ボイスメッセージ・文字起こし・音声入力(端末内で認識)
WidgetStore の「メッセージ」でボイスメッセージを送り、受け取ったボイスをお使いの端末上で文字起こしできます。入力欄とメモでは音声入力も使えます。認識はローカルのオフラインモデルで行い、音声はアップロードされません。
「メッセージ」ではボイスメッセージを送れます。押したまま話して指を離せば送信、相手がオフラインでも届きます。受け取ったボイスはお使いの端末上で文字起こしでき、入力欄とメモでは音声入力も使えます。認識はすべてローカルのオフラインモデルで行い、音声はどのサーバーにもアップロードされません。
ボイスを送る
- トーク画面下の音声波形アイコンをクリック(または Alt+V)。入力欄が「押したまま話す」に変わります。
- スマートフォン:押したまま話し、指を離すと送信。話している途中で指を上にスライドして離すとキャンセル。
- パソコン:押したまま話して離すと送信。または1 回クリックで録音を始め、「送信」(またはもう一度 Alt+V)で送信、Esc でキャンセル。
- 最長 60 秒。残り 10 秒からカウントダウンが表示され、時間になると自動で送信します。キーボードアイコンで入力に戻ります。
ボイスはテキストや画像と同じくエンドツーエンドで暗号化されます。相手がオフラインのときは暗号化された受信箱で待ちます(最長 7 日、届いたら削除)。グループでも使えます。形式は Opus(Safari は AAC)、1 分で約 180 KB です。
聞く
- 再生ボタンで再生/一時停止。波形をクリックまたはドラッグすると好きな位置へ移動。再生中は「1×」で 1.5×・2× に切り替え(記憶されます)。
- 未再生のボイスには赤い点が付きます。1 件聞き終えると、次の未再生ボイスを自動で再生します(間にテキストがあっても続きます)。
文字起こし
- ボイスの下の「文字起こし」をクリック。初回はローカルモデルのダウンロードを確認します(サイズを表示、初回のみ)。その後「メッセージの設定 → 音声と文字起こし」で「受信したボイスを自動で文字起こし」をオンにできます。
- 文字はボイスの下に表示され、閉じる・コピー・もう一度文字起こしができます。結果はこの端末にだけ保存され、相手には送られません。
- 送信側は「送信するボイスにテキストを添える」をオンにすると、送信前に端末上で文字起こしし、音声と一緒に暗号化して送れます。
使うモデル:
| 端末 | 方法 | モデル |
|---|---|---|
| デスクトップ版(Apple シリコンの Mac、Linux) | パソコン上の whisper.cpp(Mac は Metal で高速化) | tiny 約 32 MB、base 約 60 MB(おすすめ)、small 約 190 MB |
| Web、Windows/Intel Mac のデスクトップ版、スマートフォン | ブラウザ内のローカルモデル(WebAssembly) | tiny 約 43 MB、base 約 80 MB |
いずれも多言語の Whisper モデルで、中国語・英語・日本語・韓国語を認識します。モデルは Hugging Face(必要に応じてミラー)から一度だけダウンロードして端末に保存し、「音声と文字起こし」で削除できます。速度は端末によりますが、通常 1 件数秒です。
音声入力
トークの入力欄やメモでマイクをクリック(トークでは Alt+D も可)。話した内容がリアルタイムで表示され、もう一度クリックで終了するとカーソル位置に文字が入ります。編集してから送信できます。
- ローカルモデルを優先します。モデルがない場合は、ローカルモデルをダウンロードするか、ブラウザ標準の音声認識を選べます。ブラウザ標準の認識では音声がブラウザ提供元(Google、Apple など)のサーバーに送られる場合があり、初回に案内します。
- 1 回最長 2 分です。
よくある質問
- 「マイクへのアクセスがありません」:アドレスバー左のアイコンやシステム設定でマイクを許可してください。デスクトップ版は初回の録音時にシステムの確認が表示されます。
- 「この端末ではまだ文字起こしできません」:非常に古いブラウザ(WebAssembly や Cache Storage 非対応)では再生のみです。送受信は通常どおりできます。
- 料金はかかりますか:かかりません。認識はすべて端末上で行われ、当社のサーバー費用も火花の消費もありません。
- 「うまく聞き取れませんでした」と表示される:認識はアプリの言語で行います(相手が別の言語で話す場合は「メッセージの設定 → 音声と文字起こし → 認識する言語」で変更)。結果が崩れている・繰り返している・言語が違うときは表示しません。静かな場所で、少しゆっくり話して再試行してください。ブラウザでは中国語・日本語・韓国語に標準(base)モデルを使います。
最終更新:2026年11月18日