本日リリースするのは AI Dictation v2 — クロスプラットフォームのAI Suite v2スタック上に構築された音声認識アプリです。話すと文字が表示され、コンピューターで再生中の会議をキャプチャしたり、録音を取り込んだりして、きれいで編集可能なテキストを得られます。ポイントはシンプルです： 音声をクラウドに送信せずに話した内容をテキストに変換すること。

できること

AI Dictationは3つのソースから文字起こしを行います：あなたの マイク （ライブで話してテキストがストリーム表示されます）、あなたの コンピューターの音声 （PCで再生中の会議、ビデオ、ポッドキャスト）、または既にお持ちの 音声ファイル です。無料のオンデバイスエンジンにより、文字起こしはすべてあなたのマシン上で実行されます。ネットワークをオフにしても動作し続けます。

初めて録音するとき、アプリは適切なオンデバイス音声モデルを選択してダウンロードし、その後話す内容をリアルタイムで字幕表示します。話される言語を選択するか自動検出に任せ、必要に応じてタイムスタンプをオンにし、結果をプレーンテキストとして保存できます。 SubRip（.srt） または WebVTT（.vtt） 動画の字幕として、または各セグメントのタイミングを含むJSON形式で、ご自身のツール用にキャプションを作成できます。

v2の新機能

  • 3つのキャプチャ方法。 マイク、コンピューターのシステム音声、またはファイルをワンクリックで切り替え可能。入力が認識されていることを示すライブメーター付き。
  • 再生と再文字起こし。 すべての録音は保存され、波形スクラバーで再生しながら各単語がハイライトされます。より高精度なモデルでいつでも再文字起こしが可能で、新しい結果は別エントリとして保存され、元のデータは上書きされません。
  • 字幕とクリーンなエクスポート。 正確なキュータイミングのSubRipおよびWebVTT字幕、ツール用JSON、またはプレーンテキストでエクスポート可能。非音声の[Music]や(laughs)などの扱いはクリーンアップコントロールで設定でき、元のモデル出力は別パネルで確認できます。
  • 管理できる履歴。 すべての文字起こしはローカルに保存され、 保存時に暗号化されます。再度開く、コピー、続行が可能。検索機能で任意の文字起こしを検索でき、最近の録音リストも入力した語句を含むものに絞り込みます。
  • エンジンはお好みで。 オンデバイスのWhisperモデルで無料開始。Proではより大きなモデル、OpenAIクラウドエンジン、GPU対応のローカルエンジンを利用可能。GPU安全制限とモデル常駐オプションにより、繰り返しのジョブも即座に開始できます。
  • 16言語対応。 インターフェース全体はOSの言語に従い、設定でワンクリック切り替え可能。数十の話し言葉を文字起こしします。
  • スクリプト対応。 ヘッドレスのコマンドラインツールで、ターミナルから文字起こしを行い、MCPサーバーとしても機能するため、AIエージェントや他のツールが自社インフラ上で呼び出せます。

すべての機能が無料です

スイートの他の製品と同様に、 Pro版でしか使えない機能はありません。 ライブ文字起こし、システムオーディオおよびファイルの文字起こし、字幕エクスポート、再生、再文字起こし、暗号化された履歴、検索、コマンドラインツールはすべて無料アプリに含まれており、高性能なオンデバイスモデルで時間制限や煩わしい画面もありません。Pro版は単に エンジンの選択肢 — より大きなローカルモデル、OpenAIクラウドエンジン、そしてより高精度を求める際のGPUアクセラレーション対応ローカルエンジンを提供します。無料版でも機能が失われることはありません。

オンデバイスが重要な理由

インタビュー、会議、医療記録、法的な文字起こしなど、最も文字起こしが求められる音声はクラウドに送れないことが多いです。AI DictationはAIを録音に持ち込みます：オンデバイスエンジンではデバイス外にデータが出ることはなく、文字起こしと録音は保存時に暗号化され、分単位の文字起こし料金もありません。これはSoftware Tailorがすべての製品で掲げるオンプレミスかつプライバシー重視の原則と同じです [1]。

入手はこちら

AI Dictation v2は現在、Windows向けに Microsoft Store Windows を無料でダウンロード可能。プレミアムおよびクラウドエンジンが必要な場合は Pro をご利用いただけます。 [2]。macOS、Linux、ブラウザ、モバイル向けのエディションも開発予定です。詳細な機能紹介は 製品ページをご覧ください。