2026/11/15AI業務効率化
AI活用ツール比較

Superwhisperの使い方|日本語の設定と無料でできる範囲

Superwhisperの使い方|日本語の設定と無料でできる範囲

「Superwhisperを入れてみたけれど、日本語で話しても英語が出てくる」「無料のままでどこまで使えるのか分からない」——Superwhisperの使い方を調べる人の多くが、最初の30分でこの2つにつまずきます。

結論から言うと、最初にやることは3つだけです。モードの言語を「Automatic」から「Japanese」に固定する、声を文字にするモデルを「Whisper Large v3 Turbo」など日本語に強いものにする、そして無料のままなら「Voice to Text」で使う。この3つで、無料の範囲でも日本語の音声入力として十分に使えます。AIによる文章の整え(言い直しの削除や敬語への調整)を日本語で使いたくなったら、そこで初めてProを検討すれば足ります。

株式会社Fyveは、中小企業のAI導入を支援しながら、自社でも音声入力ツールを用途別に使い分けています。Superwhisperは、外に出したくない打ち合わせのメモを声で残すときの担当です。この記事では、2026年11月15日時点の公式ドキュメントをもとに、インストールから日本語の設定、無料とProの境目、機密を外に出さない設定までを、私たちの使い方と合わせて説明します。

Superwhisperの使い方:最初にやる3つの設定

先に全体像を示します。細かい説明は後の節に回し、ここでは「何を、どの順番で触るか」だけを押さえてください。

  1. インストールして権限を許可する:Macはマイクとアクセシビリティ(文字を他のアプリに入れるための権限)、Windowsはマイクの許可が必要です。
  2. モードの言語を「Japanese」に固定する:Superwhisperの言語設定は、アプリ全体ではなく「モード」ごとにあります。Automatic(自動判定)のままだと、日本語が英語として書き起こされることがあります。
  3. 声を文字にするモデル(Voice Model)を選ぶ:無料ならWhisper系のローカルモデルから選びます。日本語では、小さいモデルほど誤りが増えます。

録音の開始と停止は、Macなら初期設定で ⌥ Space(Option+Space)を押すたびに切り替わります。初回の設定では「押している間だけ録音するキー」も選べ、初期値は右の⌘キーです。話し終えると、カーソルのある場所に文字が貼り付けられます。

Superwhisperとは:対応OSと料金(2026年11月時点)

Superwhisperは、話した言葉を文字にして、使っているアプリにそのまま入力する音声入力アプリです。公式ドキュメントでは、macOS・Windows・iOS・Androidで動くとされています(Linuxは「近日対応」の表記)。

動く環境

OS

条件(公式ドキュメント)

macOS

macOS 14以降

Windows

Windows 10・11(x64とARM64)。GPUは必須ではない

iPhone

Superwhisperのキーボードを有効にして、他のアプリで入力する

Android

画面に浮かぶボタン(フローティングバブル)から入力する

なお、私たちが比較記事を書いた2026年5月の時点では「Windows版はβ、Androidは非対応」でした。今の公式ドキュメントでは、Windowsは正式に動き、Androidにも対応しています。古い解説記事を読むときは、この違いに注意してください。

料金:無料プランと3つの払い方

公式の「Plans & Pricing」ページに載っている価格は次のとおりです(2026年11月15日時点・ドル建て・1ライセンスあたり)。

プラン

価格

向いている人(公式の表記)

Free

$0

ローカルのWhisperモデルで音声入力だけ使う人

Pro 月払い

$8.49/月

Proの機能を試したい人

Pro 年払い

$84.99/年

日常的に使う人(月払いより約17%安い)

Pro 買い切り(Lifetime)

$249.99(1回払い)

長く使い込む人

  • Proの1ライセンスで、MacとWindowsは台数の制限なし、iPhoneとAndroidでも使えます。
  • どの払い方でも機能は同じで、違うのは支払い方だけです。
  • iPhoneやAndroidのアプリ内で買うと、ストアの手数料のぶん価格が上がります。公式は自社サイトでの購入を勧めています。
  • 学生・教育機関・非営利団体は、購入前に申請すれば40%引きになります。

税の扱いは公式ページに明記がないため、購入画面で確認してください。価格は変わることがあるので、契約前に公式の料金ページを必ず見てください。

インストールと最初の設定(MacとWindows)

Macの場合

  1. superwhisper.comからダウンロードし、アプリを「アプリケーション」フォルダに入れて起動します。
  2. 初回起動で権限を聞かれるので、マイクとアクセシビリティを許可します。会議の相手側の音も録りたい場合だけ、システムオーディオの録音も許可します。あとから許可する場合は「システム設定 → プライバシーとセキュリティ」から行います。
  3. マイクのテストで、話すと波形が動くことを確かめます。押している間だけ録音するキー(初期値は右の⌘)を決めます。
  4. 練習用のメッセージを1回話して終わりです。初期状態では、クラウドのモデルを使う「Message」モードが1つ作られています。

Windowsの場合

  1. superwhisper.com/windows からインストーラーを入れます。起動するとタスクトレイにアイコンが出ます。
  2. Windowsにマイクの使用を聞かれたら許可します。
  3. 設定の案内で、言語・文字起こしのモデル・マイクを選びます。ここで言語をJapaneseにしておくと、後の手間が減ります。

Windowsで起動しない場合、公式は2つの原因を挙げています。1つは「MSVCP140.dll was not found」など、Microsoft Visual C++ 再頒布可能パッケージが入っていないケースです。もう1つはグラフィックドライバーが古く、Vulkan(GPUで計算するための仕組み)関連のエラーが出るケースです。前者はパッケージを入れて再起動、後者はドライバーを更新します。

日本語で使う設定:言語を「Japanese」に固定する

Superwhisperを日本語で使うときに一番大事なのが、この設定です。公式のトラブル対応ページには「言語がAutomaticのとき、英語以外の発話が英語の文字として出てくることがある」と書かれています。原因は、AIで整える前の、声を文字にする段階です。

直し方1:モードの言語をJapaneseにする(確実)

設定の「Modes」で使っているモードを開き、Languageを「Automatic」から「Japanese」に変えます。公式はこれを「最も確実な直し方」としています。言語はモードごとに持つ設定なので、モードを新しく作ったら、そのたびにJapaneseにします。

選ぶときは、似た綴りのJavanese(ジャワ語)と取り違えないようにしてください。Windows版で初期値がJavaneseになっていて日本語が正しく出なかった、という報告を解説記事で見かけます。

直し方2:Automaticのまま、語彙に1文足す

1回の発話の中で日本語と英語を混ぜたい人は、Automaticのままにして「語彙(Vocabulary)」に1文足す方法もあります。公式の例では、「この中には◯◯語の単語も含まれます」という文を、その言語で書いて登録します。日本語なら「日本語の単語も含まれることがあります」のような1文です。

ただし公式は、語彙の効き方はモデルによって違い、効かないときは言語を固定するよう書いています。日本語だけで話すなら、直し方1で十分です。

どの段階で英語になったかは「History」で見る

Superwhisperは、話した内容を「History」に残します。ここでは、AIで整える前の生の書き起こしが見られます。生の書き起こしの時点で英語なら言語設定の問題、生は日本語なのに貼り付けられた文が英語なら、AIで整える段階の問題と切り分けられます。

「言語の初期値が英語で、日本語が英語として書き起こされる」という同じ型のつまずきは、ClaudeやZoomの音声機能でも起きます。直し方の考え方は同じで、自動判定に任せず言語を固定することです。

Claudeの音声入力が英語になる時の直し方|3か所の設定

Zoomの文字起こしが英語になる時の直し方|言語設定の場所
AI業務効率化Zoomの文字起こしが英語になる時の直し方|言語設定の場所
Superwhisperを日本語で使う設定の順番:権限、言語をJapaneseに固定、Voice Modelを選ぶ、Historyで切り分け

無料でできる範囲と、Proが要る機能

公式の比較表をもとに、日本語で使う人が気にする項目に絞って並べます。

機能

Free

Pro

音声入力(回数・時間の制限なし)

○

○

ローカルのWhisperモデル(全サイズ)

○

○

語彙の登録・置換ルール

○

○

モードの数

2つまで(AIで整える処理なし)

制限なし

AIで整えるモード(Message・Mail・Super など)

×

○

クラウドの文字起こしモデル(S1-Voice など)

×

○

ローカルのCohere Transcribe・Parakeet

×

○

音声・動画ファイルの文字起こし

×

○

話しながら文字が出るリアルタイム表示

×

○

話者の分離・システム音声の録音

×

○

会議の録音と要約(Meetings・Macのみ)

試用分の語数だけ

○

新しく使い始めた人には、Proの全機能を3,000語ぶん無料で試せる枠があります。使い切ると自動で無料プランに戻り、作ったモードや履歴が消えることはありません。最初にProの機能を一通り触り、そのあと無料に戻って足りるかを確かめる、という順番で判断できます。

日本語の人が知っておきたい無料プランの実際

無料プランで日本語を使う場合、現実的な組み合わせは「Voice to Text」モード+ローカルのWhisperモデルです。Voice to Textは、AIで整える処理を通さず、書き起こしをそのまま貼り付けるモードです。話した言葉はパソコンの外に出ません。

ここで1つ注意があります。Proに含まれる手元で動く文章整形のモデル「S1-mini」は、公式ドキュメントで英語専用とされています。つまり、日本語の書き起こしをAIで整えたい場合は、Proに入ったうえでクラウドの言語モデル(標準はS1-Language)を使うことになります。公式ドキュメントのモデル一覧に載っている手元の整形モデルはS1-miniだけなので、「日本語を、AIで整えて、しかも外に出さない」という3つを同時に満たす組み合わせは、一覧の範囲では見当たりません。

声を文字にするモデルの選び方(日本語の場合)

Superwhisperでは、モードごとに「Voice Model(声を文字にするモデル)」を選びます。日本語で使う人向けに、公式の一覧から選択肢を絞ります。

モデル

動く場所

大きさ

プラン

日本語

Whisper Large v3 Turbo

手元

1.6 GB

Free

対応(多言語)

Whisper Medium

手元

1.5 GB

Free

対応(多言語)

Whisper Small

手元

500 MB

Free

対応(多言語)

Cohere Transcribe

手元

1.3 GB

Pro

対応(14言語の1つ)

S1-Voice

クラウド

ダウンロード不要

Pro

対応(100以上の言語)

公式は、クラウドならS1-Voice、手元ならCohere Transcribeを第一候補に挙げています。英語の評価用データでの単語の誤り率は、S1-Voiceが6.6%、Cohere Transcribeが8.4%と公開されています。日本語に限った数字は公式には出ていません。

なお、Whisper Large v3 Turboは、以前は「Ultra V3 Turbo」という名前でした。少し前の解説記事で「日本語ならUltra V3 Turbo」と書かれているのは、このモデルのことです。

私たちの実測:小さいWhisperは日本語の固有名を崩す

無料プランで選べるWhisperのサイズについて、参考になる数字が手元にあります。私たちは打ち合わせの録音を外のサービスに上げずに文字起こしするため、Superwhisperと同じ系統の部品である whisper.cpp を、M2のMacBook Airで比べたことがあります。

2人で話した打ち合わせの録音から3分を切り出し、内容に欠かせない語句を21個選んで、いくつ正しく書き起こせたかを数えました。結果はWhisper Smallが12個、Whisper Mediumが20個相当でした。3分の処理にかかった時間は、Smallが約10秒、Mediumが約23秒です。Smallの誤りは、制度名や社名を音の近い別の語にしてしまうもので、要約の材料に使えませんでした。

これはSuperwhisperの中で測った数字ではなく、録音も1本だけです。それでも、「日本語で使うならSmall以下は避け、Medium以上を選ぶ」という判断には十分でした。Superwhisperの無料プランなら、まずWhisper Large v3 Turboを試し、遅いと感じたらMediumに下げるのが無難です。

Windowsで遅いとき

WindowsでCohere TranscribeとWhisper Large v3 Turboを使うと、GPUがVulkanに対応していれば速く動き、対応していなければCPUで動いてかなり遅くなります。Snapdragonなど、ARMのWindowsではこの2つは使えません。古いノートPCや仮想マシンで遅い場合は、公式もクラウドのモデルを勧めています。

目的別の組み合わせ:無料で手元だけ、Proで手元だけ、Proでクラウドの3つと、外に出るかどうか

モードの使い分け:Voice to TextからCustomまで

Superwhisperの「モード」は、声を文字にしたあと、その文をどう扱うかを決める設定です。公式の初期モードは次のとおりです。

  • Voice to Text:書き起こしだけ。AIの処理がないので速い。無料プランで日本語を使うならこれ。
  • Message(公式のおすすめ):言いよどみや「えー」を消し、句読点と文法を直して、送れるメッセージにする。くだけた調子から丁寧な調子までを調整できる。
  • Mail:あいさつ・段落・結びのあるメールの形にする。
  • Note:要点や次にやることを箇条書きにしたメモにする。
  • Super:今使っているアプリや選択中の文を読み取り、その場に合う文にする。
  • Custom:AIへの指示を自分で書く。翻訳や決まった書式への変換に使う。

Voice to Text以外は、AIで整える処理を使うのでProが必要です。モードの切り替えは、初期設定で ⌥ ⇧ K(Option+Shift+K)を押したまま選びます。モードの設定にある「Activate for apps」を使うと、特定のアプリで話したときに自動でそのモードに切り替わります。たとえば、メールソフトではMail、チャットではMessage、という使い分けを手で切り替えずに済みます。

語彙と置換で、社名や専門用語を直す

書き起こしで決まって間違える言葉は、設定の「Vocabulary」で直します。仕組みは2つあります。

  • 語彙(Vocabulary words):社名・人名・専門用語を、声と一緒にモデルへのヒントとして渡す。認識されやすくなる。
  • 置換(Replacements):書き起こしたあとの文字を、決めたとおりに機械的に置き換える。AIの判断を通さないので、毎回同じ結果になる。

公式は、語彙は少なめにするよう注意しています。登録が多すぎると、かえって誤りが増えたり、言語の自動判定が狂ったりするためです。確実に直したい言葉は置換に回します。たとえば「くろーどこーど」と書き起こされるなら、置換で「Claude Code」にする、という使い方です。間違え方が何通りもある言葉は、それぞれを置換に登録して同じ正解に向けます。

語彙と置換は、無料プランでも使えます。

機密を外に出さない設定:私たちの使い方

Superwhisperで話した内容は、2つの段階を通ります。1段目が声を文字にする段階(Voice Model)、2段目がAIで文を整える段階(Language Model)です。公式の「Sensitive Data Best Practices」は、この2段をそれぞれ手元で動くモデルにすれば、音声も文字もパソコンの外に出ないと説明しています。

組み合わせ

外に出るもの

プラン

Voice to Text+ローカルのWhisper

出ない

Free

Voice to Text+Cohere Transcribe

出ない

Pro

Message+S1-Voice+S1-Language

音声と文字がクラウドで処理される

Pro

クラウドのモデルを使う場合について、公式は、外部のAI事業者とはAPIの契約でデータを保持しない条件(ゼロデータリテンション)を結んでおり、学習にも使われないと説明しています。自社でAI事業者と契約がある場合は、自分のAPIキーを入れて自社の契約の下で処理する方法(Pro)もあります。

ただし公式は、この約束はSuperwhisperを経由したAPIの処理に限る、とも書いています。SuperwhisperでChatGPTのWebサイトやアプリに文字を入力した場合、その内容は入力先のサービスの規約で扱われます。音声入力アプリの設定だけでなく、入力先がどこかも見る必要があります。

私たちの使い分け

私たちは音声入力を1つに絞らず、用途で分けています。Claude Codeに指示を次々に出すときは速さを優先したツール、メールや記事の下書きは文章の整えを優先したツール、そしてオンラインの打ち合わせのあとに残す、外に出したくない情報を含むメモはSuperwhisperです。

この最後の用途では、打ち合わせの相手の話が入るので、内容をクラウドに送らないことを最優先にしています。だから使うのは、手元で完結する組み合わせです。AIで整えない書き起こしは言いよどみも残りますが、自分用のメモなら読めれば足ります。整った文が要る場面は、別のツールに任せます。

3つのツールの比べ方と、それぞれをどの場面に当てているかは、こちらで詳しく書いています。

音声入力AI比較 Typeless vs Aqua Voice vs Superwhisper|評判・精度・料金で選ぶ完全ガイド【2026年版】
AI業務効率化音声入力AI比較 Typeless vs Aqua Voice vs Superwhisper|評判・精度・料金で選ぶ完全ガイド【2026年版】

うまくいかない時の確認

公式のトラブル対応ページから、日本語で使い始めた人が当たりやすいものを挙げます。

  • 日本語が英語になる:モードの言語がAutomaticのままになっていないか。Japaneseに固定する(前の節)。
  • 文字が貼り付けられない・2回貼られる・前の文が貼られる:Macならアクセシビリティの許可を確認する。公式に専用の手順ページがある。
  • 「No voice found」と出る・処理が終わらない:マイクの選択と入力の音量、ネットの接続を確認する。
  • 処理が遅い・メモリを多く使う:モデルの大きさと読み込み時間が主な原因。小さいモデルかクラウドのモデルに替える。
  • 話していない言葉や同じ言葉の繰り返しが出る:公式は、無音を取り除く設定から見直し、次に語彙の登録を減らすよう勧めている。
  • AIで整えるはずが生の書き起こしが貼られた:AIの段階が失敗したケース。話した内容はHistoryに残っているので、そこから処理し直せる。

よくある質問

Superwhisperは無料で使えますか?

使えます。無料プランでも、ローカルのWhisperモデルによる音声入力は回数・時間の制限なく使えます。使えないのは、AIで文を整えるモード、クラウドのモデル、ファイルの文字起こしなどです。

買い切りはありますか?

あります。Pro の買い切り(Lifetime)は$249.99の1回払いです(2026年11月15日時点・公式サイトの価格)。月払い・年払いと機能は同じです。

WindowsやiPhoneでも同じライセンスで使えますか?

使えます。Proの1ライセンスで、MacとWindowsは台数の制限なく、iPhoneとAndroidでも使えます。ただしWindowsでは、会議の録音機能(Meetings)やClaude Codeなどとの連携はまだ使えないと公式に書かれています。

日本語の精度はどのくらいですか?

日本語に限った公式の数字はありません。モデルによって大きく変わるので、無料ならWhisper Large v3 Turboから試すのが無難です。私たちが同じ系統の部品で測った範囲では、小さいWhisper(Small)は固有名を崩しやすく、Medium以上で実用になりました。

まとめ:まずは無料で、言語とモデルを決めてから判断する

Superwhisperを日本語で使うときは、次の順番で進めると迷いません。

  1. インストールして、マイクとアクセシビリティを許可する
  2. モードの言語をJapaneseに固定する(Javaneseと取り違えない)
  3. 無料ならVoice to Text+Whisper Large v3 Turboで使ってみる
  4. 新規の3,000語の試用枠で、AIで整えるモードやクラウドのモデルを試す
  5. 日本語をAIで整えたい・ファイルも文字にしたい、となったらProを検討する

外に出したくない内容を話すなら、手元で完結する組み合わせを選び、入力先のサービスの扱いも確かめてください。株式会社Fyveでは、こうした道具の選び方と使い分けを、会社の業務に合わせて一緒に決めています。

参考にした情報源