Wispr Flow 代替の音声入力ツール7選 無料・日本語対応・オープンソースで選ぶ (2026年版)

音声入力に慣れると、キーボードに戻れなくなります。喋った速度でそのまま文章になる感覚は、一度味わうと手放せません。

問題はそのあと。木曜あたりで「週の上限に達しました」と出て、ぱたりと止まる。

Wispr Flowの公式料金ページによると、無料プランは$0で週2,000語まで、有料のProは1ユーザーあたり月$12です（2026年8月時点）。2,000語はだいたい15〜20分ぶんの連続発話に相当します。毎日メールとSlackを音声で打つ人なら、週の前半で消えます。

だから代替を探すことになります。ただ、探し方を間違えると同じ壁に当たります。

Wispr Flowの代替とは、何を指すのか

Wispr Flowの代替とは、マイクに向かって喋った内容をそのままアプリの入力欄に文字として流し込む、常駐型の音声ディクテーションツールのことです。会議の録音を後から文字起こしするツールとは別物です。

ここを混同すると選定が崩れます。

「文字起こしツール」は、録音ファイルやオンライン会議の音声をあとで文章に変換します。一方「ディクテーションツール」は、いま書いているメールの本文に、喋った瞬間から文字が入ります。前者は記録用、後者は入力用。求めている体験がどちらかで、候補リストが丸ごと入れ替わります。

この記事が扱うのは後者です。会議記録側の比較が知りたい場合は、議事録AIの実力差をまとめたFirefliesとFathomの比較記事のほうが早く答えにたどり着けます。

なぜWispr Flowから乗り換える人が出るのか

乗り換え理由は感覚的な不満ではなく、構造的な制約から来ています。3つに分解できます。

不満の型ごとに、効く解決策はまったく違います。表で整理します。

つまり、「Wispr Flowより良いツール」を探すのではなく、自分がどの行にいるかを先に決めるのが最短です。

ここで一番見落とされやすいのが3行目。次で詳しく見ます。

クラウド処理とローカル処理は何が違う？

音声データがどこで文字になるかの違いです。ここが代替選びの最大の分岐点になります。

Wispr Flowは音声を自社サーバーに送って処理します。対してWhisperingのようなローカル型は、音声認識モデルをあなたのPC上で走らせます。ここでいうモデルとは、音声を文字に変換するAIの本体のことです。

この差が効くのは、扱う中身が特定の性質を持つときです。

• 未公開のソースコードを読み上げる
• 顧客との会話メモを口述する
• 診療記録や相談内容を入力する
• 契約前の条件を音声でメモする

この4つに当てはまるなら、クラウド型は仕組み上どうやっても選べません。プライバシーモードのような設定の問題ではなく、音声がネットワークを出るかどうかという構造の話だからです。

逆に、公開予定のブログ記事や社内の雑談メモなら、クラウド型で困りません。むしろ処理速度と自動整形の質はクラウド側に分があります。

自分の入力内容の8割がどちらかを考えると、迷いは消えます。

代替ツール7タイプの全体像

個別のツール名を追う前に、市場が7つの型に分かれていることを押さえると選定が速くなります。

各型の代表と、向く人を並べます。

つまり、7つのうち自分に関係するのは多くて2つです。残り5つは検討する必要すらありません。

以下、上から順に見ていきます。

オフライン重視型は本当に実用に耐える？

耐えます。ただし「PCの性能を分けてもらう」という条件付きです。

SuperWhisperはオフライン処理とカスタマイズ性を強みに持ち、Mac / Windows / iOSに対応します。日本語のディクテーション品質も、クラウド型と比べて実用差が出にくい領域まで来ています。料金形態がサブスクと買い切りの両方を持つのも、この型の特徴です。

ローカル処理の弱点は速度ではなく、端末の負荷です。

モデルをPC上で動かすので、メモリと処理能力を食います。古いノートPCで大型の高精度モデルを回すと、変換が数秒遅れます。この遅延はディクテーションでは致命的。喋る速度に文字が追いつかないと、口述のリズムそのものが壊れます。

対策は単純で、モデルサイズを1段落とすことです。精度は数%落ちますが、体感速度は劇的に変わります。日本語の日常入力なら、中サイズで十分実用になります。

機密性を優先しつつMac以外も使うなら、この型が第一候補です。

買い切り型に切り替えると、いくら得になる？

月$12を24か月払うと$288。買い切り$19なら、2か月弱で元が取れます。

VoiceInkはPersonalが$19、Extendedが$29の買い切りで、オフライン処理と複数デバイス対応（Extended）を持ちます。$249.99という高価格帯の買い切りも市場には存在し、こちらは自分のAPIキーを使える点や、音声・動画ファイルの文字起こしまでカバーする点が違いです。

損益分岐を並べると判断が速くなります。

つまり、2年以上使う前提なら$249.99の買い切りですらサブスクを下回ります。

ただし買い切りには落とし穴があります。メジャーバージョンアップが有償になる場合があること、そして開発が止まればそこで終わりであること。音声認識モデルは毎年精度が上がる分野なので、「安く買って5年放置」は成立しにくい。

3年以内に買い替える前提なら、買い切りは破格です。

オープンソースの音声入力は無料でどこまでいける？

日常のメール入力レベルなら、完全に実用圏です。

OpenAIのWhisperは音声認識モデルとして公開されており、日本語を含む多言語に対応します。Whisper（OpenAI）はモデル本体なので、そのままではディクテーションになりません。ホットキーで呼び出して入力欄に流し込むガワのアプリが要ります。

そのガワの代表がWhisperingです。音声認識モデルを自分のマシンで動かす設計で、Wispr Flowがサーバーで処理するのと構造から違います。両者とも100言語以上のディクテーションに対応する点はほぼ横並びです。

無料である代わりに、負担が3つ移ります。

• 初期セットアップ（モデルのダウンロードと設定）
• 端末のリソース消費
• 不具合時に自力で調べる手間

この3つを許容できるなら、月額はゼロになります。許容できないなら、素直に有料ツールを選んだほうが時間あたりの損得は合います。

判断の目安はシンプル。ターミナルでコマンドを打つのに抵抗がないかどうか、それだけです。

日本語の精度は代替ツールでどのくらい違う？

主要ツールはどれも日本語対応を明示しており、100言語以上のディクテーションをうたっています。

ただし、日本語で差が出るのは認識精度そのものではありません。差が出るのは後処理です。

具体的には、この4点で体感がまったく変わります。

• 句読点の自動挿入（「、」と「。」の打ち方）
• 漢字変換の妥当性（同音異義語の選び方）
• 固有名詞の学習（社名・人名・製品名）
• フィラーの除去（「えーと」「あの」を消すか）

3番目の固有名詞が実務では一番効きます。カスタム辞書機能がないツールを選ぶと、自社サービス名が毎回違う漢字になり、修正のたびに口述のテンポが切れます。Wispr Flowは無料プランの時点で辞書への単語追加を持っており、この点は後発ツールも追随している領域です。

日本語で毎日使うなら、辞書機能の有無を最優先のチェック項目にしてください。ここを妥協すると、どれだけ認識率が高くても実務では遅くなります。

文字起こしツールを代替として選ぶのはアリ？

用途が「議事録」ならアリ、「入力」ならナシです。

日本語の議事録用途では、NottaやRimo Voiceのような国産・日本語特化のクラウド文字起こしが強い領域を持ちます。長時間の録音を投げて構造化された記録を得る設計なので、話者の切り分けや要約が組み込まれています。

一方、これらでWispr Flowの代わりをしようとすると噛み合いません。理由は、常駐してどのアプリの入力欄にも差し込む、という設計になっていないからです。

用途の違いを整理します。

つまり、あなたが1日のうち何に一番時間を使うかで、選ぶ列が決まります。

両方必要な人は、素直に2本持つのが正解です。片方に寄せると、どちらも中途半端になります。

乗り換えで失敗する3つのパターン

代替選びで実際につまずくのは、料金ではなく運用の細部です。

つまずきポイントを、症状と対処で並べます。

つまり、乗り換え直後の「思ってたのと違う」は、たいてい設定で解ける範囲にあります。

特に2番目。導入初日に辞書へ10語入れるだけで、その後の修正回数が目に見えて減ります。ここを飛ばす人が多い。

ここまでの整理: 機密を扱うならローカル処理型（SuperWhisper / Whispering）。月額を止めたいなら買い切り型（VoiceInk $19〜$29）。無料で粘るならオープンソース型（Whisper）。議事録が主目的なら日本語特化のクラウド型（Notta / Rimo Voice）。この4分岐で、7タイプのうち検討すべきものは1つか2つに絞れます。

無料で始めるなら、どの順で試すべき？

コストゼロの順に3段階で試すのが合理的です。

1段目はWispr Flowの無料プラン。$0で週2,000語まで使え、辞書追加も含めた主要機能が触れます。有料版との差は主に語数の上限なので、「音声入力が自分の仕事に合うか」の判定には十分です。

2段目はオープンソース型。Whisperベースのローカルアプリを入れて、月額ゼロで運用できるか試します。ここで詰まるなら、あなたにとって無料の道は割に合いません。時給換算で有料版が安い。

3段目で初めて有料ツールの無料枠を回ります。ここまで来た時点で、自分に必要な機能が言語化できているはずです。

この順番の利点は、判断材料が段階的に増えることです。いきなり有料版を3つ試すと、何が良かったのか比較できずに終わります。

判定の期限を先に決めておくのも効きます。各段階1週間。合わなければ次へ。

AI PICKS編集部の判定

Wispr Flowの代替探しで一番多い勘違いは、「もっと高機能なツールがある」と思って探し始めることです。実際には機能はどれも横並びに近く、差が出るのは処理場所と料金形態の2軸だけ。ここを認めると選定は10分で終わります。

編集部の推しはハッキリしています。機密性が絡む仕事をしている人はローカル処理型で一択。音声がネットワークを出ない、という構造的な保証は、どんな高機能とも交換できません。SuperWhisperのように買い切りも選べる型なら、なお良い。

一方、公開前提のコンテンツを書く人がローカル型に移るのは、正直イマイチです。端末の負荷を背負う見返りが薄い。Wispr Flowの無料プランを使い倒し、足りなくなった時点でProに上げるのが素直です。

買い切り型は、2年以上使う確信がある人だけ。1年で気が変わるなら月額のほうが損しません。音声認識は毎年精度が動く分野なので、長期の固定は思ったよりリスクを含みます。

無料に全振りする道は、ターミナル操作に抵抗がない人限定。それ以外の人には勧めません。

よくある質問（FAQ）

Q. Wispr Flowの無料プランはどこまで使えますか

公式の料金ページによると、無料プランは$0で週2,000語までのディクテーションが使えます（2026年8月時点）。辞書への単語追加も無料の範囲に含まれます。上限に達すると、カウンターがリセットされるまで変換が止まります。

Q. 週2,000語はどれくらいの分量ですか

連続して喋った場合、およそ15〜20分ぶんに相当します。文章量でいえば、日本語の中くらいのブログ記事1本ぶんほど。毎日メールとチャットを音声で打つ人なら、週の前半で使い切ります。

Q. オープンソースの音声入力に日本語の弱さはありますか

認識そのものは実用水準です。差が出るのは句読点の打ち方や固有名詞の変換で、ここは辞書設定とモデル選びで詰められます。素の状態で日本語のクセを吸収してくれるのは、やはり商用ツールのほうが上です。

Q. 買い切りとサブスク、どちらが得ですか

使用期間で決まります。月$12のサブスクは12か月で$144、24か月で$288。買い切り$19なら2か月弱で逆転します。ただし将来の大型アップデートが有償になる可能性は織り込んでください。

Q. 音声データを社外に出せない業務でも使えますか

ローカル処理型を選べば使えます。音声認識モデルを自分のPC上で動かす設計なので、音声がネットワークを出ません。逆にクラウド処理型は、設定を変えてもこの要件を満たせません。仕組みの違いなので、プランのアップグレードでは解決しません。

Q. スマホでも音声入力できますか

Wispr FlowはMac / Windows / iOS / Androidに対応します。ただし代替ツールはデスクトップ専用のものが多く、モバイル対応は選定の分岐点になります。スマホ主体なら候補は一気に狭まるので、最初にOS対応表で絞り込んでください。

Q. 議事録AIをディクテーションの代わりにできますか

用途が違うので勧めません。議事録AIは録音や会議の音声を後から構造化する設計で、常駐してどのアプリの入力欄にも文字を差し込む機能を持ちません。入力と記録は別のツールで持つのが結局は速いです。

Q. 複数のツールを併用しても大丈夫ですか

問題ありません。むしろ入力用（ディクテーション型）と記録用（文字起こし型）の2本立てが実務では現実的です。ただしホットキーが衝突しやすいので、導入時にショートカットを分けておいてください。

あわせて見たいツール・カテゴリ

• Wispr Flow — 比較の基準点。まずは無料プランの範囲を実際に確かめると、代替に何を求めているかが言語化できます
• Whisper（OpenAI） — 無料で粘る道の起点。ローカル型アプリの中身はほぼこれです
• Notta — 日本語の議事録が主目的ならこちら。入力用途とは設計が別物です
• Rimo Voice — 国産の日本語特化。固有名詞の扱いで有利になる場面があります
• Voicenotes — 喋りっぱなしのメモを後から整形したい人向け
• Otter.ai — 英語主体の会議が多いチーム向けの定番
• AI音声カテゴリ — 音声まわりのツールを横断で眺めたいとき
• AI会議カテゴリのランキング — 記録側のツールを本数で比べたい場合はこちら
• AI生産性カテゴリ — 入力速度の改善を、他の時短手段と並べて検討するなら

音声まわりから少し視野を広げるなら、映像・画像側の制作ツールの選び方も同じ構造で整理できます。制作フローの自動化を扱ったAutodesk Flow Studioの解説は、ツール選定を「型」で切る考え方の練習になります。画像生成の無料枠の見極め方はImageFXの記事、オープンソースを自前で動かす負担感はFLUX.1の記事が具体的です。ローカル運用とクラウド運用の損得を比べたいなら、ComfyUIとRecraft V3の比較が同じ論点を扱っています。

次に読むならこれ: 音声入力を導入した先で必ず出てくるのが「会議の記録をどうするか」です。入力用と記録用の役割分担をはっきりさせたい人は、FirefliesとFathomの比較から読むと、2本持ちの設計がすぐ決まります。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• Wispr Flow: Dictation That Works Everywhere — 公式サイト（AI PICKSの詳細）
• Whisper — 公式サイト（AI PICKSの詳細）
• Notta — 公式サイト（AI PICKSの詳細）
• Rimo Voice — 公式サイト（AI PICKSの詳細）
• Voicenotes — 公式サイト（AI PICKSの詳細）