エンジニアの一日は、コードだけではありません。Issue の返信、仕様の下書き、議事のメモ、プロンプトの下書き。ここをキーボードだけでこなしていると、思考より入力が先に疲れます。音声入力が速いこと自体は、もはや論点になりにくいです。判断したいのは、「最初から有料アプリを入れるか」「まず OS 標準のキーで足りるかを測るか」です。
料金や製品の詳細な比較は、Wispr Flow、Superwhisper、標準音声入力の整理にまとめています。この記事では、自分の声と自分の語彙で、30分の手順として回せる形に落とします。
先に決めておくこと:何を測るか
精度の表だけを信じない、が出発点です。公開されている直接比較は少なく、あるものはベンダー自身のベンチマークであることがあります。アクセント、マイク、社名や関数名の出方は人によって違うので、自分の環境で測った結果のほうが、後から説明しやすいです。
30分で見るのは、次の4点だけにします。
- 自分の専門用語(関数名、サービス名、人名)が、どのくらい残るか
- 「えー」「あの」「やっぱり」などのフィラーを、あとから何回消すか
- 音声がどこで処理されるか(端末内か、クラウドか、設定で切り替えられるか)
- オフラインや、会議の隣での誤反応が、仕事の邪魔になるか
会議そのものの録音や話者分離は、別カテゴリです。必要なら議事録ツールのガイド側で見てください。ここでは「キーを押して話し、今の入力欄に文章を出す」用途に限ります。
準備(5分)
テスト用の原稿を、あらかじめ3種類用意します。それぞれ100〜150語(日本語なら200〜300字)程度で足ります。
- いつもの業務文(Slack やメールで実際に送るような文)
- 専門用語が多い文(リポジトリ名、API、社内の呼称を故意に入れる)
- 言い直しが多い文(一度言ってから訂正する。有料アプリの整形が効くかを見るため)
これを、標準入力(macOS の音声入力、Windows の Win+H、スマホの Gboard など、日頃使うもの)と、試したい有料または高機能アプリの無料枠の、両方に同じ順で話します。原稿を「読み上げる」のではなく、いつもの速さで話してください。きれいな朗読用の精度は、実務の精度ではありません。
あわせて、始める前にプライバシー設定を開きます。
- Apple:キーボード設定で、音声入力が端末上か確認する
- Windows:通常の音声入力は Azure 経由のオンライン認識。Copilot+ PC の Fluid dictation は端末上の例外
- Superwhisper:ローカルモデルなら端末外に出さない、と案内されている。クラウドモデルに切り替えた瞬間に前提が変わる
- Wispr Flow:クラウド中心。「Improve the model for everyone」と Context awareness の初期値を先に見る
設定を残さず試すと、あとから「どの条件の結果か」が分からなくなります。ノートの先頭に、OS、アプリ、モデル(ローカル/クラウド)、学習への利用がオンかオフかを一行で書いておきます。
測定(各ツール12〜15分)
各ツールで、3つの原稿を一度ずつ話します。タイマーを置き、次だけ記録します。
| 項目 | 取り方 |
|---|---|
| 経過時間 | キーを押してから、使える文になるまでの時間(手直しを含む) |
| 手直し回数 | 用語の修正、フィラー削除、句読点、改行の回数 |
| 固有名詞の残り | 専門用語のうち、正しく残った数 / 入れた数 |
| オフライン | Wi-Fi を切って、短い文が通るか(通らないならその旨だけ記録) |
手直し回数は、体感より数字のほうが後で比較しやすいです。同じ3原稿で、標準入力が12回、有料アプリが3回、のように差が出ることがあります。逆に、差が1〜2回なら、課金する理由はまだ薄いと考えてよいと思います。
精度の自己採点は、単語誤り率まで算出しなくて構いません。実務では「提出してよい文にするまでの手数」の方が、意思決定に使えます。ベンダーのWERを引用するなら、測定条件(整形のオンオフ、データセットの偏り、実施者)を一緒に書いてください。
取り違えやすい点
音声入力と、会議の録音・話者分離は別物です。後者の精度や料金を、前者の試用に混ぜると判定が荒れます。また、原稿をゆっくり正確に読み上げた結果は、通勤中やレビュー中に話す速さの結果ではありません。比較するなら、同じ速さ、同じマイク、同じ3原稿で揃えます。
チームで共有するときは、個人の感想だけでなく、上の表をそのまま貼れる形にしておくと再試行がしやすいです。モデルや学習設定を変えた日は、別行にします。
判定(残り数分)
次のように分けます。合格ラインは、チームで先に決めておくと揉めにくいです。
- 標準入力のままでよい:短い文が中心で、手直しが苦痛になっていない。Apple Intelligence のオンデバイス修正や、Fluid dictation がすでに入っている
- 無料の高機能アプリで十分:整形は要らないが、ローカルモデルで上限なく使いたい。Superwhisper の無料プランや、同様のローカル実装がこれに近い
- 有料を期間限定で試す価値がある:長い下書きやプロンプトをよく話し、フィラー削除に毎回時間を取られている。まず無料枠(例:Wispr Flow の週あたり語数上限)で、自分の声の整形を見る
- まだ払わない:自分の専門用語で、丸一日試していない。または、音声を端末の外に出せない制約があるのに、クラウド前提の製品だけを見ている
「速そう」で年間プランに入ると、習慣として続かないことにあとから気づきます。5営業日、業務の入力をすべて音声で試し、週に実際何語話したかを記録するだけでも、上限のある無料プランを超えるかどうかは分かります。
料金やデータの扱い、各社の公式な制限は変わります。申し込む前に、公式の料金ページとプライバシーの記述を見てください。比較表と出典は、冒頭の整理記事にあります。録音・文字起こし側の道具は、文字起こしツールの一覧から辿れます。
※本記事はAIツールディレクトリ ToolPotion(toolpotion.ai)を運営する ToolPotion Media Team が執筆しました。製品の優劣を宣言するものではなく、自分の環境で試す手順です。
ToolPotion Media Team


