SuperWhisper
SuperUltra, Inc. · 音声・言語
SuperwhisperはMac、Windows、iPhone、Androidで使えるAI音声入力アプリだ。話した内容を整った文章にして、どのアプリにもそのまま書き込める。ローカルWhisperモデルは無料、Proは月8.49ドルから。
SuperWhisper について
About
Superwhisperとは
SuperwhisperはSuperUltra, Inc.が作る音声入力ソフトだ。ショートカットを押して話すと、カーソルがあるアプリにそのまま文字が入る。GmailでもSlackでもNotionでもCursorでも、チケット管理ツールでも構わない。最初に目に入るのは、Mac 音声入力とは思えない仕上がりのきれいさだ。口癖が消え、句読点が正しい位置に入り、段落は自分で打った文章のように読める。この音声入力の土台に、話した内容をメール、議事録、ノートへ組み替えるAIモードが重なる。
無料プランは手元のマシンでWhisperモデルを動かす。音声入力はオフラインでも動き、音声データが端末の外に出ない。Proではクラウドモデル、AI処理、ファイルの文字起こし、話者分離が使えるようになり、ライセンス1本で手持ちの全端末をカバーする。
使っていくうえで境界は2つある。まず何より選んだ音声モデル次第で、ローカルの小型モデルは精度と引き換えに速度を取る。もう一つ、AIによる整形はマイクだけでは完結しない。画面の文脈を読むかクラウドのモデルに問い合わせる必要があり、デスクトップでは権限設定、オフライン文字起こし以外ではネット接続が要る。ボタン1つで設定不要の手軽さを求める人には、モードの仕組みが煩雑に映るかもしれない。
始め方
- superwhisper.comからmacOS 14またはWindows 10／11版をダウンロードする。スマートフォンならApp StoreかGoogle Playで導入する。
- マイクへのアクセスを許可する。デスクトップではアクセシビリティ権限もオンにする。Superwhisperが文脈を読み、前面のウィンドウに文字を貼り付けるために必要だ。
- モードを1つ作り、音声モデルを選ぶ。最初はMessageモードが分かりやすい。素の文字起こしだけ欲しいときはVoice to TextモードでAI処理を飛ばせる。
- キーボードショートカットか押して話すキーを割り当て、任意のアプリで話す。1回押して開始、もう1回で終了。キーを押し続けながら話す使い方もできる。
- 履歴で結果を確認する。音声を聞き直し、生の文字起こしと加工後の文章を見比べ、どちらもコピーできる。
AIツール情報
SuperWhisperの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 文章を書く人、知識労働者：最初の下書きは打つより話すほうが速い。MailとNoteモードが取り止めのない話を編集可能な文章に変える。とはいえ送信前に一度は読み返したい。
- 開発者：CursorやClaude Code、Codexの中で変更内容を口頭で伝えればキー入力が減る。用語集に登録しておけば関数名やパッケージ名のつづりも崩れない。
- 学生、研究者：ファイル文字起こしで講義の録音を処理でき、Meetingモードが決定事項とタスクを抜き出す。ファイル文字起こしはPro限定なので費用を見込んでおきたい。
- 機密性の高い仕事をする人：ローカルWhisperモデルは端末上で処理し、アップロードしない。クラウドモデルとAIモードはデータを外に出すので、顧客資料に使う前に提供元と自社の規定を確認する。
タスク
- メールやメッセージの下書き：Mailモードは挨拶と結びを付け、Messageモードは砕けた調子を保つ。間はトーンのスライダーで調整する。
- 会議メモの作成：通話を録音し、相手側のシステム音声も含める。あとから決定事項とタスク付きの要約を受け取れる。
- インタビューや講義の文字起こし：音声か動画ファイルを放り込めば、タイムスタンプ付きのテキストになる。長いファイルは長時間録音向けのモデルのほうが安定する。
- AIツール用プロンプトの作成：手で組み立てるより口頭で説明するほうが楽なことが多い。Superモードは開いているアプリに合わせて文章を整える。
- 繰り返しのフォーム入力：用語集の登録とテキスト置換で、口にした略語を完全な住所やアカウント名、定型文に変換できる。
シーン
- デスクを離れた場所での作業：歩きながらスマホにメモを吹き込み、あとでノートPCと同じ履歴から開く。
- 非力なMacでの利用：クラウドモデルが計算を肩代わりするので、古めのノートPCでも付いていける。
- 規制の厳しい職場：SSO、SCIM、モデル管理を備えた企業向けプランなら、音声入力を組織のルール内に収められる。
主な機能
話した内容を書き換えるモード
モードは音声モデルとAIへの指示をひとまとめにしたものだ。Voice to Textは文字起こしだけを返す。Message、Mail、Note、Meetingはそれぞれの形式に合わせて話を組み直し、トーンのスライダーで砕けた言い方から硬い言い方まで動かせる。カスタムモードでは自分のプロンプトを渡せるので、サポート返信と技術仕様で別々のルール、別々のAIモデルを使い分けられる。
ローカルとクラウドの音声モデル
アプリには端末上で動くWhisper モデルが入っており、75 MBのTinyからLarge v3まで揃う。Whisper モデルはどのプランでも無料だ。ProではCohere TranscribeとParakeetがローカルに加わり、S1-VoiceやDeepgram Novaといったクラウドのモデルも使える。多言語の選択肢は100以上の言語をカバーし、モードごとにモデルを選べば、短いメモには速いモデル、インタビューには正確なモデルを当てられる。
Superモードと画面の文脈
Superモードは開いているアプリ、選択中のテキスト、直前にコピーした内容を読み、それに合わせて音声入力を整える。ファイルパスやメールアドレスを口にすれば、正しい形で出力される。選択範囲に対する書式指定の命令で力を発揮し、段落の要約はこのモードの仕事ではない。
ファイルの文字起こし
Proなら音声ファイルや動画ファイルを読み込ませ、録音を最後まで聞かずに文字起こしを得られる。処理には有効なモードが使われるため、Meetingモードで流したファイルはタスク付きの議事録として返ってくる。無料プランはリアルタイムの音声入力しか対象外なので、有料に移るきっかけはたいていこの機能だ。
会議の録音と話者ラベル
Superwhisperはシステム音声を録れるので、通話の相手側も残る。Meetingモードは結果を参加者、決定事項、次のアクションに整理する。話者分離はセグメント表示にラベルを付ける。ラベルは履歴に残るだけで、AIの要約に自動で引き継がれるわけではない。
コーディングエージェントとの連携
Claude Code、Codex、Cursor、OpenCodeといったツールにつながる。エージェントが入力を求めるとSuperwhisperが前面に出て、窓を切り替えて打つ代わりに声で答える。長いセッションでは節約できる時間がすぐに効いてくる。macOSではCLIとMCPサーバーから同じ接続を使える。
メリットとデメリット
メリット
- 無料プランが異例に太い。ローカルWhisperモデルで音声入力が無制限に使え、オフラインで動き、音声は端末から出ない。
- Proライセンス1本で、手持ちのMac、Windows PC、iPhone、Androidすべてをカバーする。デスクトップに台数制限はない。
- モードは実際に仕事をする。文字起こしを貼るだけでなく、メールやノート、議事録に作り変える。
- 会議の録音はシステム音声を拾い、話者も分ける。通話は双方の発言が残る。
- 企業向けにはSAML、SCIM、モデルポリシーの一元管理、SOC 2 Type II認証が揃う。
デメリット
- 無料プランはモードが2つまでで、AI機能はすべて使えない。デモ映像のような整った文章にはProが要る。
- ローカルモデルの精度はハード次第で、小型モデルは人名や専門用語を聞き違える。用語集を足すまで改善しない。
- Superモードはデスクトップでアクセシビリティ権限を要求する。画面の内容をアプリに渡すことに抵抗を持つ人は多い。
- Linux版がまだない。開発者のまとまった層が対象から外れる。
よくある質問
Superwhisperは音声入力アプリで、どのプログラムの中でも自分の代わりに文字を打ってくれる。ショートカットのあとに話すと、整形されたテキストがカーソル位置に入る。句読点が入り、口癖が除かれ、必要ならAIがメールやノート、議事録の形に書き換える。
関連コンテンツ
SuperWhisperに関連するツール、スキル、記事を探す。
SuperWhisperの代替ツール
Off the Record
Weird Machines · 音声・言語 · 生産性向上Off the RecordはWeird MachinesのmacOSアプリだ。音声をリアルタイムで加工してAI文字起こしを防ぐ。相手には普通に聞こえ、議事録ツールには使える内容が残らない。
Cekura Bench
Cekura · 音声・言語 · ビジネスCekura Benchは、音声対音声モデルと実運用中の音声エージェントに82件の模擬通話を各3回実行させ、成功率、遅延、1分あたりのコストを公開するベンチマークだ。
Griffin by Tavus
Tavus · 音声・言語 · 動画 · チャットボットGriffin by Tavus は最初のヒューマンインタラクションモデルだ。全二重の動画から動画へのシステムで、AIビデオ通話の最中に相手を見て、聞いて、即座に応答する。