Superwhisperの日本語設定は？誤変換を減らすモデルと語彙の決め方

Superwhisperの日本語は設定を変えると安定します

Superwhisper（スーパーウィスパー）は日本語にもしっかり対応しています。精度を左右するのは「話す言語の指定」「文字起こしモデルの選択」「よく使う固有名詞の登録」という3つの設定です。この3点を事前に整えておくだけで、誤変換を大幅に減らせます。

インストール直後の初期状態でも日本語の文字起こし自体は可能です。ただ、デフォルトのままだと英語寄りの判定が混ざったり、取引先の名前に毎回違う漢字が当てられたりしがちです。公式サイトでも「対応言語」の案内にとどまり、日本語の認識精度までは明記されていません。修正の手間が増えるにつれ、「自分の設定が悪いのか、アプリ自体の限界なのか」とモヤモヤしてしまうこともあるでしょう。だからこそ、まずはどこまで設定で調整できるのかを把握しておくのがおすすめです。

ほかの音声入力ツールと設定の自由度を比較したい場合は、後述の「比較一覧」をチェックしてみてください。カスタマイズ可能な項目や音声の処理場所（ローカル／クラウド）、対応端末などをまとめて確認できます。

日本語の誤変換は決まった場所で起きます

文字起こしした文章が読みづらくなる主な原因は、「同音異義語」「固有名詞（辞書にない名前）」「話し方の癖」という3点にあります。

音声で手軽に議事録を残したいだけなのに、どこで変換ミスが起きているのか分からないまま設定画面を手探りで調整するのは面倒なものです。しかし、誤変換の原因さえ特定できれば、見直すべき設定はおのずと絞り込めます。この3つの原因はそれぞれつまずくポイントが異なるため、対処する設定項目も別々になります。

音の似た言葉が別の漢字になる

同音異義語は前後の文脈から判断して漢字が選ばれるため、「保証」と「保障」、「意志」と「意思」のように、どちらでも意味が通ってしまう文脈では誤変換が起きやすくなります。話している本人は音だけで意味を理解しているため、テキスト化された文章を読み返すまでミスに気づきにくいのが厄介なところです。

この問題を防ぐ方法は2つあります。ひとつは「音声認識モデルを高精度なものに変更すること」、もうひとつは「文を最後までしっかり言い切って話すこと」です。1文のなかで主語と述語が整っていれば、前後の文脈から適切な漢字が選ばれやすくなります。逆に、途中で言い直したり文がねじれたりすると、AIが文脈を判断しづらくなり、誤変換が増えてしまうので注意しましょう。

社名や人名が毎回ちがう表記になる

一般的な辞書に載っていない言葉は、話すたびに表記がバラついてしまいがちです。取引先の社名や社内独自の略称、担当者の名前などがその代表例です。

たとえば、会議が終わった直後に要点を音声入力して議事録を作ろうとすると、同じ社名なのに前半と後半でまったく別の漢字に変換されてしまうことがあります。こうなると表記がバラバラなため、一括置換でまとめて直すこともできません。

原因は単純で、AIの語彙（変換候補）にその言葉が存在しないためです。この問題は、いくら高精度な認識モデルに切り替えても解決しません。対処すべきはモデルの変更ではなく、「よく使う単語の登録（カスタム単語・辞書登録）」です。

言いよどみと句読点が残る

「えー」「あの」といった言いよどみ（フィラー）や、息継ぎなく続いた長い話は、そのまま区切れのない1つの長文として出力されてしまいます。話し言葉には句読点がないため、どこで文を区切るかはAIの判断に委ねられるからです。

文章をどこまで綺麗に整えるかは、アプリ内の「モード設定」で決まります。発言をそのまま文字起こしするモードを選んでいる限り、言いよどみもすべて残ったまま書き出されてしまいます。

どの程度文章を整えるべきかの基準については、別記事の「Superwhisperのレビュー」に詳しくまとめました。

誤変換やつまずくポイントが把握できたら、次は「日本語の設定は言語の指定から順に変えます」のステップに沿って、必要な項目を順番に見直していきましょう。

日本語の設定は言語の指定から順に変えます

設定を見直す順番は、以下の4ステップです。

1. 話す言語を決める
2. モデルを選ぶ
3. よく使う言葉を登録する
4. 日本語用のモードを分ける

以前、自席で議事録を音声入力していたころ、取引先の社名が毎回違う漢字で出力されてしまい、その都度手動で修正していました。「認識モデルをより精度の高い大きなものに切り替えれば直るはず」と思い込み、文字起こしの待ち時間が長くなるのを我慢して使い続けたこともあります。

しかし、全体の言い回しは自然になったものの、肝心の社名の誤変換だけは直りませんでした。その後、取材で他社の議事録作成フローを見せてもらった際も、担当者の方が「固有名詞はモデルではなく、単語登録側で対処している」とおっしゃっていました。それ以来、固有名詞のブレはモデルの性能に頼るのではなく、「単語登録で解決する」と決めています。

話す言語を日本語に決める

まず最初に見直すのは「入力言語」の設定です。ここは自動判定にせず、「日本語」に固定（決め打ち）しておくのがおすすめです。

言語を自動検出にする設定もありますが、カタカナ語や英単語が混ざると判定がブレやすく、突然英語として認識されてしまうことがあります。日本語で話すことが決まっている議事録やメモなら、最初から日本語に指定しておいたほうが手直しの手間をぐっと減らせます。

なお、アプリのアップデートによって項目の名称や配置が変わることがあるため、設定画面内で「Language」や「言語」というキーワードを検索して探すのが近道です。設定を切り替えたら、まずは短い一文をテストで話してみて、意図どおり日本語で文字起こしされるか確認してみましょう。

日本語に向くモデルを選ぶ

次に見るのは、音声を文字にするモデルを選ぶ項目です。決め手になるのは端末の負担と待ち時間の釣り合いで、大きいモデルほど細かく読み取れますが、そのぶん端末が重くなり、文字が出るまでの待ち時間も長くなります。日本語でどのモデルが優れているかは公式に示されていません。そのため、同じ原稿を2つのモデルで話してみて、読み返しやすかったほうを残すのが現実的です。モデルそのものを取り込んだり登録したりする手順は、SuperwhisperのAPI設定で確認できます。

よく出る社名と略称を登録する

3番目は、よく出る言葉をあらかじめ登録しておく設定です。登録する言葉は、書き間違えたときの直しが大変なものから選ぶと決めやすくなります。

1. 取引先の社名: 漢字とカタカナが混じる社名は表記が揺れやすく、外へ出す文書では直しの優先度も高い言葉です
2. 社内でしか通じない略称: 会議名やプロジェクトの呼び名は辞書に無く、話すたびに別の漢字が当てられます
3. よく書く役職名や部署名: 議事録の冒頭にまとめて並ぶことが多く、1か所ずれると全体を読み直すことになります

先ほどの失敗で社名の表記だけが直らなかったのは、この登録を飛ばしてモデル側を触っていたからです。登録や置き換えが無料のまま使えるかどうかは、無料のまま変えられる設定と有料の設定で確かめ方を整理しています。

日本語用のモードを分けておく

最後は、話した通りに残す用と整えて返す用とで、モードを分けておく設定です。分けておけば、話し始める前にどちらかを選ぶだけで済みます。議事録を自分の言葉でまとめる日は整える側、相手の発言を言い回しごと引く日は整えない側、という使い分けが便利です。一方、1つのモードで両方をまかなおうとすると、整えすぎた文を戻す作業が毎回ついて回ります。モードの種類そのものの説明は、Superwhisperのレビューに譲ります。

無料のまま変えられる設定と有料の設定

言語の指定やモデルの選択は使い始めの段階で触れますが、登録や置き換えといった設定は、プランによって扱いが変わることがあります。

無料で使える範囲は 無料プランあり。オフラインWhisperモデルは無制限利用可、カスタム語彙・置換機能あり。Pro機能は3,000語まで無料お試し後、無料プラン機能は永続利用可 で、プランの並びは Free／Pro（Monthly・Annual）／Lifetime／Enterprise（要問い合わせ） となっています。どの設定がどのプランに入るかは、公式のプラン表で確かめるのが確実です。設定を整え終えてから請求の話に気づく、という順序の逆転をここで防げます。

使い方によっては、有料へ進む必要がない場合もあります。

• 話すのが週に数回で、登録する言葉も少ない: 無料の範囲で言語とモデルを整えれば足ります
• 会議の録音を後から文字にしたい: その機能がどのプランに入るかを先に確認しておきます

プランごとの違いと実際の金額は、Superwhisperの料金とプランで確認できます。

日本語の扱いをほかの音声入力と並べます

日本語の扱いで見るべきなのは、設定で変えられる範囲、音声をどこで処理するか、使いたい端末に入るかの3つです。

この順に絞り込むと、候補が早く減ります。まずは、日本語まわりで自分に選べる設定がどこまであるか。次に、話した声が端末の中だけで処理されるのか、外のサーバーへ送られるのか。そして最後に、ふだん使っている端末でそのアプリが使えるかどうかです。会社から渡されたパソコンで使う予定の人もいるでしょう。そのときは、手元の端末で使えるかどうかを先に確かめたうえでSuperwhisperのWindows版へ進むと、入手経路まで分かります。

2つのツールを日本語で直に比べた内容は、Aqua VoiceとSuperwhisperの比較にあります。

日本語を整えたい人にはSuperwhisperが向きます

編集部の見立てでは、自分でモデルを選び、よく使う言葉を登録していきたい人にはSuperwhisperが向いています。設定を詰める時間がそのまま書き出しの質に返ってくる作りだからです。反対に、設定画面はなるべく開かず、話した通りをそのまま残したい人もいます。そうした人には、編集部が日常で使っている Aqua Voice（アクアボイス） が選択肢になります。どちらが優れているかではなく、設定に手をかけたいかどうかで分かれるところです。

相手の発言を言い回しごと残したい会議があり、終わったその足で話して議事録にしたときのことです。選ばれていたのは整える側のモードでした。発言の語尾や言い回しが読みやすい形に書き換わっているのに気づかないまま、そのまま関係者へ配ってしまいました。引用のつもりで置いた一文が、本人の言い方から少しずれていたわけです。それからは、引用が要る日の朝に、話し始める前にどちらのモードかを確かめています。

日本語が思うように変換されないときの疑問

設定を一通り変えてみても、思ったように文字にならない。そんなときは、考えられる原因がいくつかあります。よくあるのは、モードとモデルの組み合わせが想定と違っていたという食い違いです。Windowsで使う場合や、英語を混ぜて話す場合の扱いもここでまとめました。当てはまりそうなものから見ていけば、設定を一からやり直さずに済みます。

Windowsでも日本語の設定はできるのか

Windows版は公開されており、日本語で話して使うこともできます。検索窓に「Superwhisper Windows 日本語」と打ち込む人が多いのも、Mac版と同じ感覚で設定できるのか気がかりだからでしょう。ただし、日本語まわりの設定項目がMac版と同じように揃っているかは、公式の案内で確かめるのが確実です。入手経路や呼び出し方はMacと異なるので、導入で迷いそうならSuperwhisperのWindows版を開きながら進めてみてくださいね。

英語を混ぜて話すとどうなるのか

話す言語を日本語に固定していると、英単語も日本語の音として書き取られてしまいます。製品名や英単語を挟むことが多いなら、自動判定に変えるか、よく出る英単語を登録しておくかのどちらかです。登録を選べば日本語に固定したまま、その単語だけを正しい綴りで出せるようになります。

句読点が入らないときに見る設定

まず確かめたいのは、整える側のモードを選んでいるかどうかです。話した通りに残すモードは、句読点や言いよどみもそのまま書き出す作りになっています。用途に合わせてモードを分ける考え方は、日本語用のモードを分けておくに書きました。分けておけば、話し始めに選ぶだけで句読点の有無を切り替えられます。

登録した言葉が反映されないとき

登録が済んでいても、使っているモードやモデルによって効き方が変わることがあります。読み方の表記を変えて登録し直すと拾われる場合があるので、ひらがなと漢字の両方で試してみるのが早道です。それでも変わらないなら、登録できる件数や対象の条件を公式の案内で確認すると、原因の切り分けが進みます。

日本語は設定を整えてから無料の範囲で試します

手を付ける順番は決まっています。話す言語を日本語に決め、音声を文字にするモデルを選び、よく出る社名と略称を登録する。ここまで終えても、これで十分なのか自分では判断がつかない日があります。そんなときは、ふだん書いている議事録やメールの文面をそのまま話して、書き出された文を読み返してみてください。この読み返しで、残る誤変換が音の似た言葉なのか、登録が足りていない名前なのかが分かります。前者ならモデルを替え、後者なら登録を足す。整え終えてから無料の範囲で試せば、払うかどうかを自分の原稿で決められます。