オフライン音声認識：3つのAIモデル、1つのアプリ

Whisper Notes は iPhone と Mac 向けのオフライン音声認識アプリです。音声モデルがデバイス上で動くので、インターネット接続は不要で、録音がアップロードされることもありません。ロック画面から録音する、音声ファイルを読み込む、会議を文字起こしする。どの場合もテキストは同じデバイスの中で作られます。

オフラインで何ができますか？

モデルを一度ダウンロードすれば、すべてです。録音、文字起こし、話者の識別、検索、書き出しはすべてデバイス上で行われるので、機内モードでも使えます。ユーザー情報は一切収集せず、アップロードもしません。

iPhone では、ロック画面のウィジェットをタップするとアプリが開いて録音が始まり、ライブアクティビティがロック画面と Dynamic Island に録音中の状態を表示します。音声ファイルを読み込んだり、ボイスメモの録音を Whisper Notes に共有したりもできます。

Mac では、録音、音声・動画ファイルの読み込みに加え、Zoom、Teams、Google Meet の通話をシステム音声から録音できます。公式サイトからダウンロードした Mac 版では、Fn キーを押し続けてどのアプリでも声で入力することもできます。

人名や製品名、専門用語は設定のカスタム語彙に追加しておくと、モデルがあなたと同じ表記で書きます。テキストはコピーや共有ができ、複数の文字起こしを選んでまとめて書き出すこともできます。

どの音声モデルがどこで動きますか？

Whisper Notes には3つの音声認識エンジンがあります。設定で1つを選び、追加したエンジンは一度だけダウンロードされます。

•Parakeet V3は標準のエンジンで、英語とほか24のヨーロッパ言語で最も高速です。iPhone アプリに最初から入っています（約465 MB）。英語では Open ASR Leaderboard で単語誤り率（WER）6.32%、M5 MacBook Air ではおよそ実時間の60倍の速さで動きます。
•Whisperは100以上の言語に対応します。Mac では Whisper Large V3 Turbo（約1.6 GB）、iPhone では同じ言語に対応する Whisper Small が動きます。
•SenseVoiceは中国語、日本語、韓国語、広東語向けに作られています。M4 Pro 搭載の Mac では、27分の中国語ポッドキャストを13.83秒で文字起こししました（実時間の118倍）。英語ではおよそ実時間の52倍です。

M4 Pro では、Parakeet V3 が35分の音声を約18秒で文字起こしします。iPhone については、App Store のページに iPhone 15 の Parakeet で5分の音声が約18秒と記載されています。各エンジンの対応言語の一覧は1ページにまとめています。

料金はいくらですか？

iPhone の Whisper Notes は $7.99 の買い切りです。Mac は毎週最初の5,000語まで無料で、その後は $14 の買い切りです。どちらもサブスクリプションやアカウントは不要で、すべてのエンジンが含まれます。

制限はありますか？

•Apple デバイス専用です。iOS 18 の iPhone 12 以降、または macOS 14 の Apple シリコン搭載 Mac が必要です。Android 版、Windows 版、Intel Mac 版はありません。
•速度はデバイス次第です。1時間の録音は iPhone では数秒ではなく数分かかり、古い iPhone ほど遅くなります。長いファイルをすぐに文字にしたいなら、クラウドサービスのほうが今も速いです。
•iPhone アプリは開いたままにしてください。ほかのアプリに切り替えると、iOS が文字起こしを一時停止します。
•同期はありません。録音は作成したデバイスに残ります。移すときは書き出しか AirDrop を使ってください。

オフライン音声認識：よくある質問

音声のテキスト化はインターネットなしで使えますか？

はい。音声モデルはデバイスに一度だけダウンロードされます。標準は Parakeet V3（465 MB）で、Whisper（Mac では Large V3 Turbo、約1.6 GB、iPhone では Small）と SenseVoice も使えます。最初のダウンロードが済めば、録音も文字起こしもすべてデバイス上で行われます。機内モードでも動き、通信量はかかりません。