Voice Pen: Speech to Text AI
Timur Khairullin · 音声・言語
VoicePenはApple製デバイス向けのAIノートアプリ。最長2時間の録音を80以上の言語で文字起こしし、要約やタスク、整った文章に変換する。
Voice Pen: Speech to Text AI について
About
VoicePenとは
VoicePenは、タイピングより話すほうが速い人のための音声文字起こしアプリだ。思いついた考え、講義、インタビュー、Zoomの打ち合わせを録音すると、話者ラベル付きの文字起こしと、そのまま使えるAIノートが返ってくる。iPhone、iPad、Mac、Apple Watch、Apple Vision Proで動き、同期は自分のiCloudアカウントを経由する。
評価すべきは作業の真ん中を埋めている点にある。単純な文字起こしアプリはテキストの塊を返して終わりだ。VoicePenは25種類以上の書き換えスタイル、独自のプロンプト、そして要約・要点・アクション項目・学習ノート・用語解説・クイズといった形式を用意している。話し言葉の雑な部分が、同僚にそのまま送れる形になる。
制約もはっきりしている。Android版もWindowsアプリもなく、開発者向けの公開APIもない。無料で使えるのは短いメモまでで、有料プランでも1回の録音は2時間で止まる。10年分の音声を一気に処理したい人には向かない。
使い始める
- App StoreからVoicePenをインストールし、Apple IDでサインインする。録音は自分のiCloudに保存されるため、iCloud Driveを有効にしておく。
- 録音ボタンを押すか、「Siri, Dictate in VoicePen」と話しかけてロック画面から起動する。ウィジェットからも1タップで始められる。
- 録音を止めて、ノート形式か書き換えスタイルを選ぶ。文字起こしは数秒で出ることが多く、複数人が話すと話者ラベルが付く。
- 結果をフォルダに移し、PDFかDOCで書き出す。Notion、Zapier、Make、n8nへ送ることもできる。
AIツール情報
Voice Pen: Speech to Text AI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
- 学生：講義は長く、スライドの写真では教員の口頭説明が残らない。2時間あれば大半の授業を収められ、学習ノートとクイズの形式なら録音がそのまま試験対策になる。
- 管理職やコンサルタント：1日に4本の通話をこなす人なら、その場でのメモをやめて、話者付きの議事録を後から読めばいい。精度はマイクと部屋の音響に左右される。
- ライターやクリエイター：下書きについて話すほうが打つより速い。書き換えスタイルと独自プロンプトが話し言葉を段落に整えるので、文字起こしは出発点であって成果物ではない。
タスク
- 講義やワークショップの記録：Live Activitiesでバックグラウンド録音し、構造化した学習ノートを書き出して試験前に読み返す。
- 議事録作り：話者の分離とタイムコードがあると、誰が何を約束したかを確認できる。アクション項目の形式は次の作業を拾い出す。
- メッセージやメール返信の音声入力：ウィジェットから録音を始め、プロフェッショナルかカジュアルのスタイルを選び、結果を任意のアプリに貼る。
- 既存音声ファイルの文字起こし：ポッドキャストの1話、YouTubeのリンク、録音済みのインタビューを放り込めば、録り直しなしでテキストになる。
シーン
- 歩いているときや通勤中に案が浮かんだ場面：オフライン録音があるので電波が切れてもその瞬間を逃さず、ファイルは後から上がる。
- 引用したい顧客インタビューや調査の通話：検索できる文字起こしとタイムコードがあれば、数か月後でも目当ての一文にたどり着ける。
- 多言語のチーム：80以上の言語対応と翻訳があるため、3人が文の途中で言語を切り替える通話でも対応できる。
主な機能
最長2時間の録音、オフラインでも可
1回の録音は最長2時間で、講義ひとコマ、長めのインタビュー、顧客との通話1本をまるごと収める。オフラインモードとLive Activitiesがあれば電波なしでも録音は続く。飛行機でも地下の会議室でも使える。
Whisperによる文字起こしと話者ラベル
音声文字起こしのエンジンはOpenAI Whisperで、出力には話者の分離とタイムコードが付く。途切れないテキストの塊にはならない。4人の通話なら、使える記録になるか謎解きになるかの差が出る。1行だけ聞き直して直すこともでき、ファイル全体をやり直す必要はない。
1つの文章ではなく複数のノート形式
アプリは要約、要点、アクション項目、学習ノート、用語解説、クイズという形でノートを書く。次の行動に合うものを選べばいい。学習ノートは復習向け、アクション項目はプロジェクトの追跡向け、要点だけ送りたいときはAI要約で足りる。
25種類以上の書き換えスタイルと独自プロンプト
スタイルは校正や明快な文章から、プロフェッショナル、カジュアル、簡潔、日記調まで、トーンと目的をカバーする。既定のもので足りなければ、独自プロンプトを一度作れば毎回使い回せる。常用する人はメール用、報告書用、個人メモ用に2つ3つ用意している。
ファイル・リンク・ポッドキャスト・動画の取り込み
端末内の音声や動画をアップロードするか、YouTubeやポッドキャストのリンクを貼る。音声を文字起こししてノートを返すので、長いコンテンツを2分で読める形にする下調べには向いている。ノートとのチャットも同じ流れで使え、2時間の録音を頭出しする代わりに質問できる。
プライベートなiCloud保存とWebhook連携
録音と文字起こしは自分のiCloudに残り、開発者はサーバーに音声もテキストも保存しないと説明している。集めるのはボタン操作のような匿名の利用データだけだ。書き出しはPDFとDOCに対応し、Notion、Zapier、Make、n8nへはWebhookでつないで自動化の残りを埋められる。
メリットとデメリット
メリット
- オフラインとバックグラウンドで録音できるため、電波が悪い場所や画面ロックでも録音が途切れない。
- 話者ラベルとタイムコードがあるので、長い会議の記録が実際に検索できる。
- 複数のノート形式と25種類以上の書き換えスタイルが、他の文字起こしアプリが利用者に押し付ける後処理を減らす。
- 1つのサブスクリプションでiPhone、iPad、Mac、Apple Watch、Vision Proが同期し、保存先は自分のiCloudだ。
- 無料枠でも短いボイスメモの文字起こしができ、支払う前に精度を判断できる。
デメリット
- Apple専用。AndroidアプリもWindows版もWeb版もないため、端末が混在するチームでは統一できない。
- 1回2時間が上限で、丸1日のカンファレンスや非常に長いオーディオブックには向かない。
- 公開APIがない。自動化はZapier、Make、Webhook経由になり、有料の中間層が増える。
- ノートの質は音声の質に従う。騒がしい部屋で声が重なると、手直しに時間を取られる文字起こしになる。
よくある質問
標準ディクテーションは話した内容を打ち込むだけだ。VoicePenは最長2時間を録音し、話者ラベルとタイムコードを付け、録音から要約やアクション項目、学習ノートを作る。取り込んだ音声や動画も処理する点は、ディクテーションにはない機能だ。
関連コンテンツ
Voice Pen: Speech to Text AIに関連するツール、スキル、記事を探す。
Voice Pen: Speech to Text AI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。