テストと評価に基づく最高の AI 音声入力アプリ
TechCrunch AI は、LLM の進化により精度と文脈理解が飛躍的に向上した最新の音声入力アプリをテストし、特に Wispr Flow を推奨するランキング記事を公開しました。
キーポイント
技術的進歩による品質の転換点
従来の音声認識アプリの課題であった「遅延」や「不正確さ」が、LLM と音声変換モデルの進化により解消され、文脈を保持した正確なテキスト出力が可能になった。
Wispr Flow の特徴と機能
カスタム単語登録や「フォーマル/カジュアル」などのスタイル切り替え、コーディングツールとの連携による変数自動認識など、多様な用途に対応する機能が搭載されている。
利用制限と価格モデル
デスクトップ版で週 2,000 語、iOS 版で月 1,000 語の無料枠が提供され、無制限利用には月額 15 ドルからの有料プランが必要となる。
LLMを活用したテキスト生成
数語の発話から大規模言語モデル（LLM）を用いて、完全な文章を自動生成する機能を提供します。
プライバシーとローカル処理
全ての書き起こしデータを端末内に保存し、モデル学習への参加を完全にオプトアウトできるなど、プライバシー重視の設計となっています。
カスタム辞書と方言対応
業界特有の用語や地域の方言に対応させるため、ユーザーが独自の語彙を追加してアプリを適応させることができます。
Willow の無料枠と有料プラン
デスクトップアプリでは月額 2,000 単語まで無料で使用でき、有料プラン（月額$15〜）では無制限のdictation と書き方の学習機能が利用可能。
影響分析・編集コメントを表示
影響分析
本記事は、音声入力技術が単なる「文字起こし」から「文脈を理解した編集支援ツール」へと進化していることを示しており、生産性向上のための実用的な選択肢を提示しています。特に Wispr Flow のような、開発ワークフローに特化した機能を持つツールの登場は、エンジニアやクリエイター向けの AI ツール市場の成熟を示唆する重要な指標です。
編集コメント
音声認識の精度向上は実用化の鍵ですが、本記事が紹介する Wispr Flow のような「文脈理解」と「ドメイン特化機能」を備えたツールへの注目が高まっています。
AI による音声入力アプリは、短期間で大きく進化を遂げました。長年、これらのアプリは遅く不正確であり、特定のアクセントで明確に発音しない限り役に立たないものでした。
大規模言語モデル（LLM）や音声テキスト変換モデルの進歩により状況は一変し、文脈を十分に保持しながらもより正確に会話を解読できるシステムが生まれました。開発者たちはまた、フィラーワード（無意味な間投詞）の自動削除、つまずきの修正、句読点の処理といった機能を実装しており、編集が必要な箇所が大幅に減ったテキストを出力できるようになっています。
現在市場には数十種類の同種アプリが存在するため、私たちは現時点で利用可能な最も優れかつ有用な音声入力アプリを選定しまとめました。
Wispr Flow
Wispr Flow は資金調達に成功した AI 音声入力アプリで、独自の単語や音声入力の指示を追加することができます。macOS、Windows、iOS 向けにネイティブアプリを提供しており、Android バージョンも開発中です。
このアプリでは、「フォーマル」「カジュアル」「非常にカジュアル」といったスタイルから選択することで、個人間のメッセージ、仕事用、メールなど、異なる種類の文章に対して変換方法をカスタマイズできます。また、Cursor などのバイブコーディングツールと併用する場合は、チャット内で変数を自動的に認識したりファイルをタグ付けしたりする機能をオンにすることも可能です。
このアプリでは、デスクトップ版で週最大 2,000 語、iOS 版で月最大 1,000 語まで無料で文字起こしが可能です。有料サブスクリプションプランでは無制限の文字起こしが利用でき、月額 15 ドルから開始します。
image画像クレジット:Wispr Flow
Willow
Willow は、タイピングが苦手な人にとって大きな時短ツールであると謳っています。自動編集やフォーマットといった一般的な機能に加え、このアプリは大規模言語モデル（LLM）を活用し、数語の発話から完全な文章を生成します。
Willow はまた、プライバシーに配慮したアプローチを採用しており、すべての書き起こしデータを端末内にローカル保存し、モデル学習への参加を完全にオプトアウトできます。さらに、業界特有の用語や地域の方言に適応させるために、独自の語彙を追加することも可能です。
image画像クレジット:Willow
Willow のデスクトップアプリでは、月額 2,000 語まで無料で発話による入力が可能です。個別のサブスクリプションプランは月額 15 ドルから開始し、無制限の発話入力を解放するとともに、ユーザーの執筆スタイルを記憶する機能を有効にします。
Monologue
プライバシーが最優先事項であれば、Monologue は書き起こしのために AI モデルを直接端末にダウンロードでき、データをクラウドから完全に排除できます。さらにこのアプリでは、使用するアプリケーションに応じてトーンをカスタマイズすることも可能です。
Monologue では月額 1,000 語まで無料で書き起こしが可能で、サブスクリプションは月額 10 ドルまたは年額 100 ドルです。同社はまた、最も活発なユーザーに対して、アプリと併用するための物理的なショートカットデバイス「Monokey」を送付しています。
Superwhisper
Superwhisper は主に音声入力アプリですが、オーディオやビデオファイルからの文字起こしも可能です。このアプリでは、AI モデルを選択してダウンロードでき、同社独自の複数のモデル（速度と精度の異なるもの）に加え、Nvidia の Parakeet 音声認識モデルも利用できます。
また、出力を制御するためのカスタムプロンプトを作成することもでき、処理済みおよび未処理の文字起こしをシステムキーボードから直接確認できます。
基本的な音声入力テキスト変換機能は無料で使用可能で、翻訳や文字起こしなどの Pro 機能を試すには 15 分の利用枠が与えられます。有料プランでは、独自の AI API キーを使用でき、クラウドおよびローカルモデルを接続しても利用制限はありません。
月額プランは月 $8.49、年額プランは年間 $84.99（※原文の記述通り）、または生涯ライセンスとして $249.99 を支払うことも可能です。
VoiceTypr
VoiceTypr アプリは、オフラインファーストでサブスクリプション不要のアプローチを採用し、ローカルモデルを使用して文字起こしを行います。また、オープンソース版を自分でホスト・実行したい人のために GitHub リポジトリ も用意されています。VoiceTypr は 99 以上の言語をサポートしており、Mac と Windows の両方で動作します。
このアプリは 3 日間無料で試用可能で、その後は生涯ライセンスを購入できます。価格は 1 デバイス用 $35、2 デバイス用 $56、4 デバイス用 $98 です。
Aqua
Aqua は、Windows と macOS 向けの Y Combinator 支援を受けた音声入力アプリで、遅延（話した瞬間と画面上に文字が表示されるまでの時間差）の観点から、このカテゴリにおいて最速ツールの一つであると主張しています。
文法や句読点の処理に加え、Aqua ではフレーズを話すことでテキストを自動補完することも可能です。例えば、「my address」と言うだけで、Aqua がその内容をタイプしてくれます。
また、本アプリは独自の音声からテキストへの変換 API も提供しており、他のアプリが Aqua の文字起こしエンジンに接続できるようになっています。
無料プランでは月間 1,000 単語まで利用可能です。有料プランは年間請求で月額 8 ドルから開始され、無制限の単語数と 800 個のカスタム辞書項目が解放されます。
Handy
Handy は、Mac、Windows、Linux で動作するオープンソースかつ無料の文字起こしツールです。このアプリは非常に基本的な機能しか備えておらず、カスタマイズ性は高くありませんが、より音声入力を活用したいと考えている方で、費用をかけたくないという方には良い選択肢となります。
本アプリには基本的な設定メニューがあり、プッシュ・トゥ・トークの切り替えや、文字起こしを起動するためのホットキーの変更が可能です。
Typeless
Typeless は、豊富な無料利用単語数で際立っています。同社は、データを一切保持せず、AI モデルの学習にも使用しないと主張しています。また、Typeless では誤って入力してしまった文を再構成する機能も提供しています。
このアプリの無料プランでは、週に最大 4,000 語（月間約 16,000 語）まで音声入力できます。月額 12 ドル（年払い）を支払うと、無制限の単語数を利用可能になり、新機能へのアクセスも得られます。Typeless は Windows と macOS のみで利用可能です。
VoiceInk
VoiceInkは、Mac 向けのオープンソース（open-source）プライベート音声入力アプリです。録音の開始・停止用のグローバルショートカットや、プッシュ・トゥ・トークモードに対応しています。画面に表示されている文脈を読み取り、出力をそれに合わせて調整します。
このアプリは特定のアプリケーションや URL を自動的に検出し、それぞれにカスタムフォーマットやルールを適用できます。また、質問に答えるアシスタントモードも備えています。価格は 1 デバイスでライフタイムアクセスが 25 ドル、2 デバイスが 39 ドル、3 デバイスが 49 ドルです。
Dictato
Dictatoは、Mac 向けの辞書アプリで、価格は€9.99（約$12）です。これにより、ライフタイムアクセスと 2 年間の機能アップデートが利用可能です。このアプリは Parakeet、Whisper、Apple Speech Analyzer などのオフラインモデルと連携し、軽い読み上げやフィラーワードの除去には Apple Intelligence を使用します。これらのローカルモデルのおかげで、同社は超高速な 80 ミリ秒のレイテンシを実現しており、話した直後にテキストがほぼ瞬時に表示されます。
AudioPen
AudioPen は当初 Web ベースの音声メモアプリ として始まりましたが、年々進化を遂げています。現在の Mac バージョンでは、テキストのDictation（音声入力）が可能で、好みのフォーマットやスタイルに書き換えられ、いつでも異なるスタイル間を切り替えることができます。ライブ文字起こしに加え、AudioPen はプラットフォーム間で音声メモを保存したり、複数のメモを組み合わせて要約を作成したり、音声ファイルをアップロードしたり、AI を活用して既存のメモを書き換えることも可能です。アプリの利用料は、3 ヶ月で 33 ドル、1 年間で 99 ドル、2 年間で 159 ドルです。
*当記事内のリンクを通じてご購入いただいた場合、私たちは少額のコミッションを受け取る可能性があります。これは当社の編集の独立性には影響しません。*
原文を表示
AI dictation apps have come a long way in a short time. For years they were slow and inaccurate — unless you spoke with a particular accent and enunciated clearly.
Advances in large language models (LLMs) and speech-to-text models have changed that, producing systems that can decipher speech more accurately while retaining enough context to format the text correctly. Developers have also built in features to automatically remove filler words, fix stumbles, and handle punctuation — outputting text that needs far fewer edits.
With dozens of such apps now on the market, we’ve rounded up our picks for the best and most useful dictation apps available right now.
Wispr Flow
Wispr Flow is a well-funded AI dictation app that lets you add custom words and instructions for dictation. It has native apps for macOS, Windows, and iOS; an Android version is in the works.
The app lets you customize how it transcribes your text by choosing from “formal,” “casual,” and “very casual” styles for different kinds of writing, such as personal messaging, work, and email. And if you use it with vibe-coding tools like Cursor, you can turn on a feature to automatically recognize variables or tag files in the chat.
The app lets you transcribe up to 2,000 words per week for free on desktop, and 1,000 words per month on iOS. Paid subscription plans offer unlimited transcription and start at $15 per month.
Willow
Willow advertises itself as a big time-saver for those who don’t like to type. Alongside common features like automatic editing and formatting, the app uses large language models to generate a full passage of text from just a few dictated words.
Willow also takes a more privacy-focused approach by storing all transcripts locally on your device and lets you opt out of model training entirely. It also lets you add custom vocabulary to help it adapt to your industry’s terminology, or your local dialect.
Willow lets you dictate 2,000 words per month on its desktop app for free. Individual subscription plans start at $15 per month, unlocking unlimited dictation and enabling the app to remember your writing style.
Monologue
If privacy if your priority, Monologue lets you download its AI model directly to your device for transcriptions, keeping your data off the cloud entirely. What’s more, the app lets you customize its tone depending on the app you use it with.
Monologue lets you transcribe 1,000 words per month for free; a subscription costs $10 per month or $100 per year. The company also sends its most active users a physical shortcut device called the Monokey to use with the app.
Superwhisper
Superwhisper is primarily a dictation app, but it can also transcribe from audio or video files. The app lets you choose and download AI models, including several of its own at different speeds and accuracy levels, along with Nvidia’s Parakeet speech-recognition models.
The app also lets you write custom prompts to steer the output, and you can view both processed and unprocessed transcripts directly from your system keyboard.
The basic voice-to-text feature is free to use, and you get 15 minutes to test Pro features such as translation and transcription. The paid tier lets you use your own AI API keys and connect cloud and local models without any usage caps.
The monthly plan costs $8.49 per month, the annual plan costs $84.99 per month, or you can pay $249.99 for a lifetime subscription.
VoiceTypr
The VoiceTypr app takes an offline-first, no-subscription approach, letting you use local models for transcription. It also has a GitHub repository for those who want to host and run the open source version themselves. VoiceTypr supports over 99 languages and works on both Mac and Windows.
The app is available to try for three days for free, and after that, it will allow you to buy a lifetime license. The app costs $35 for one device, $56 for two, and $98 for four devices.
Aqua
Aqua is a Y Combinator-backed voice-typing app for Windows and macOS that claims to be one of the fastest tools in the category in terms of latency (the delay between when you speak and when text appears on screen).
Besides handling grammar and punctuation, Aqua also lets you autofill text by saying phrases — you can say “my address” and have Aqua type it in, for example.
The app also offers its own speech-to-text API, letting other apps plug into Aqua’s transcription engine.
The free tier gets you 1,000 words per month. Paid plans start at $8 per month bill annually and unlock unlimited words and 800 custom dictionary values.
Handy
Handy is an open-source, free transcription tool that runs on Mac, Windows, and Linux. The app is pretty basic and doesn’t offer much customization, but if you want to start using your voice more and don’t want to pay, it is a good option.
The app has a basic settings menu that lets you toggle push-to-talk and change the hotkey to activate transcription.
Typeless
Typeless stands out for its high free word count. The company claims it doesn’t retain any data or use it to train AI models. Typeless also offers to rewrite sentences you may have fumbled.
The app lets you dictate up to 4,000 words per week (roughly 16,000 words per month) on its free tier. You can pay $12 per month (billed annually) to unlock unlimited words and get access to new features. Typeless is available for Windows and macOS only.
VoiceInk
VoiceInk is an open-source private dictation app for Mac. The app supports global shortcuts for recording start/stop, along with a push-to-talk mode. It reads the context on screen and adjusts its output accordingly.
The app can automatically detect certain apps and URLs and apply custom formatting or rules to each. It also has an assistant mode that can answer your questions. The app costs $25 for lifetime access for one device, $39 for two devices, and $49 for three devices.
Dictato
Dictato is a dictionary app for Mac priced at €9.99 — roughly $12 — that gives you lifetime access and two years of feature updates. The app works with offline models like Parakeet, Whisper, and Apple Speech Analyzer, and uses Apple Intelligence for light reading and filler word removal. Thanks to these local models, the app claims a super fast 80ms latency, meaning text appears almost instantly after you speak.
AudioPen
AudioPen began as a web-based voice notes app, but it has evolved over the years. Its Mac version now lets you dictate text and rewrite it in your preferred format and style, switching between different styles at any time. Besides live transcription, AudioPen allows you to store audio notes across platforms, combine notes for summaries, upload audio files, and rewrite existing notes using AI. The app costs $33 for three months, $99 for a year, and $159 for two years.
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み