端末内音声入力とプライバシー
Apple の端末内 Speech エンジンがローカルで文字起こしを行い、端末内利用を選ぶ限り音声がマシンの外に出ないとページでは説明されています。
概要
VTT は Mac 向けのネイティブ macOS 音声入力アプリで、Mac 上での音声入力に対応しています。既定では文字起こしをローカルに保つよう設計されており、Apple の端末内 Speech エンジンを使用するため、アカウントやサインインなしで音声は端末内にとどまります。
別の選択肢が必要な場合は、VTT は独自の API キーを使って Deepgram、OpenAI、ElevenLabs のクラウド文字起こしにも対応しています。言語ごとのエンジン選択、ダウンロード可能な言語モデル、グローバルホットキーで呼び出せるメニューバー操作、最近の音声入力を復元できるローカル文字起こし履歴も備えています。
主な機能
ネイティブ Mac アプリケーション
アプリは Swift と AppKit で macOS 専用に構築されており、クロスプラットフォームのラッパーではなく、ネイティブのメニューバー操作を採用しています。
メニューバー音声入力ワークフロー
グローバルホットキー、ライブ波形表示、自動挿入により、今使っているアプリへ直接音声入力できます。
独自のクラウドエンジンを利用
Deepgram、OpenAI、ElevenLabs を独自の API キーで利用でき、プロバイダーごとに具体的なモデルを選択できます。
言語ごとのエンジンルーティング
各言語を、最適に処理できるエンジンへ自動または手動で振り分けられます。
ローカル文字起こし履歴
音声入力は Mac 上のローカル履歴に新しい順で保存されるため、必要に応じて最近の文字起こしをもう一度貼り付けられます。
一般的な用途
ハンズフリーでの執筆
キーボードを使わずに書きたいとき、Mac 上の文書、チャットアプリ、その他のテキスト欄へ直接音声入力するために VTT を使います。
プライベートな端末内音声入力
機密メモや個人的な下書きでは、音声をサーバーに送信したくない場合に文字起こしをローカルに保ちます。
アクセントに配慮した文字起こし
標準の音声入力が強いアクセントや地域特有のアクセントでうまくいかないとき、別のモデルを試すためにクラウドエンジンへ切り替えます。
多言語音声入力
複数の言語をまたいで作業し、それぞれを最適なモデルで処理したい場合に、言語ごとに異なるエンジンへ振り分けます。
文字起こしの復元
誤ったウィンドウに貼り付けてしまった場合や、直前の発話を再利用したい場合に、ローカル履歴から最近の文字起こしを復元します。
Pros and Cons
Pros
- 端末内モードでは音声が Mac 上にとどまり、アカウントも不要です。
- Apple Speech とクラウドプロバイダーを含む複数のエンジン विकल्पに対応しています。
- 言語ごとのルーティングにより、異なる言語をそれぞれ最適なエンジンに割り当てやすくなります。
- ローカル履歴により、誤クリックや別ウィンドウへの貼り付けで文字起こしを失うリスクを減らせます。
- Swift と AppKit によるネイティブ実装は、Mac ファーストのワークフローとして位置づけられています。
Cons
- クラウド文字起こしには、利用中のプロバイダーのアカウントと API キーが必要です。
- アプリは macOS 専用で、クロスプラットフォーム製品としては提供されていません。
- クラウドエンジンや追加の言語モデルにはインターネット接続が必要です。
FAQ
VTT は音声入力のプライバシーを守りますか？
はい。既定では VTT は Apple の端末内 Speech エンジンを使用するため、音声入力は Mac 上にとどまり、アカウントは不要です。クラウドエンジンを選択した場合は、音声は独自の API キーを使ってそのプロバイダーに直接送信されます。
VTT は無料で使えますか？
はい。サイトによると、VTT は無料で始められ、アカウントも不要です。端末内音声入力は無料で、クラウドエンジンを使う場合のみ、独自のプロバイダーアカウントを通じた従量課金になります。
VTT はどの音声エンジンをサポートしていますか？
VTT は Apple の端末内 Speech エンジンに対応しており、新しい macOS 26 モデルも含まれます。さらに、Deepgram、OpenAI、ElevenLabs のクラウドエンジンも利用できます。
VTT はどの Mac システムをサポートしていますか？
VTT は macOS 14 以降で動作し、Apple Silicon と Intel の両方の Mac に対応しています。サイトでは、適切なビルドが自動的に推奨されると案内されています。
VTT はオフラインで動作しますか？
はい。端末内音声入力は完全にオフラインで動作します。インターネット接続が必要なのは、クラウドエンジンを使う場合か、追加の言語モデルをダウンロードする場合だけです。
Quick Facts
- カテゴリ
- 生産性
- プラットフォーム
- macOS 14 以降（Apple Silicon、Intel）
- 主な用途
- Mac での音声入力と文字起こし
- エンジン
- Apple Speech、Deepgram、OpenAI、ElevenLabs
- 価格
- 開始無料。クラウド利用は独自のプロバイダーキーによる従量課金
- Webサイト
- vtt.the-ihor.com
VTTの代替品
QuickQuill
QuickQuillは、macOSで使えるローカル動作の音声入力・文字起こしアプリです。会議の録音、書き起こし、要約、ノート書き出しをクラウドなしで行えます。
Speech to Text Converter
Speech to Text Converter は、ブラウザで使える文字起こしツールです。ライブ音声入力や音声・動画ファイルのアップロードに対応し、短い作業向けの無料プランと、無制限の文字起こし、AI要約、翻訳、話者識別、詳細な書き出し機能を備えたProプランがあります。
Dictato
Dictatoは、Mac向けの音声入力アプリ。オンデバイスのオフライン処理で、どのアプリでも音声をその場でテキスト化。複数の文字起こしエンジン、校正・翻訳、買い切りライセンスに対応。
Sanota
Sanotaは、話した思い出や振り返り、インタビューを分かりやすい文章の物語に変えるアプリ。家族史や共有の記憶づくりを、ガイド付きプロンプトと月額・年額プランで支援します。
Carbon Voice
Carbon Voiceは、チームと個人向けの非同期音声メッセージアプリ。文字起こし、AI要約、端末間アクセスで、通話なしのコミュニケーションを実現します。
Realtime and audio
Realtime and audio は、ライブ音声の翻訳、文字起こし、音声生成、音声対応チャットに最適な speech architecture を選ぶための OpenAI API ガイドです。各用途に合う session type、endpoint、接続方法を案内します。