音声入力ソフトの選び方：用途別に比べる2026年版

日本語では「音声入力」「音声認識」「文字起こし」が混同されがちです。音声入力は、いま話した内容を文章として入力する作業です。文字起こしは、会議やインタビューなど録音済みの音声を後からテキスト化する作業を指すことが多く、話者分離やタイムスタンプなど別の機能が必要になります。

Voicetyprの中心はカーソル位置への音声入力です。会議参加者を録音して共有議事録を作るサービスではありません。この違いを先に決めると、不要な機能や料金を避けやすくなります。

対応言語に日本語が含まれていても、名字、社名、製品名、英数字、専門用語の扱いはモデルや話し方で変わります。Voicetyprは日本語に使える多言語Whisperモデルを用意していますが、日本語の方言・業界語・アクセントを横断した公開ベンチマークはありません。

購入前には、普段の文章から30〜60秒の短い原稿を作り、同じマイク、距離、部屋で試してください。見た目の滑らかさではなく、意味を直すために必要だった編集を数えると比較しやすくなります。

Voicetyprでは、通常の音声から文字への変換は既定で端末内のモデルが行います。任意のAI整形を有効にした場合だけ、変換後のテキストを選択したAIプロバイダーへ送ることがあります。AI整形のために音声そのものを送るわけではありません。

ただし「ローカル」はアプリ全体が一切通信しないという意味ではありません。初回のモデル取得、ライセンス、更新には通信が必要になる場合があります。クラウド音声認識を自分で選んだ場合は、その音声が選択先へ送られます。機密情報を扱う場合は、設定と組織のルールを両方確認してください。

音声入力は、マイク、部屋の雑音、話す速さ、語彙、PC性能、入力先アプリの相性で体験が変わります。そのため、他人の「高精度」という感想だけで決めず、自分の環境で短く試す方が確実です。