音声入力

キーを押してからテキストが表示されるまでに、4つのことが起きます。マイクが開き、音声が取り込まれます。音声認識モデルがその音声を言葉に変えます。届いたそばから変えることも、話し終えてから変えることもあります。何らかのクリーンアップで、言葉が文章になります：句読点、大文字、数字、言いよどみの削除です。最後に、テキストがフォーカスのあるAppに挿入されます。ふつうはOSのアクセシビリティの仕組みを通すので、キーボードで打ったようにカーソル位置に入ります。

製品ごとに、各ステップのやり方が違います。クラウドのツールは2つ目と3つ目のステップをサーバで行います。そのまま文字にするだけのツールは3つ目を飛ばします。自分のウインドウにしか入力できず、ペーストさせるツールもあります。音声入力Appを比べるとき、実際に比べているのは、4つのステップがそれぞれどこで、どれだけうまく行われるかです。

この2つの言葉は同じ意味で使われがちですが、本来は違います。音声入力はライブです：自分が文章を作り、ツールがそれに追いつき、結果は作業している場所に入ります。文字起こしはあとから行います：録音がすでにあり、ツールがそれを文書にします。会議のメモ、インタビューの文字起こし、ポッドキャストの字幕は文字起こしの仕事で、話者ラベルやタイムスタンプのような、音声入力には不要な機能が必要です。

ほとんどのツールはどちらか一方のために作られていて、もう一方は苦手か、まったくできません。会議の文字起こしツールでメールを書くのは向いていませんし、音声入力Appで1時間の録音を処理するのも向いていません。用途で選んでください。

音声がどこで処理されるかを確認してください。プライバシーとオフラインでの動作が、それで一度に決まるからです。入力されたときにテキストがどれだけ仕上がっているかを確認してください。そのままの文字起こしは、話すより直すほうに時間がかかるからです。ブラウザベースのものも含め、実際に使っているAppに入力できるかを確認してください。メモのウインドウでしか動かないツールは、そのうち開かなくなるからです。そして、ターミナルやコードエディタで試してください。そこでは、気を利かせた書き換えがそのままバグになります。

Macにはどれも音声入力が組み込まれていますが、オンにするまでは使えません。設定は1分ほどで終わり、すべて「キーボード」設定の中で済みます。

1. 01 アップルメニュー→「システム設定」と選択し、サイドバーで「キーボード」をクリックします。
2. 02 「音声入力」に移動して、オンにします。
3. 03 「言語」の横にある「編集」ボタンをクリックし、話す言語と地域を選択します。
4. 04 「マイクの入力元」の横のポップアップメニューを開いてマイクを選択します。「自動」のままでもかまいません。
5. 05 「ショートカット」ポップアップメニューを開いてショートカットを選択します。または「カスタマイズ」を選択して、使いたいキーを押します。
6. 06 任意のテキストフィールドをクリックしてショートカットを押します。キーボードにマイクキーがあればそれを押すか、「編集」→「音声入力を開始」と選択してもかまいません。
7. 07 止めるときは、もう一度ショートカットを押すか、Escapeキーを押します。

Appleの音声入力には長さの制限がありません。Appleによると、どんな長さのテキストでもタイムアウトなしで音声入力できます。その代わりに無音のルールがあり、30秒間音声が検出されないと自動的に停止します。

音声入力がまったく始まらない場合は、音声コントロールがオンになっていないか確認してください。音声コントロールがオンのときは標準の音声入力は使えず、音声コントロールで音声入力します。始まっても何も聞き取らない場合は、「キーボード」設定の「マイクの入力元」を見て、話しているマイクが選択されていることを確認してください。

対応する言語では、Appleの音声入力が読点、句点、疑問符を自動で入れます。それ以外は声に出して指示できます。以下はApple自身の一覧にある音声コマンドで、ほかの多くの音声入力ツールも似たコマンドを受け付けます。

• 「次の行」または「次の段落」と言うと、テキストを改行できます。
• 「大文字入」と「大文字オフ」で挟んだ部分は、各単語の先頭の文字が大文字になります。
• 「すべて大文字」と言うと、次の単語がすべて大文字になります。
• 数の前に「数字」と言うと、言葉ではなく数字で入力されます。
• 「スペースなしオン」と「スペースなしオフ」で挟むと、単語がスペースなしでつながります。
• 「セミコロン」「開き丸かっこ」「疑問符」など記号の名前を言うと、その記号が入力されます。