Wispr Flowは、話した内容をそのまま清書して入力する音声入力ツールだ。フィラーや言い直しを取り除き、句読点を整えて、Slackでもメールでもコードエディタでも文章になる。便利さの半面、音声はクラウドで処理され、過去には画面の読み取りをめぐって議論もあった。日本語での実用性と、料金・プライバシーの実際を確かめる。
Wispr Flowとは何か
Wispr Flowは、話した言葉を整ったテキストに変換して、いま開いているアプリに入力するツールである。Mac、Windows、iPhone、Androidで動く。単なる文字起こしではない点が肝で、「えーと」「あの」といったフィラーを除去し、「水曜、あ、やっぱり木曜で」のような言い直しを意図を汲んで自然な文に直す。入力できる場所ならほぼどこでも動く。
開発元は2022年に始まり、8,100万ドルの資金を調達している。音声を入力手段にする「Voice OS」を掲げ、キーボード入力から音声入力へ作業スタイルを移すことを狙う。ここ数年で主要な音声入力ツールの一つに育った。
セットアップと基本的な使い方
導入は短い。アプリを入れてマイクへのアクセスを許可し、ショートカットキーを決める。設定は以上だ。あとは入力したいアプリを開き、ショートカットを押して話し、もう一度押して止める。テキストはアクティブなカーソル位置に入る。
特定のアプリに縛られないのが使いやすいところだ。Slackの返信、メールの下書き、ドキュメント、ブログ、Cursorのようなコードエディタへの指示出しまで、同じ操作で済む。文章を書く時間の大半がタイピングで埋まっている人ほど、効果を感じやすい。
一度の入力には6分程度の上限がある。長い文章を一気に話すのではなく、段落ごとに区切って話す使い方になる。
日本語での使い勝手
Wispr Flowは100以上の言語に対応し、言語設定を切り替えなくても、話している言語をある程度自動で判別する。日本語と英語を行き来しながら作業する人にとっては、ここが効く。
日本語の認識精度は、数か月使った範囲では実用に足りるという評価が多い。固有名詞や専門用語の取りこぼしは、辞書機能に登録して補える。人名、地名、業界用語をよく使う人ほど、事前登録の効果が出る。
ただし、一部の機能は英語限定である。アプリごとに文体を変えるStylesや、文体の見本を学習させるWriting Examplesは、日本語では使えない。日本語で使う前提なら、利用できる機能の幅は英語より狭いと見ておく。
辞書・スニペット・整形機能
周辺機能の充実度が、このツールの実力の一部になっている。Dictionaryは誤認識しやすい単語をあらかじめ登録して精度を上げる。Snippetsは決まったフレーズを話すだけで定型文を呼び出し、メール署名や住所、よく使う返信の手間を減らす。
Transformsは入力済みの文章を選んで校正・要約・リライトする機能で、まとまりのない長文を整えたり、AIへの指示文を具体的に書き換えたりできる。2026年時点ではベータで段階的に提供されており、対応範囲は端末によって差がある。こうした補助機能が揃っていることが、単純な文字起こしツールとの差になっている。
料金と無料枠
無料プランはMacとWindowsで週2,000語、iPhoneで週1,000語まで使える。週2,000語はおおよそ13分の音声入力に相当し、日常の短いメモや返信なら足りるが、文章を大量に書く人にはすぐ足りなくなる。
Proは月15ドル。年払いだと月12ドルになる。無制限の音声入力に加え、Command ModeやTransformsなどが使える。日本向けの料金表示では別の金額が案内されることもあり、地域によって見え方が違う。契約前に公式サイトの表示価格を確認したい。Proには14日間の無料トライアルがあり、クレジットカードの登録は不要だ。
チーム向けにはGrowthやBusinessの層が用意され、管理者による利用状況の分析やSSO、HIPAA対応が加わる。個人が選ぶのは無料かProの二択になる。
プライバシー面で押さえること
Wispr Flowを検討するとき、避けて通れないのがプライバシーの議論だ。以前のバージョンでは、いま何を書こうとしているかをAIが理解するための文脈認識をめぐって指摘が集まった。画面の内容を読み取る挙動の説明が足りない、入力内容が学習に使われる可能性が規約上あいまい、待機時のリソース消費が多い、といった声である。この件ではCTOが公に説明と謝罪を行った。
現在は対応が進んでいる。文脈の取得はスクリーンショットではなく端末内の処理に変わり、設定から文脈認識を切れる。学習への利用はオプトインで、初期設定はオフだ。SOC 2 Type II、ISO 27001、HIPAA-readyの認証も取得している。データを保持しないPrivacy Modeも用意された。
ただし、音声データそのものをクラウドで処理する仕組みは変わっていない。医療や法務、顧客の機密を扱う場面では、文脈認識を切り、必要なら上位プランのBAAを結ぶといった判断が要る。一度問題が表に出て公開で対応したぶん、同種のツールより説明は丁寧になっている面もあるが、前提として音声がクラウドに送られることは意識しておきたい。
どんな人に向くか
向くのは、書く機会が多く、タイピングが作業のボトルネックになっている人だ。Slackやメールの合間に音声入力を挟みたい人、CursorなどAIコーディングツールへの指示を速くしたい開発者、日本語と英語を行き来する人にも合う。
逆に、オープンオフィスのように声を出しにくい環境で作業する人には向かない。機密性の高い内容を頻繁に音声入力する人も、設定次第では使えるが注意が必要だ。週2,000語の無料枠で足りるライトな使い方なら、有料に上げる必要はない。
日本語環境では、主要な用途は問題なくこなせる。ただし一部機能が英語限定である点と、音声がクラウドに送られる前提の2点を理解したうえで、自分の用途に合うかを試すのが確実である。






