tl;dr 『SuperWhisper』について

SuperWhisperは、Mac、Windows、iPhone向けの「ローカル優先」型AI音声入力アプリです。システム上のどこからでも音声をテキストに変換でき、オプションでAIによる推敲機能や会議モードも利用可能です。

高速でプライバシーが守られ、主にオフラインでの音声入力に加え、時折、自身のメモ用に会議を録音したい個人ユーザーに最適です。共有トランスクリプト、話者別ラベル付きライブラリ、CRMとの同期、あるいはある人物から別の人物へ引き継ぐ必要がある作業などが必要なチームには適していません。

基本版は無料です。Pro版は月額8.49ドル、年額84.99ドル、または3つのプラットフォームすべてで利用できる永久ライセンスが249.99ドルです。

オフラインでも動作しますが、デバイス上で処理できるのは2つのモデルのみです。それ以外はすべてクラウドを利用します。

要するに、SuperWhisperは、会議の録音も可能な高性能なディクテーションツールです。これは本格的な会議アシスタントというわけではありませんが、その違いこそが、このレビューの核心となる点です。

多くの人がこの「SuperWhisper」を勧めてくれたので、数週間にわたるテストを経て、このレビューを書きました。私は普段、会議レコーダーやAI会議アシスタントをテストしています。「SuperWhisper」には会議モードもありますが、多くの人の言う通り、これは主にディクテーションアプリです。

最初は半信半疑でした。私は幼い頃からタイピングをしてきて、MSNでチャットをしたり、MySpaceでコーディングをしたりしてきました。タイピング速度は1分間に93ワードで、正直なところ、それには少し誇りを持っています。私は話すように書くタイプなので、ディクテーションは自分に合っていると思われがちですが、納得するまでには少し時間がかかりました。

目次

SuperWhisperとは何ですか？

SuperWhisperは、Mac向けの音声入力アプリで、システム上のどこからでも音声をテキストに変換できます。SlackからGmailまで、さらにはコードエディタ内で話しかけることさえ可能です。私はGoogle Docsでの執筆や、Claudeへのプロンプト作成にこのアプリを活用しています。 ショートカットキーを押して話しかけるだけで、カーソルの位置にテキストが入力されます。また、会議の録音機能もあり、この機能に関してはマーケティングの謳い文句がかなり大げさですが、私のテストの多くはここで行いました。

このレビューをお読みになる際は、SuperWhisperが会議の録音も可能な個人向けの音声入力ツールであることをご留意ください。これは、音声入力機能を付加しただけのチーム向けプラットフォームではありません。

SuperWhisperの仕組み

SuperWhisperは、1つのモデルだけで音声を文字起こしするわけではありません。2つのモデルを実行しており、モデルライブラリで両方を確認できます。

最初の層は音声エンジンです。これは、音声を入力として受け取り、それを言葉に変換する部分です。SuperWhisperでは、独自の「S1 Voice」、ElevenLabsの「Scribe」、Novaモデル、Deepgram、NVIDIAの「Parakeet」、Whisperファミリーなど、豊富な選択肢から選ぶことができます。

2番目のレイヤーはオプションです。これは言語モデルです。「Super」は「推奨」とマークされたプリセットで、生の文字起こしデータを読み込み、より読みやすいテキストに書き換えます。この処理では、「えー」といった間投詞を取り除き、話し始めのつまずきを修正し、文法を整えます。この処理をスキップして生のバージョンをそのまま使用することもできますが、デフォルトではこの整え処理が有効になっています。

そのデフォルト設定は重要です。言語モデルは、あなたの発言がページに表示される前に書き直しています。人によっては、それこそがこの機能の魅力そのものです。私のクライアントの中には、メールを書くのが苦手だという人がいますが、この機能のおかげで、自然な流れで文章を綴り、読み返して送信できるほど整った文章に仕上げることができます。とても便利です。

しかし、音声入力アプリがユーザーの言葉を誤認識するケースには2つの異なるパターンがあり、そのうちの2つ目は1つ目よりも気づきにくいものです。

1つ目はエンジンエラーです。単語を聞き間違えてしまうのです。最初にテストしたとき、自分の名前をカモメに関する何かに変えてしまいました。こうした間違いは、明らかに間違っているように見えるので気づきます。

2つ目は「クリーンアップモデル」ですが、これはあなたの発言を聞き間違えるのではなく、書き換えてしまうのです。あなたが実際に発した文章を、モデルが「あなたが言いたかったこと」を勝手に判断し、あなたが実際には言っていないような、より整った文章に変えてしまうことがあります。私は、これ以上ないほど単純な入力で、まさにこの現象を目の当たりにしました。 私が「メールをチェックする前に始めよう」と口述したところ、クリーンアップ機能によって「メールをチェックせずに始めよう」に変えられてしまいました。変更点はごくわずかで、文章としても完璧に読めますが、意味は完全に変わってしまい、それを指摘する表示は一切ありません。

元の音声メモに戻って聴き直すこともできます。そのことは後で気づきました。しかし、本来は時間を節約するための機能であるはずのものを、そのツール自体の動作を確認するために頼ることは、私にはあまり気が進みません。

ですから、これを頻繁に行う場合は、プリセットを「Super」から「Voice to Text」に切り替えてください。そうすれば、書き直しのない生の文字起こし結果が得られます。ただし、推奨設定が自動的に多くの処理を行ってくれるため、ほとんどの人はわざわざ設定を変更することはないでしょう。

SuperWhisperの精度はどれくらいですか？

SuperWhisperの精度は、入力するデータに完全に依存します。

いくつか簡単なテストを行ってみました。まず、S1 Voiceモデルに対して、後処理を一切行わない生のスクリプトを投入したところ、専門的で難解な話し言葉では精確度が約88%でした。次に、ごく普通の日常的な文章を投入したところ、精確度は98%まで跳ね上がりました。ツールもモデルも部屋も同じで、変わったのは内容の専門性の度合いだけでした。

「難しい」テキストは、固有名詞や価格、日付、専門用語などを意図的に間違えさせるよう作られていました。「簡単な」段落は、私の朝の過ごし方について書かれたごく普通の文章でした。「簡単な」テキストではほぼ完璧でしたが、「難しい」テキストでは、私が予想した通りの箇所で間違いが出てしまいました。

名前に関しては、本当に頼りにならない。脚本に「プリヤ・ヴェンカテサン」という人物が出てきたのだが、同じ箇所を3回読み返した。そのたびに、最初は「カタサン」、次は「ヴェンカタサン」、そして「ヴェルカタセン」と読み間違えてしまった。どれも彼女の本名ではない。地名も、一度は正しく読み取れたのに、次の読みでは「アシュランド」になってしまっていた。つまり、どの固有名詞が読み取れるかは基本的に運次第で、同じ箇所を二度読んでも同じ答えが得られるとは限らないのだ。

その数字こそが危険だった。私の原稿にある請求書の金額は4,217ユーロだった。最初の2回は正しく表示されていたが、中盤の処理でいつの間にか4,270ユーロに変わっていた。名前がぐちゃぐちゃになっていれば、ページ上で明らかに間違っていることがわかるだろう。しかし、このような数字の入れ替えは、見た目は全く問題ないように見えるため、原文がすぐそばにない限り、絶対に気づくことはない。これこそが、クライアントへのメールに紛れ込んでしまうようなミスなのだ。

技術用語そのものが原因で失敗するわけではない。私は「Kubernetes」という単語を音声に含めてみたが、3回とも完璧に認識された。トレーニングデータに含まれる一般的な用語は問題ない。珍しい人名や具体的な数値が弱点だ。これは、私がテストした多くの音声認識エンジンに共通して見られる傾向である。

知っておくべき対処法があります。SuperWhisperには、名前や用語を追加できるカスタム用語パネルが用意されているため、クライアントの名前が3つの異なる表記に変わってしまうようなことは本来ありません。しかし、多くの人はこの設定をわざわざ行わないでしょう。その結果、1つの文書の中に、同じクライアントの名前が3通りの綴りで混在してしまうことになるのです。

何を与えたか結果わかった？
気軽に書ける日常の文章約98％の精度ほぼ完璧
高度な技術的なスクリプト精度は約88％案の定、転んでしまった
「Kubernetes」（専門用語）完璧です。3つすべて読み込みました。一般的な用語ですね、問題ありません
「プリヤ・ヴェンカテサン」（名前）3回読んだだけで3か所のスペルミスそれを見ると、なんだかおかしい気がする
地名最初は正しかったが、その後は間違っていたそれ、キャッチしたね
4,217ユーロ（請求書記載額）ミドルランでは4,270ユーロとなったいいえ。問題なく読み取れます。

他の言語はありますか？

言語について少し触れておきます。私は複数の言語で文字起こしのテストを行っているからです。SuperWhisperには100以上の言語が登録されているため、私の発音がかなり不自然なフランス語、イタリア語、スペイン語、日本語、ドイツ語をすべて試してみました。

フランス語とイタリア語は問題なく表示され、スペイン語もまずまずでしたが、日本語は正しい文字ではなくローマ字で表示されてしまいました。これらはあくまで「動作確認」であり、ベンチマークではないとご理解ください。というのも、私は非ネイティブとしてこれらを読んだからです。こうした点こそが、「その言語に対応している」ことと「その言語をうまく扱える」ことの違いが表れるところです。そこで、ドイツ語の転写テストや、今後実施予定の日本語の転写テストが重要になるのです。

Superwhisperはオフラインでも動作しますか？

Superwhisperは、「ローカル優先」かつ「プライベート」であることを売りにしています。これは確かに当てはまりますが、適切なモデルを選択した場合に限ります。モデルライブラリを開き、「オフライン」の列を確認してください（下の画像を参照）。

真っ先に手に取りたくなるエンジン――Scribe、Novaシリーズ、Gemini GPTオプション――はすべてクラウド上で動作するため、オーディオデータは自分のマシンから外部へ送信されます。

ダウンロードサイズが明記されており、端末上で実行できるモデルは3つだけです。Parakeet（476MB、英語のみ）、Parakeet Multilanguage（494MB）、Mistral 7B（クリーンアップレイヤーで4.37GB）です。

SuperWhisper オフライン・クラウド・コラム
モデルとオフラインでの利用可能性

つまり、真のオフライン利用には1つの方法しかありません。それは、文字起こしに「Parakeet」、データの前処理に「Mistral」を使用し、データを端末の外に出さないことです。これ以外の方法を選べば、音声データは誰かのサーバーに送信されてしまいます。 

実際に確認してみたところ、機内モードでインターネット接続を完全に遮断した状態でも、Parakeetは問題なく文字起こしできました。つまり、「オフライン対応」という謳い文句は事実ですが、マーケティングで示唆されているほど広範囲ではなく、Apple Silicon搭載のMacでの動作が最も安定しています。

2026年のSuperWhisperの価格設定

SuperWhisperは無料で利用を開始でき、その後はサブスクリプションまたは1回限りの永久ライセンスのいずれかを選択できます。

無料プランは、実際に使い心地を確かめるには十分実用的です。音声認識、アプリ、会議の録音、そして100以上の言語に対応しています。ただし、利用可能なモデルが小規模なものに限定されているため、このツールを公平に評価するには少し物足りないかもしれません。 

  • Proプランは、月額8.49ドル、年額84.99ドル、または永久ライセンスが249.99ドルです（ 現地の税金が別途かかります）。
  • 1つのライセンスで、Mac、Windows、iPhoneに対応しています。
  • 学生は40％割引となり、どのプランでも30日間の返金保証が付いています。
  • 「Enterprise」プランは個別見積もりとなります（SOC 2 Type II 認証は「Enterprise」プランでのみ記載されています）。
SuperWhisperの価格設定：一括払い

価格によって人々の意見は分かれるが、どちらの立場も一理ある。

この生涯利用コストの数字に対して、競合他社の2年分の利用料よりも初期費用が高くなるという理由で、強く反発する声もある。一方で、3年後も引き続き利用しているなら、一括払いのほうがどの月額プランよりもお得だという逆の計算をする人もいる。

どのような結論に達するかは、完全にあなた次第です。毎日利用しているユーザーはこれを擁護する傾向にあり、たまにしか利用しないユーザーは難色を示す傾向にあります。

当初の予定とは異なり、結局「Pro 月額プラン」に加入することになりました。音声入力機能は徹底的に試したものの、会議機能には手をつけていなかったため、無料プランの利用分が尽きてしまったのです。リセットするためにデスクトップアプリからログアウトしようとしたのですが、できませんでした。そこで、たった10ドルのために思い切って契約することにしました。

SuperWhisperは非公開ですか？

プライバシーこそがSuperWhisperの真の焦点であり、ここでもまた2層モデルが鍵となります。

ローカルモードでは、Parakeetが文字起こしを処理し、ローカルモデルが後処理を行うため、音声データは決してコンピュータの外に出ることはありません。サーバーは使用せず、自分のディスク以外のどこにもデータは保存されません。これは音声認識サービスとしては最高レベルのプライバシー保護であり、ユーザーが使い続ける本当の理由となっています。特に、GDPR やCCPAの対象となるような数値や機密情報を扱う場合には、この点が重要です。

録音データは「ドキュメント」内の「SuperWhisper」フォルダに保存されますが、保存場所は変更可能です。データの削除は手動で行う必要があり、容量の小さいマシンでは、すぐにディスク容量を圧迫してしまう可能性があります。

このアプリには、もうひとつ特筆すべき機能があります。基本的には通話を録音できるのですが、同意を求めるプロンプトも、通知バナーも、録音中であることを知らせるボットも一切表示されません。あなたや他の参加者がどこにいるかによっては、録音する前にその旨を伝えることが法律で義務付けられている場合があります。会議の録音に関する法的側面については別の記事で触れていますが、現在、この件をめぐる訴訟が進行中です。

SuperWhisperは会議を録音しますか？

SuperWhisperには「ミーティングモード」があります。このモードでは、通話を録音し、文字起こしを行い、その後、要約を作成してくれます。 

会議モード

その仕組みを確認するためにテストを行いました。ソルトレイクシティ市議会の予算審議会の10分間の映像をデータとして投入しました。この会議は複数の発言者がおり、議長による開会の辞と、市議会事務局長による説明が行われていました。出力結果を、会議の実際の議事録と照らし合わせて確認しました。

要約は良かったです。ミーティングモードでは、出力として要約が提供され、完全な文字起こしは表示されませんが、履歴を詳しく確認すれば、生の文字起こしやセグメント分けされたバージョンも確認できます。また、音声も録音されるため、再生も可能です。

その要約には、固定資産税の引き上げ、それに伴う歳出削減、そして火曜日にCRAの予算を見直すよう促す内容が含まれていた。すべての主張は事実であり、会議の内容と一致していた。 

スーパーウィスパー会議の要約

履歴に記載された文字起こしも正確でした。名前や頭字語、さらには電話番号まで正確に記録されていました。しかし、3つの表示形式のいずれにおいても、誰が何を言ったのかはわかりませんでした。発言者のラベルも、発言者の特定情報もありませんでした。この記録方法の性質上、これは常にこのような状態になります。

一人で作業している分には問題ありません。しかし、2人目が何かを必要とした瞬間、情報共有の仕組みは機能しなくなります。通話間で検索できる共有ライブラリもなく、同僚に会話の書き起こしを渡す方法もなく、CRMへの自動送信も、clip、通話に参加するボットもありません。録音はインストールされた端末上で行われ、手動で移動しない限り、出力データはその端末に残ったままになります。

つまり、会議の記録ツールとしては、会議を録音し、その内容をかなり的確に要約してくれますが、他のツールほど有用とは言えません。 

SuperWhisper 対tl;dv

実のところ、tl;dv 、それぞれ異なるユーザー層を想定し、異なる業務や要件に合わせて開発されているため、実際には競合tl;dv SuperWhisperは、1人のユーザーとそのノートパソコン向けに設計されています。音声読み上げ機能やプライベートなメモ機能があり、録音データはローカルに保存されます。確かに会議の録音も可能ですが、これは別の市場に参入するために後付けされたような追加機能に感じられます。

tl;dv 「引き継ぎ」のためにtl;dv 。録音された内容は、共有ライブラリ、話者ごとの文字起こし、すべての通話にわたる検索、同僚に共有できるクリップ、CRMへの連携など、他者が活用できるものとなります。これらはすべて、公式に公開されている機能です。 SuperWhisperにはこれらの機能がありません。

ですから、どちらを選ぶかという問い自体がおそらく間違っているでしょう。単に自分一人で話すだけの録音であれば、SuperWhisperで十分です。一方、録音した内容を検索可能にしたり、共有したり、他のツールに連携させたり、ビジネスの会議記録の一部として残したりする必要がある場合は、そこでtl;dv 真価tl;dv 。

仕事最適なサイズなぜ
下書きやメールの内容を口述するスーパーウィスパークリーンアップ処理を伴う高速なローカルディクテーション
Macから決して外に出ることのないプライベートなメモスーパーウィスパーローカルモードの音声データはディスク上に保存されます
ある出会いを描いたソロ作品スーパーウィスパー一人にしては、記録や要約がしっかりできている
同僚が使える書き起こしtl;dv発言者別、共有可能、検索可能
CRMやSlackに転送された通話tl;dv連携機能の詳細情報と、参加用のボット
チームで共有する会議の記録tl;dvすべての分類番号で検索可能な図書館

結論から言うと、確かに「会議モード」は搭載されていますが、会議での使用はお勧めしません。

とはいえ、下書きを整理したり、単に頭の中にあることを書き出したりするのに役立つため、私のツール群の一角を占めるようになりました。音声入力で話しかけ、整理してもらい、シングルユーザーモードで生の文字起こしデータを得られるという点は、予想以上に便利で、以前は見落としていた機能でした。

SuperWhisper 対 Wispr Flow、MacWhisper

実際に多くの人が検索しているのは、会議ツールとの比較ではなく、Wispr Flowのようなサービスとの比較なのです。

Wispr Flowも非常に似ています。私が知っているユーザーの一人は、私とほぼ同じ使い方をしていますが、その人も動作にムラがあることに気づいていました。これは全体的な傾向と一致しており、Redditで繰り返し指摘されているトレードオフも一貫しています。特にデスクトップ版においては、Flowはスピード、使いやすさ、そして初期設定のままでもスムーズな操作感という点で高く評価されています。

SuperWhisperは、ローカル処理と生涯利用料金という点を評価し、プライバシー重視派とコスト重視派の両方から支持を集めています。どちらの陣営も意見が一致しているわけではなく、両ツールとも信頼性やセットアップに関する不満の声が上がっていますが、こうした意見の分かれ方となっています。

MacWhisperはまったく別の用途のツールです。音声や動画ファイルをバッチ処理で文字起こしし、話者ごとの音声分離も行いますが、SuperWhisperの会議モードにはこの機能がありません。ですから、録音データを処理する場合はMacWhisperを使い、ライブでのディクテーションにはSuperWhisperを使います。

工具最も得意な分野はこんな時、私はそれを手に取るんだ
スーパーウィスパーMacでのプライベートなローカルライブディクテーションアプリに直接テキストを入力して、それを自分のマシンに保存しておきたいんです
Wispr Flow速度と完成度（ユーザー報告による）ディクテーションの操作感をよりスムーズにしたいし、ローカルのみに限定したプライバシーについてはあまり気にしない
MacWhisper話者分離機能付きバッチファイル文字起こしライブで音声を入力しているわけではなく、既存の音声ファイルや動画ファイルを処理しています

SuperWhisperの課題

SuperWhisperの最大の弱点は、固有名詞の処理にある。

私のテストでは、1つの名前が3回の読み取りの間に3通りの異なる綴りに変換されてしまいました。また、自身の名前を「Seagull Whisper」と書き起こしていました。カモメはささやきません。多くの名前を音声入力する場合は、語彙パネルを学習させるか、手動で修正する必要があります。

『カモメのささやき』

2つ目の問題は、会議で発言者の名札がないことです。 

それ以外は小さめです。録音はデフォルトで「長押しで録音」になっており、ハンズフリーの切り替え機能を見つけるまでは、長時間の録音には不便です。（ヒント：あまり使わないショートカットキーを選んでおきましょう！）

Parakeetモデルは、録音中に一度フリーズしてしまい、突然切断されて、再起動が必要になりました。これはユーザーからの報告とも一致しており、少々不安定なようです。もう一点、長くて雑音の多い音声では精度のばらつきが最も大きくなるため、本当に重要なデータを任せる前に、その点を把握しておくべきでしょう。

これらを、個人利用において「決定的な欠点」とは呼びません。しかし、これらはいずれも、このアプリを頼りにする前に、自分の作業で実際に試してみるべき理由となります。また、もし本当に必要なのが会議ツールであるなら、単に「会議モード」を追加しただけのディクテーションアプリではなく、専用の会議ツールを導入したほうがよいでしょう。

2026年、SuperWhisperは購入する価値があるか？

ふさわしい相手なら、そうですね。そのふさわしい相手はもしかしたら私かもしれないのですが、それは予想外でした。

私は、熱心なタイピストとしてこのツールを使い始めました。周囲からは「タイピングが速い」とよく言われます。それは私の自慢の一つでもあり、このツールに隠されていたタイピングテストでは、1分あたり93ワードという結果が出ました。これは確かに速い方です。また、ディクテーションの速度は111ワードでした。つまり、キーボード操作が得意な私でさえ、速度には差があるということです。しかし、私の考えを変えたのは、その速度ではありませんでした。

その理由は、私の手にあるんです。ライターはRSIになりやすく、私がこれほどたくさん書くので、タイピングをする かなりたくさん打っています。 時々、頭では書きたいのに、手が言うことを聞いてくれないことがあります。ディクテーションでその負担を少しでも軽減できるなら、たとえ毎日でなくても、それには価値があります。私は、滑らかに変換された文章をそのまま信用するのではなく、生の音声文字変換で書き出し、編集しながら整えていくようにしています。

そこで、私が実際に試してみた正直なテストをご紹介します。このレビュー全体を、口述だけで書いてみようとしたのです。ここに書かれているような洗練された文章ではありません。それらは、私が今抱えている「推敲段階」への不信感から、結局はキーボードで打ち直したものです。しかし、ざっくりとした、声に出して話すような下書き――つまり、自分が実際に何を考えているのかを整理する部分――は、口述で書き上げました。

ところが、ライブ録音が失敗してしまった。25分間も話し続けたのに、SuperWhisperからは「録音に音声が検出されませんでした」というメッセージが表示された。まさに、私が先ほど記事に書いたばかりの「長時間の音声」に関する弱点が、その話題を取り上げた記事の制作中に、私自身に降りかかってしまったのだ。しかし、ソースファイルをくまなく調べて、ワークショップで取り上げた部分を何とか抽出することができた。インターフェースは多少機能しなかったものの、完全に無駄になったわけではない。 

だから、いいえ、これが完全なタイピングに取って代わることはないでしょう。少なくとも今のところ、記事全体をこれだけで書くことはできません。でも、そもそもそうする必要はないのかもしれません。下書きや思考を声に出して整理する際にはこれを使い、それ以外は引き続きタイピングを続ける、という形になるかもしれません。

これについて文句を言いに来たんだけど、録音データが消えてしまって、結局サブスクリプションに加入させられてしまった。

あ、それと、会議の議事録を作成するのに何か必要な場合は、私はいつもtl;dv ！

SuperWhisperに関するよくある質問

いいえ、公表されているポリシーによればそうではありません。同ポリシーでは、ユーザーのデータはAIモデルの学習には使用されないと明記されており、ローカルモードではデータが端末の外に出ることは一切ないため、そもそもこの問題は無関係です。なお、このポリシーは全般的にこのように規定されており、クラウドモードの取り扱いについては個別に明記されていない点に留意しておく価値があります。

はい。設定画面を開き、プリセットを「Super」から「Voice to Text」に切り替えてください。そうすれば、後処理されていない生の文字起こしデータが得られます。

いいえ。私のテストでは、2人の話者が参加する会議の音声を文字起こしした際、3つの表示モードのいずれにおいても話者ラベルは表示されませんでした。

はい。1つのライセンスで、Mac、Windows、iPhoneに対応しています。Android版は存在せず、2026年時点では開発計画にも含まれていません。

はい。Mac、Windows、iPhoneに対応した一括払い（249.99ドル）で、販売元によると、今後のアップデートが無制限に含まれているとのことです。

SuperWhisperは、精度、カスタム語彙、およびクリーンアップ機能の点で優れています。Apple Dictationは無料で、軽い用途には十分です。