Skip to content

オンデバイス文字起こし ​

モバイルアプリは、音声や動画をスマートフォン内だけで文字起こしできます。モデルをダウンロードしてしまえば、サーバーもアップロードもインターネットも必要ありません。会議を録音したり、音声や動画ファイルを読み込んだりして、他のノートと同じようにアーカイブへ同期される検索可能なテキストに変換できます。

これは音声認識モデルをローカルで実行します。iPhoneではWhisperKit、Androidではwhisper.cppを使います。デスクトップアプリやObsidianを通じてコンピューター上で実行するデスクトップ/CLIのWhisper文字起こしとは異なり、オンデバイス文字起こしはスマートフォンだけで完結します。

ベータ版・無料

会議ノート、メディアの読み込み、オンデバイス文字起こしはベータ版で、どなたでも無料で利用できます。サブスクリプションやクレジットは不要です。

文字起こしできるもの ​

3種類の音声が同じオンデバイスエンジンに送られます。

  • 会議ノート — アプリ内で音声を録音
  • 読み込んだメディア — 既存の音声または動画ファイルを取り込み
  • ローカルメディアファイルを持つ任意のアーカイブ済み投稿

モバイル2.6.4から、Shortsのマイクでもオンデバイス文字起こしを選べます。スマートフォンにない動画は先にダウンロードされ、再生中のリールに進み具合が表示されます。

会議ノートを録音する ​

アーカイブ作成メニューから会議ノートを録音をタップします。

  1. 初回はマイクへのアクセスを許可します(Androidでは、バックグラウンドでも録音を続けられるように通知も許可してください)。
  2. 録音を開始をタップします。録音中は経過時間タイマーが表示され、一時停止と再開ができます。
  3. 停止して保存をタップします。

録音は会議ノートアーカイブ(高品質なM4A)として端末に保存され、文字起こしできる状態になります。他のアーカイブと同じように、バックグラウンドでアカウントへ同期されます。

音声または動画ファイルを読み込む ​

アーカイブ作成メニューから音声/動画を読み込むをタップし、ファイルアプリや他のアプリからファイルを選びます。

  • 対応形式: m4a, mp3, wav, mp4, mov
  • ファイルは音声ノートとしてアーカイブにコピーされ、タイトルはファイル名から取り込まれます
  • その後は会議ノートとまったく同じように、オンデバイスで文字起こしできます

文字起こしする ​

会議ノートまたは音声ノートを開いて文字起こしを開始します。初回は、オンデバイスモデル(後述)を選んでダウンロードします。その後の文字起こしはオフラインで実行され、モデルがスマートフォン上で音声を直接読み取り、テキストをノートに保存します。初回のモデル読み込みと各文字起こしには少し時間がかかり、特に大きいモデルほど時間を要します。

オンデバイスモデル ​

速度・品質・ストレージのバランスからモデルを選びます。ダウンロードと管理はSettings → オンデバイス文字起こしで行います。

モデルサイズ適した用途
Tiny約73MB最速・最小 — 速度を優先する短い録音や簡単なメモ向け
Small(既定)約462MBおすすめ — ほとんどの会議/音声ノートで品質と端末負荷のバランスがよい
Large v3 Turbo約572MB高品質・大きなダウンロード — 時間とストレージに余裕があり、聞き取りにくい音声を扱う場合向け

すべてのモデルは多言語対応です。モデルは手動でダウンロードし、後で削除して容量を空けられます。各モデルは端末ごとにダウンロードされます。

話者検出(iPhoneのみ) ​

iPhoneでは、文字起こし後に誰が話したかをラベル付けする任意の追加モデル、話者検出を加えられます。Settingsの話者検出から一度ダウンロードします。初回の実行には時間がかかることがあります。Androidは話者ラベルに対応していません。

オンデバイスとサーバーの選択 ​

Settings → オンデバイス文字起こしで既定の文字起こし先を設定できます。

  • この iPhone(Androidではこのスマートフォン) — 文字起こしシートを開いたときにオンデバイス文字起こしが先に選択されます。無料です。
  • Cloud AI — Cloud AIが先に選択されます。Cloudクレジットを使います。
  • デスクトップ — デスクトップアプリまたはObsidianプラグインが先に選択されます(Whisper文字起こしを参照)

これは最初に選択される選択肢を決めるだけで、文字起こしごとにいつでも切り替えられます。

Cloud AI 文字起こし ​

モバイル2.6.3から、保存した動画をCloud AIでサーバー上で文字起こしすることもできます。Cloudクレジットを使います。動画をスマートフォンにダウンロードしていないときや、処理を任せるデスクトップがないときに使えます。

  1. 投稿で文字起こしを押します。
  2. 文字起こしを実行でCloud AIを選びます。料金と残りのクレジットが表示されます。
  3. 文字起こしを開始を押します。終わると文字起こしが投稿に追加され、ほかの文字起こしと同じように同期されます。

知っておきたいこと:

  • 料金: 開始した10分ごとに0.5クレジットです。40分までの動画を文字起こしできます。
  • ダウンロード不要: サーバーに保存されたコピーを使うので、動画がスマートフォンになくても使えます。MP4またはM4Aで保存された動画に表示されます。
  • 音声がない場合: 音楽だけのクリップのように話し声がないと音声が見つかりませんと表示され、クレジットは使われません。
  • プライバシー: 音声はCloudflare Workers AIに送られ、保存されません。
  • 表示されない場合: 設定 → AI実行がローカルのみだとCloud AIはオフです。使うにはローカル優先かクラウド優先を選びます。サービス全体の1日の上限もあり、上限に達した場合は翌日にもう一度お試しください。

端末の推奨条件 ​

オンデバイス文字起こしは負荷の高い処理のため、ハードウェアが重要です。

  • iPhone — iPhone 15 Pro以降を推奨します。すべてがデバイス上で実行されるため、初回のモデル読み込みと各文字起こしには時間がかかることがあります。
  • Android — RAMに余裕のある最新のハイエンド端末を推奨します。文字起こしは端末のプロセッサで実行されるため、大きいモデルほど遅くなります。

モデルをダウンロードしてしまえば完全にオフラインで動作し、音声がスマートフォンから外に出ることはありません。

次のステップ ​

MITライセンスで公開されています。