2026年に音声入力ツールを探しているなら、精度を比べるのは間違いです。現在の世代のモデル——有料アプリの裏側にあるものもオープンソースのものも——は、一般的なビジネス会話なら十分な頻度で正しく認識するため、違いは最後の数パーセントにしか現れません。そしてその数パーセントは、アプリよりもマイクやアクセントに左右されます。あるツールが自分に合うかどうかを実際に決めるのは、もっと狭くて実用的な点です。どのマシンで動くのか、音声がクラウドサービスに送られるのか、そして無料枠を使い切ったあとにプランがどう課金されるのか、この3つです。
本ガイドはこの3つの問いを軸に、さらに「何をしたいか」——テキストフィールドへの音声入力、録音の文字起こし、会議の議事録化——で構成しています。これらは別々の仕事なのに、一つの製品として売られがちです。
以下の価格とプランの詳細は、2026年9月21日時点で公式の料金ページを確認したものです。当サイトはこれらのツールをベンチマークしていないため、優劣を競う記事ではなく、市場の地図として読んでください。
インストール前に決まる3つの問い
どこで入力しますか？ 音声入力ツールにはプラットフォームの偏りがあります。このカテゴリの多くはmacOSで育ちました。システムレベルのテキスト挿入が実装しやすいからです。有名な選択肢のいくつかは、Windows版をまったく出していないか、二の次扱いしています。仕事がWindows中心なら、価格の話に入る前に、その一点だけで選択肢の半分が消えます。
音声はマシンの外に出ますか？ クラウド型の音声入力は処理のために音声を外部に送ります。だからこそ軽いノートPCでも動き、長く雑な話し方にもうまく対応できます。ローカルモデルは自分のハードウェア上で動きます。だからこそ飛行機の中でも使え、コンプライアンス担当者も反対しません。ここでは宣伝文句を注意深く読みましょう。「オフラインで動作」は、完全なローカルモデルを指すこともあれば、キャッシュによる代替処理を指すこともあります。この2つは同じ約束ではありません。
プランはどう課金されますか？ 形は3つあります。有料なら無制限（無料枠には厳しい上限あり）、月あたりの分数、そして買い切りです。これらはまったく異なる使い方を評価します。1日10分だけ音声入力する人には、分数プランは不利で、無料枠が有利です。インタビューを文字起こしする人には何時間もの処理能力が必要で、そもそも1分単位の課金があるかどうかを最も気にするべきです。
Wispr Flow公式サイトの画像。
定番のMac中心オプションが欲しいなら
Wispr Flowは多くの人が最初に出会う名前で、料金体系はわかりやすいものです。まず無料枠があり、次にProがユーザーあたり月額約15ドルで無制限の音声入力を提供します。プランは席単位で販売され、有料プランにチーム管理機能があります。音声入力の量が安定していて、設定の手間を最小限にしたいなら、これが求める形です。価格は一つで、単語数を数える必要はありません。トレードオフは、音声が処理のために同社のサービスへ送られることです。これはほとんどのオフィス業務では妥当な選択ですが、一部の規制業種では選択肢にすらなりません。
当サイトの無料AI音声ツールガイドは音声の生成側を扱っており、これは別の問題です。以下の内容は、話した内容をテキストにする話です。
音声をノートPCから一切出したくないなら
ここには老舗の有料アプリが2つあります。MacWhisperはローカルモデルとプライバシーを中心に設計されています。自分のMac上でローカル処理によってファイルを文字起こしし、その価値提案は機密性の高い録音にまっすぐ向けられています。Superwhisperもオンデバイスのモデルで動作し、月払い・年払い・買い切りで販売され、原則としてサブスクリプションを好まない人のための買い切りオプションがあります。買い切りはカテゴリの特徴として理解する価値があります。音声入力ツールの中には、サービスではなくソフトウェアのように価格設定されているものがあるのです。
ローカル化の代償はハードウェアと速度です。ローカルでの文字起こしは、他に動かしているすべてのものと同じメモリとGPUを奪い合い、古いマシンでは長い録音がクラウド処理より明らかに時間がかかります。
自分で制御したい、ターミナルも厭わないなら
このカテゴリの無料の道は本当に優れています。基盤となるモデルがオープンだからです。OpenAIのWhisperモデルはMITライセンスで公開されており（GitHubで約109,000スター）、whisper.cpp（約54,000スター、こちらもMIT）は、普通のノートPCやスマートフォンでもローカル文字起こしを実用的にしたC/C++ポートです。
その上に乗る形で、自分で作らずに代替手段を得たい人向けのオープンソースアプリがあります。Handy（約32,000スター、MIT）はクロスプラットフォームのプッシュトゥトーク音声テキスト変換アプリで、これは重要な点です。このカテゴリではWindowsユーザーが使える洗練された選択肢がはるかに少ないからです。VoiceInk（約6,500スター）は、自身のリポジトリでSuperwhisperとWispr Flowのオープンソース代替と説明しています。
その代わりに支払うのはセットアップの時間です。モデルのインストール、サイズの選択、ホットキーの設定、そしてときにはオーディオデバイスのデバッグです。
仕事が音声入力ではなく会議なら
会議の議事録は別の製品です。ここでの成熟した選択肢はOtter.aiで、料金は音声入力ではなく分数で課金されます。無料枠はユーザーあたり300分、有料プランではユーザーあたり1,200分に増えます。キーボードに向かって話すのではなく通話を録音するなら、分数が正しい単位です。そして音声入力単位のプランは間違ったツールです。
当サイトのハードウェア部門から正直な補足を1つ。異言語間の会話では、ソフトウェアよりも入力デバイスが重要になることがあります。当サイトのMonoise P-G2翻訳イヤホンの実機レビューでは、実際の外国貿易の顧客通話で使用したうえで4.2/5と評価しました。オープンイヤー、約43ドル、会議の録音からテキスト化まで対応します。25件の顧客レビューから分析したUYUXIO翻訳イヤホン（4.1/5）との対比は示唆に富みます。スペック表はほぼ同じですが、UYUXIOは翻訳に有料サブスクリプションとライブのネットワーク接続を必要とします。同じチェック項目でも、ワークフローは別物です。
ツールを習慣に合わせる
| あなたの状況 | まず検討すべき選択肢 | 理由 |
|---|---|---|
| Mac、毎日安定して音声入力、設定は最小限 | Wispr Flow Pro（ユーザーあたり月額約15ドル、音声入力無制限） | 単語数を数えずに済む。オフィス業務ならクラウド処理は許容範囲 |
| 機密ファイル、オフライン必須 | MacWhisperまたはSuperwhisper | ローカルモデル。Superwhisperは買い切りプランもあり |
| Windows、無料、設定する意欲あり | whisper.cpp上のHandy | クロスプラットフォームのオープンソース、MIT、サブスクなし |
| インタビューや通話の録音 | Otter.ai | 分数単位の課金で、消費の仕方と一致する |
| 異言語間の会話 | 専用デバイスと音声入力アプリ | 当サイトの検証済みの一押しはMonoise P-G2（4.2/5）。ソフトウェアより先にハードウェアを確認 |
避けるべき2つの落とし穴
「オフライン」は二重の意味で使われています。 ローカルモデルとは、音声がマシンから一切出ないことを意味します。キャッシュを持つクラウドアプリは、短時間の障害中も入力を続けられるようにするかもしれませんが、プライバシー上の利点はまったくありません。オフラインを求める理由が機密性なら、モデルがオンデバイスで動作することを確認してください。そうでなければ、間違った機能を買ったことになります。
無料枠が最も高くつく選択肢になり得ます。 1日に数分を超えて音声入力するなら、従量制の無料枠は常にカウンターを確認させ、その「無料」の代替手段は注意力を奪います。1週間の実際の使用量を割り出し、それに合ったプランの形を選びましょう。安定した利用なら有料で無制限、録音なら分数、サブスクリプションを嫌う人には買い切りです。
よくある質問
Wispr Flowの無料の代替ツールはありますか？ はい、それも強力なものがあります。whisper.cppとOpenAIのWhisperモデルはMITライセンスで無料で、HandyやVoiceInkといったオープンソースアプリがインターフェースを提供します。コストはお金ではなく、セットアップとハードウェアです。
Windowsで使える音声入力ツールはどれですか？ macOSより少ないです。Handyは明示的にクロスプラットフォームでオープンソース、whisper.cppもWindowsで動作しますが、Mac中心の商用アプリのいくつかは同等のWindows版を提供していません。機能を比較する前にプラットフォーム対応を確認してください。
会議の文字起こしにサブスクリプションは必要ですか？ 必ずしも必要ではありませんが、優れた選択肢は通常は分数単位の課金です。たとえばOtterの無料枠はユーザーあたり300分です。何時間もの通話を音声入力単位のプランで録音するのは、避けるべきミスマッチです。
音声入力アプリは翻訳イヤホンの代わりになりますか？ いいえ。ソフトウェアはマイクが拾った音を文字起こしするだけです。翻訳デバイスはその場の異言語間の会話を処理します。当サイトのMonoise P-G2（4.2/5）の実機検証はその用途を扱っており、UYUXIOとの比較は、細かい条件がどれほど素早く価値を変えるかを示しました。
出典：Wispr Flow、Superwhisper、MacWhisper、Otter.aiの公式料金ページおよび製品ページ、ならびにOpenAI Whisper、whisper.cpp、Handy、VoiceInkのGitHubリポジトリのデータ（すべて2026年9月21日時点で確認）。加えて、当サイトのMonoise P-G2の実機レビュー、およびUYUXIO翻訳イヤホンの顧客レビュー分析。プランの上限は頻繁に変わります。契約前に必ず公式ページで確認してください。当サイトはここで紹介したどのツールからも報酬を受け取っていません。