ドキュメントの所定欄に書き込む | @memo.md の内容を @report.md の「振り返り」節に転記してください |
| 補完・調査 | メモの不足部分を調べて埋める | @memo.md を元に、不明点があれば調査して補完してください |
これらは組み合わせても構いません。「整形しながら転記して、不足があれば補完して」と一度に頼むこともできます。
コツ:「意思」と「指示」はファイルを分ける
考え・所感・指摘事項といった「意思」はメモ（別ファイル）に、参照先や出力先といった「操作・指示」はプロンプト本文に、と切り分けるのがおすすめです。
# ❌ やりがち（全部プロンプトに書く）
振り返り記事を作りたいです。今回のプロジェクトでは初めて触った機能が多くて大変でしたが、
経験のある領域はスムーズで…（以下 延々とプロンプトが続く）
# ✅ おすすめ（意思はメモに分離）
@memo.md は音声入力でとったメモ書きです。
このメモの意思を反映させて、記事を書いてください。
書き味は @past-article.md を参考にしてください。
出力先は @draft.md です。
なぜ分けるとよいか:
- 多くのエージェント型 IDE では、必要な部分だけメモを読みに行ける（部分読み・検索）ので、毎回まるごと読み込まなくて済むことが多い
- 音声メモが複数になっても、分割して処理できる
-
@で渡すパスを正確に書けばよく、意思の部分はざっくり話し言葉で OK
（多くの AI エディタで@や#など、ファイルをコンテキストに載せる記法がある） - 結果としてトークンの節約になり、書きたいことが多いほど効いてくる
なぜ音声メモを「別ファイル」にするのか
プロンプト欄に直接しゃべるのではなく、わざわざ別の .md に書き出す理由:
| 理由 | 中身 |
|---|---|
| 入力方法を混ぜやすい | 音声でざっと吹き込んだあと、気になる箇所だけ手でサッと直せる |
| 全体を見渡せる | プロンプト入力欄は小さく、長文だと俯瞰しにくい。ファイルならエディタで推敲できる |
| 都度・繰り返し参照できる | 一度ファイルにしておけば、エージェントが @ 経由で必要なときに読みに行ける |
| 別チャットからも使える | チャットを分けても同じメモを @ で参照できる共有資産になる |
| 再校正して使い回せる | ごちゃついたメモを一度エージェントに校正させ、追記して別チャットでも使える |
おまけ③ Quick Edit + 専用 Skill（例: Cursor）
音声入力で書き散らしたメモは、そのままだと口語や誤変換が混ざっていて読みにくいことがあります。インライン編集（選択範囲への AI 編集）と、再利用可能な整形ルールを組み合わせて、その場でサッと整える方法が有効です。
以下は Cursor の Quick Edit と Skill を使った実装例です。汎用の考え方は「選択して整形を依頼する」＋「毎回同じ品質の指示をルール化しておく」です。
Quick Edit とは（Cursor）
チャット欄を使わず、選択範囲に対してその場で呼び出すインライン編集です。Mac では整えたい範囲を選択して、Quick Edit のショートカット（Cmd + K）を押すだけで編集モードが起動します。Cursor での起動手順は Inline edit にあります。
整形専用の Skill を用意する
Quick Edit で毎回同じ品質の整形を呼び出せるように、整形専用の Skill を用意しておくのがおすすめです。筆者が使っている Skill のルールはこんな感じです。
- 出力は整形後の Markdown 本文のみ（前置き・後書き・メタコメントなし）
- 元にない情報は追加しない、意味・ニュアンスは維持する
- 音声誤変換など明らかな誤りだけ修正する
- 内容に応じて「見出し＋箇条書き」「見出し＋短文」を自動で選ぶ
frontmatter はこのようになっています。
---
name: tidy-memo
description: >-
ぐちゃぐちゃなメモ・音声入力テキストを、意味を保ったまま Markdown で整理・整頓する。
Use when the user asks to tidy/organize notes, clean up voice input, format memo as Markdown,
or when using Cursor Quick Edit on selected messy text/メモ/音声入力.
disable-model-invocation: true
---
ポイントは disable-model-invocation: true です。チャットの中で AI が勝手にこの Skill を呼び出すことはなく、Quick Edit で選択範囲に対して明示的に呼んだ時だけ動きます。
音声入力だけじゃない
この Skill は、手打ちの書き殴りメモや文体がバラバラな下書きなど、「内容は合っているけど体裁がちぐはぐ」なテキスト全般に使えます。
「音声で話す → Quick Edit で整える」を繰り返すことで、たたき台を少しずつ育てられるのも便利です。
まとめ
| やること | 効果 |
|---|---|
| 指示を「打つ」より「話す」 | プロンプト作成の時短、意思が乗ったインプットに |
| 音声と手入力の切り分け（もっとも重要） | 精度・再現性・トークン効率が上がる |
| 生成物を見ながら口頭でレビュー | 修正ループが軽くなり、成果物を速く磨ける |
| 長文書き起こしは端末標準、指示組み込みは IDE 内蔵音声（例: Cursor） | 用途に合った精度・安定性を引き出せる |
| 音声メモをドキュメントの素材にする | 「ちゃんと書かなきゃ」のプレッシャーゼロで思考を吐き出せる |
| Quick Edit ＋ Skill で体裁を整える | 一定品質のたたき台を速く作れる |
モデルが賢くなったいま、音声入力は立派な時短ツールです。
まずは次の指示出しを、『ちょっと口に出してみる』ところから始めてみてください。