オフライン音声入力ソフト比較：クラウド不要の範囲を確認する

ここでのオフライン音声入力とは、必要なモデルを準備した後、マイク音声を文字へ変換する工程をPC内で実行できることです。アプリの入手、モデルの初回ダウンロード、OS更新、ライセンス確認まで常に無通信である、という定義ではありません。

この境界を曖昧にすると、「オフライン対応」と書かれた製品を導入したのに、初回起動や更新でネット接続が必要だったという食い違いが起きます。機密性の高い用途では、音声認識だけでなく、完成したテキストを貼り付ける先も確認してください。

OpenAIの公式Whisperリポジトリは、日本語音声を指定するコマンド例を掲載しています。Voicetyprでも、日本語には多言語Whisperモデルを選びます。現在同梱されているParakeet V3の公式言語一覧には日本語が含まれないため、日本語用として案内しません。

モデルが日本語を扱えることと、自分の名字、地名、製品名を少ない修正で入力できることは別です。日本語と英語が混じる開発用語、数字、記号を含め、同じ短文で候補モデルを比べてください。

通常のローカル音声認識では、音声を端末内で処理します。任意のAI整形を有効にすると、認識後のテキストだけが選択したAIプロバイダーへ送られる場合があります。AI整形はオフにできます。

また、クラウド音声認識を利用者が選択した場合は、音声がそのプロバイダーへ送られます。ローカル音声認識とクラウド音声認識を同じものとして説明しないことが重要です。モデル取得、ライセンス、更新も別経路として扱います。

「ネットを切って動いた」だけでは、すべての要件を確認したことになりません。導入担当者は、準備時と日常利用時を分けて記録すると判断しやすくなります。