iPhone・iOS向けWhisperアプリおすすめ（2026年）：各アプリが実行するモデルはどれか

先に結論： 2026年のiOS向けベストWhisperアプリは、LoroNote（Whisper Large V3 Turbo、オンデバイス）、Whisper Notes（WhisperにParakeetとSenseVoiceを加えた構成、オンデバイス）、Aiko（iPhoneではWhisperのmediumまたはsmall、オンデバイス）、Whisper Memos（クラウドのWhisperで、結果はメール受信箱へ届く）です。「Whisperアプリ」というラベルはモデルファミリーの名前でしかありません。どのサイズのWhisperが動くのか、音声がiPhoneの中にとどまるのかは、何も教えてくれません。この2つの事実は4つのアプリすべてで異なり、ラベルよりも重要です。

• iPhone上のWhisperモデルとしてベスト： LoroNote — Large V3 Turbo。これらの中でローカルのiOS上で動く最大のWhisperバリアント
• モデルを切り替えたいなら： Whisper Notes — Whisper、Parakeet、SenseVoiceを1つのアプリで、$6.99の買い切り
• Appleプラットフォーム横断の買い切りなら： Aiko — $24.00の買い切りで、MacとApple Visionでも動作
• 文字起こしをメールで受け取りたいなら： Whisper Memos — クラウド処理で、自動AI要約付き

この比較は2026年8月13日にLoroNoteチームが作成しました。LoroNoteは当チーム自身のアプリです。他のアプリに関する記述はすべて、同日に読んだ各アプリの米国App Store掲載文に基づいており、掲載文に記載がない事項は推測せず「記載なし」としています。

Whisperアプリとは何か

Whisperは、OpenAIが公開したオープンソースの音声認識モデルファミリーです。「Whisperアプリ」とは、そのモデルのいずれかを使って音声をテキストに変換するアプリのことです。

このひとつのラベルの裏には、製品を根本から変える2つの決定が隠れています。

1. どのWhisperバリアントか。 Whisperにはtiny、base、small、medium、largeというサイズがあり、さらに新しいlarge-v3とlarge-v3-turboがあります。サイズが大きいほど精度は上がりますが、メモリ使用量、処理時間、バッテリー消費も増えます。smallを動かすスマートフォンとlarge-v3-turboを動かすスマートフォンは、同じ仕事をしているのではありません。
2. どこで実行されるか。 Whisperはオープンソースなので、アプリはそれをあなたのiPhone上で動かすこともできれば、それを動かすサーバーを呼び出すこともできます。どちらも正当に「Whisper搭載」です。しかし、音声を端末内にとどめるのは片方だけです。

どちらの事実もApp Storeのカテゴリには現れず、ほとんどの掲載文は自ら明かしません。それを集めて整理するのが、この比較の目的です。

「Whisper」は音声の行き先を教えてくれない

これは最もよくある誤読なので、はっきり述べておく価値があります。Whisperで作られているからといって、アプリがプライベートになるわけではありません。

Whisper MemosとVoicePenは、どちらもOpenAIのWhisperを利用していると述べています。どちらも、文字起こしのために録音をサーバーへ送ります。それは妥当なエンジニアリング上の選択です。サーバーはより高速で、どんな端末にも対応でき、メールで届く要約のような機能を可能にします。しかし、オープンソースでセルフホスト可能なモデルであるWhisperの名前を見て多くの人が想像することとは、正反対です。

音声を端末内にとどめることが本当の要件なら、探すべきラベルは「Whisper」ではありません。文字起こしがローカルで実行されるという明示的な記述、できれば自分で検証できる主張です。オフライン文字起こしガイドでそのデータの流れを解説しており、オフラインアプリのおすすめリストではまさにその基準でアプリを順位付けしています。この記事が答えるのは別の問いです。「インターネットなしで動くか」ではなく、「実際にどのWhisperが動いていて、それはどれくらい良いのか」です。

各アプリが実行しているWhisperモデルはどれか

この表の内容はすべて、2026年8月13日に読んだ各アプリの米国App Store掲載文によるものです。

目立つ点が2つあります。Aikoは、どのバリアントを読み込むかを正確に公開している唯一のアプリで、iPhoneがMacより小さいモデルになることも率直に述べています。「iOSでは利用可能なメモリに応じてWhisperのmediumまたはsmallモデルを、macOSではlarge v3モデルを使用する」とのことです。そしてLoroNoteは、スマートフォン自体でLargeシリーズのバリアントを実行している唯一のアプリです。

LoroNoteの全ストア合計の世界評価は279件で4.7です。表では、すべての行を同じ基準でそろえるため米国の数値を使用しています。

1. LoroNote — スマートフォン上で動く最大のWhisperバリアント

LoroNoteは、Whisper Large V3 TurboをiPhone・iPad上で直接実行します。TurboはOpenAIがlarge-v3から速度最適化して派生させたモデルで、Largeシリーズのモデルがスマートフォンで実用になる理由そのものです。次のセクションで、それが何をもたらし、何を犠牲にするかを詳しく分解します。この決定の背景はLoroNoteがWhisper Large V3 Turboを使う理由でも解説しました。

音声もテキストもローカルで処理されるため、文字起こしは機内モードでも動作し、機密性の高い録音が文字起こしサーバーへ届くことはありません。話者識別も端末上で実行されます。話者名は変更でき、文字起こしを共有してもラベルは保持されます。話者分離の仕組みをご覧ください。

モデルの周りにはワークフローが備わっています。同期ハイライトとタップで頭出しできる再生、フォルダ、カレンダー、検索、一括検索・置換、氏名や専門用語のためのユーザー辞書です。取り込みは、アプリ内録音、Apple Watch録音、MP3、WAV、M4A、MP4、MOVの読み込みに対応します。書き出しはTXTとSRTです。対応端末では、Apple Intelligenceが文字起こしをどこにも送らずに要約したりアクション項目を抽出したりできます。

向いている用途： iPhoneで得られる最も正確なオンデバイスWhisperの結果を、100以上の言語で得ること。

注意点： Largeシリーズのモデルには新しめのハードウェアが必要です。iPhone 13以降、iPhone SE（第3世代）、または対応する最近のiPadで、iOS 18.6以降が必要です。Mac、Windows、Web、Android版はありません。モデルが大きい分、同じファイルでもsmallモデルより処理時間は長くなります。

Whisper Large V3 Turboの実際の性能

Turboは、LargeシリーズのWhisperがスマートフォンで使いものになるかどうかを決めるバリアントなので、詳しく見ていく価値があります。以下の数値はすべて、OpenAI自身のモデル表とlarge-v3-turboのリリースノートによるものです。

OpenAIが高速化のために変えたこと

Turboは、ゼロから訓練した小さなWhisperではありません。デコーダーを削ったlarge-v3です。Largeシリーズの32層に対して、デコーダーは4層 — tinyと同じデコーダー深さです。音声の音響表現を構築する部分であるエンコーダーは、そのまま残されています。

この非対称性がすべての種明かしです。Whisperのエンコーダーは各30秒ウィンドウに対して1回だけ実行されますが、デコーダーは出力トークンごとに1回ずつ、自己回帰的に実行されます。長い録音ではデコーダーが合計時間の大半を占めるため、その深さを8分の1にすればコストの大半が削れる一方、エンコーダーはlarge-v3を優れたものにしている多言語の音響品質を保ち続けます。

そのうえでOpenAIは、この結果を「large-v3の訓練に使ったのと同量の多言語文字起こしデータでさらに2エポック」ファインチューニングしました。翻訳データは意図的に除外されています。

公表されている速度とメモリの数値

強調に値する数字が2つあります。Turboは**largeの約8倍高速**でありながら、パラメータ数はその半分強（1,550 Mに対して809 M）です。そして、パラメータ数はmedium（769 M）— AikoがiPhoneで読み込むバリアント — に匹敵する水準にありながら、large-v3のエンコーダーを保持しています。これがこの記事の比較の核心です。Turboは、重さはおおよそmedium級、音響モデリングはlarge級なのです。

リリースノートは速度についてさらに踏み込んでいます。同時に公開された最適化パッチと組み合わせると、「turboのASR速度は、かつてのtinyより速い」— 20分の1のサイズのモデルよりも、です。

精度：large-v2と同等、ただし既知の例外が2つ

OpenAI自身の評価は、言語全体でTurboは**「large-v2と同等の性能」**というものです。large-v3に匹敵するとは宣伝されておらず、そう説明するべきでもありません。

文書化されている例外は、それがあなたの言語なら重要です。Turboは「タイ語と広東語など一部の言語でより大きな劣化を示す」とされています。また、FLEURSのようなクリーンな朗読音声のデータセットでは、Common Voiceのような雑音の多いクラウドソース音声よりも良い結果が出ます。公表されているWER数値は、実際の会議録音と比べればどのモデルにも有利に働くという注意喚起です。

Turboがやらないこと

• 翻訳。 ファインチューニングから翻訳データが除外されているため、OpenAIはTurboが音声翻訳で良い性能を発揮することを明示的に期待していません。話された言語をそのまま文字起こしします。音声から英語への翻訳が必要なら、正しいモデルはlarge-v3で、Turboは間違ったモデルです。
• 英語専用バリアント。 tinyからmediumまでと違い、Turboに.enビルドはありません。多言語版のみです。
• 精度でlarge-v3に勝つこと。 品質を一段譲る代わりに約8倍の速度を得ています。それが取引条件です。

これらの数値はiPhoneで何を意味するか

ほとんどの解説記事が飛ばす注意点をひとつ。**OpenAIの約8倍・約6 GBという数値は、GPU推論のための参考値であって、iPhoneでの実測値ではありません。**スマートフォンには独立したVRAMプールがなく、市販アプリはこれらのモデルをCore MLとNeural Engineで動くように変換・量子化するため、メモリフットプリントもスループットも変わります。この表は、特定のアプリのスペックシートではなく、バリアント間の関係として読んでください。

スマートフォンにも引き継がれるのは、トレードオフの形です。

• 長い録音ほど恩恵が大きい。 デコーダーの削減は生成トークンあたりの時間を節約するため、60分の講義は30秒のメモよりはるかに大きく得をします。
• モバイルで本当の制約になるのはFLOPsではなくメモリ。 Aikoの掲載文がiOSで「利用可能なメモリに応じて」mediumまたはsmallを選ぶとしているのはまさにこのためで、Largeシリーズのバリアントを動かすアプリの端末要件が厳しいのも同じ理由です。LoroNoteはiPhone 13以降、iPhone SE（第3世代）、または対応する最近のiPadを必要とします。
• 最悪ケースは長いクリップではなく短いクリップ。 ファイルごとのオーバーヘッド — モデルのウォームアップとウィンドウ処理 — は固定なので、10秒のメモでは支配的になり、1時間の講義では消えてなくなります。スループットは、サーマルリミットに達するまで、ファイルが長いほど上がります。
• 精度の差が現れるのは音声が難しいところ。 クリーンなディクテーションではなく、アクセント、発話の重なり、周囲の雑音、専門語彙です。静かな環境でマイクに近づいて録った英語なら、小さいモデルでも見分けの付かないテキストが出てくることは珍しくありません。

iPhoneでTurboは実際どれくらいかかるのか

有用な指標はスピードファクター、つまり「処理1秒あたりに文字起こしできる音声の秒数」です。スピードファクター60なら、1分の音声が1秒で文字起こしされます。「どれくらい待つのか」という問いに実際に答えてくれる数字であり、パラメータ数だけでは決して分かりません。

LoroNoteがiPhone 15 Proで計測した数値

LoroNoteは文字起こし中に実行中のSpeed Factorを画面に表示するため、以下の数値は推定ではなくアプリの表示をそのまま読み取ったものです。iPhone 15 ProでWhisper Large V3 Turboを使い、10分31秒の録音を文字起こしした場合：

おおよそ19×に落ち着き、10.5分の録音の処理は約33秒でした。これは独立したベンチマークではなく、当チームの端末でのLoroNote自身のアプリ内計測値です。他のファーストパーティの数値と同じ重み付けで受け取ってください。

このレートでは：

実用的にまとめると、TurboはiPhoneにlarge-v3のエンコーダーを、おおよそmediumの重さと、フルのlargeの約8倍のデコード速度で与えます。その代償は、large-v3に対するわずかな精度の差、翻訳非対応、そしてタイ語と広東語での既知の弱点です。iPhone 15 Proでは、1時間の録音が約3分でテキストになります。

2. Whisper Notes — 3つのモデルを切り替えられて、支払いは1回

Whisper Notesは、この中で唯一エンジンを切り替えられるアプリです。Whisper、NVIDIAのParakeet、SenseVoiceがすべて端末上で動作します。掲載文はそれぞれの勝ちどころを説明しています。SenseVoiceは「Whisperよりはるかに高速で、中国語・日本語・韓国語に最も強い」、一方Parakeetはスピード担当です。

また、実際のタイミングの数値を公表している唯一の掲載文でもあります。iPhone 15で5分の音声を文字起こしすると、「Parakeetで約18秒、Whisperで約1分」。この数字は開発者自身のものですが、具体的で検証可能であり、ほとんどのアプリが示すものより上です。このモデル同士の競争の背景は、Parakeet V3とWhisper Large V3の比較で取り上げました。

すべてがローカルで実行されます。掲載文は「録音前に機内モードをオンにして、そのままにしてください」と誘っています。名前変更に対応した話者ラベル、録音時間の制限なし、100以上の言語、タイムスタンプと話者ラベル付きのSRT・VTT・TXT書き出しが揃っています。iPhone・iPadに加えてMacでも動作し、サブスクリプションもアプリ内課金もなしの$6.99買い切りです。

向いている用途： 録音ごとにエンジンを選びたい多言語での作業、そして1回の支払いを好むすべての人。

注意点： どのサイズのWhisperを読み込むかは掲載文に記載がなく、モデルは「英語向けに最適化」とされています。

3. Aiko — 最も透明で、最も限定的

Aikoは$24.00の買い切りで、Georgi Gerganov氏によるC/C++移植版whisper.cppを介してWhisper上に構築されており、掲載文はそのクレジットを直接記載しています。何も端末の外へ出ず、100言語の音声に対応し、字幕を書き出せます。

この比較の中で、良い方向にも悪い方向にも最も正直な掲載文です。正確なモデル選択 — iOSでは利用可能なメモリに応じてmediumまたはsmall、macOSではlarge-v3 — を公開し、「速度より精度を優先」すること、録音中のリアルタイム文字起こしを行わないこと、話者検出は現時点でないこと、アプリ内テキスト編集は予定していないことを率直に述べています。想定されているワークフローは、書き出して別の場所で編集することです。

また、iPhone・iPadに加えてMacとApple Visionで動作する、この中で唯一のアプリでもあります。より詳しくはLoroNoteとAikoの比較で見ていきました。

向いている用途： Appleプラットフォーム横断で1回の購入を望み、会議を回すのではなく完成した録音を文字起こしする人。

注意点： 現在はiOS 26以降が必要で、iPhoneはMacより小さいWhisperになり、話者検出、リアルタイム文字起こし、アプリ内編集はありません。

4. Whisper Memos — Whisperだが、クラウドで

Whisper Memosは通常のワークフローを逆転させます。録音すると、文字起こしと自動AI要約がメールで届くのです。OpenAIのWhisperとElevenLabs Scribeを選択でき、後者は掲載文で「最大96.7%の精度」とされ、アクセントや多言語の発話に推奨されています。50以上の言語をカバーし、MP3、M4A、WAV、AAC、FLAC、OGGを読み込めます。

取り込み機能は本当によくできています。ロック画面ウィジェット、単体録音対応のApple Watchアプリ、Siri、ショートカット、アクションボタン。文字起こしはNotion、Reflect、Todoist、Things 3、Day One、Evernote、Trello、Draftsへ、さらにZapier経由で数千のサービスへと流せます。

掲載文には「オフライン録音 — オンラインに戻ると同期」とあり、これが手がかりです。**録音はオフラインで動きますが、文字起こしは動きません。**音声はサーバーへ送られます。録音する内容にとってそれが問題ないなら候補に入れ、問題があるなら除外してください。

向いている用途： 録りっぱなしでよいボイスジャーナリングやメモの記録。文字起こしが自動で受信箱と下流のツールに届いてほしい場合。

注意点： クラウド処理で、Whisperのバリアントは記載なし、Macアプリはありません。

同じくWhisper搭載だが、仕事が違うアプリ

iOSでWhisperを検索するとさらに4つのアプリが出てくるので、素早く候補に入れるか外すかできるよう名前を挙げておきます。

• WhisperBoard（無料、オープンソース）— whisper.cpp上に構築されたiOSアプリで、アプリ内で好きなサイズのWhisperモデルを選んでダウンロードでき、すべてローカルで動作します。トレードオフは、完成品ではなくオープンソースプロジェクトなりの作り込みであること。ただし、自分のiPhoneでWhisperの各バリアントを試す最も安上がりな方法です。
• VoicePen（無料、米国評価505件で4.7）— 「OpenAI Whisper搭載」の文字起こしとAIノート。クラウドで、YouTube・ポッドキャスト・Zoomリンクの取り込みと、Notion・Zapier・Make連携付き。
• V2T: Whisper AI Transcription（無料、米国評価222件で4.4）— 両方を提供する珍しい存在。インターネット不要のオンデバイスのリアルタイム文字起こしと、サブスクリプションでのアップロードファイルのクラウド文字起こし。
• Superwhisper（無料、米国評価810件で4.4）— 録音の文字起こしではなくディクテーションのアプリ。APIキーは自分で用意します。

特にSuperwhisperは、もうひとつの音声テキスト化の問題 — タイプする代わりにテキスト欄へ話しかける — を解くもので、より広いiOS文字起こしアプリ比較で別カテゴリとして切り分けました。

選び方

• スマートフォンが出せる最も正確な結果が欲しい： LoroNote。オンデバイスのLarge V3 Turboのために。
• 中国語・日本語・韓国語で録音する： Whisper Notes。それらの言語向けにSenseVoiceへ切り替えられます。
• Macアプリと1回の支払いが必要： Aiko。スマートフォンでは小さいモデルになることと、話者ラベルがないことを受け入れて。
• アプリを開かずに文字起こしが受信箱へ届いてほしい： Whisper Memos。クラウド処理を受け入れて。
• 文字起こしではなくディクテーションをしている： この4本のどれでもありません。キーボード置き換え型のアプリを検討してください。

そしてテストしてください。普段の環境で、自分のマイクとアクセント、いくつかの名前と専門用語を交えて3〜5分録音します。抜けている語、句読点、話者の切り替わり、経過時間を確認します。アプリ間のばらつきの多くはモデルサイズで説明でき、残りはあなた自身の音声が説明してくれます。

よくある質問

iPhoneではどのWhisperモデルが動きますか？

アプリによります。LoroNoteはWhisper Large V3 Turboをオンデバイスで実行します。Aikoの掲載文は、iOSでは利用可能なメモリに応じてWhisperのmediumまたはsmallモデルを、macOSではlarge-v3モデルを使うとしています。Whisper NotesとWhisper Memosの掲載文にはバリアントの記載がありません。

Whisperアプリはオフラインで動きますか？

モデルを端末上で実行する場合のみです。LoroNote、Whisper Notes、Aikoはいずれも文字起こしがローカルで行われると明記しているため、機内モードで動作します。Whisper MemosとVoicePenは音声をサーバーへ送るため、文字起こしの生成には接続が必要です。Whisper Memosはオフラインで録音し、後から同期します。

iOSでWhisperは無料で使えますか？

モデルはオープンソースですが、アプリの価格設定はさまざまです。LoroNoteとWhisper Memosはアプリ内課金付きの無料ダウンロードです。Whisper Notesは$6.99の買い切り。Aikoは$24.00の買い切りです。Whisperをローカルで実行するアプリには分単位のサーバーコストがないため、その多くがサブスクリプションではなく1回の価格で提供されています。

iPhoneで使える無料のWhisperアプリでベストは？

「無料」に何を含めるかによります。WhisperBoardは本当に無料のオープンソースで、Whisperをローカルで実行し、モデルサイズも選べます——コミュニティプロジェクトなりの粗さはあります。V2Tには無料のオンデバイス・ライブ文字起こしがあります。LoroNoteはアプリ内課金付きの無料ダウンロードなので、支払う前に自分の音声でWhisper Large V3 Turboを試せます。無料のクラウド型Whisperアプリも存在しますが、サーバー費用はどこかで賄われています——無料枠の上限と、音声の行き先を確認してください。

Whisper Large V3 Turboはどれくらい速いのですか？

OpenAIの参考表では、Turboはlarge（1×の基準）の約8倍の速度で、パラメータ数は1,550 Mに対して809 M、VRAMは約10 GBに対して約6 GBです。リリースノートには、同時公開の最適化パッチと組み合わせると、TurboのASR速度はかつてのtinyより速いとあります。

これらはGPUの参考値です。実際のAppleハードウェアでは、LoroNoteのアプリ内表示は、10分の録音に対して**iPhone 15 Proで約19×**のスピードファクターを示しています。10.5分の音声の処理が約33秒です。

iPhoneで1時間の音声を文字起こしするのにどれくらいかかりますか？

Whisper Large V3 Turboを実行するiPhone 15 Proで、LoroNoteはおおよそ実時間の19倍を報告しており、60分の録音は約3分になります。これは独立したベンチマークではなく、アプリ自身の進捗表示から読み取ったファーストパーティの数値です。他のアプリはより低い数値を公表しています。Whisper Notesの掲載文の数字は、Whisper経路で約5×に相当します。

Large V3 TurboはLarge V3と同じ精度ですか？

いいえ。OpenAIもそうは主張していません。公式の立場は、言語全体でTurboは「large-v2と同等の性能」であり、特にタイ語と広東語ではより大きな劣化があるというものです。また、ファインチューニングから翻訳データが除外されているため、Turboは翻訳向けに訓練されていません。精度を一段譲る代わりに約8倍のデコード速度を得ています。

なぜTurboはエンコーダーではなくデコーダーを削るのですか？

Whisperのエンコーダーは30秒の音声ウィンドウごとに1回実行されるのに対し、デコーダーは出力トークンごとに1回実行されます。長い録音では処理時間の大半をデコーダーが占めるため、32層から4層に削ればコストの大半が取り除けます。エンコーダーをそのまま残すことが、large-v3の多言語音響品質を保っている理由です。

Whisperモデルは大きいほど常に良いのですか？

常にではありません。大きいバリアントは、特にアクセント、周囲の雑音、あまり一般的でない言語で概して高精度ですが、メモリ使用量が増え、同じ録音により長い時間がかかります。Turboは、まさにLargeシリーズのモデルをスマートフォンで実用的な速度にするために存在します。クリーンな英語音声なら、小さいモデルでも見分けの付かないテキストが出てくることは珍しくありません。

Whisperを使うと音声はOpenAIに送られますか？

いいえ。Whisperはオープンソースで、完全に端末上で実行できます。LoroNote、Whisper Notes、Aikoがしているのはそれです。アプリがホスト型のWhisper APIを呼び出すこともでき、その場合は音声が端末の外へ出ます。しかしそれはアプリのアーキテクチャの問題であって、モデルの性質ではありません。

話者を識別できるWhisperアプリはどれですか？

LoroNoteとWhisper Notesは、どちらも名前変更に対応した話者ラベルを提供します。Aikoの掲載文には、話者検出は現時点で利用できないと記載されています。

iOS向けWhisperアプリ選びのまとめ

「Whisper搭載」は、仕様ではなくバッジになってしまいました。4つのアプリが全部それを正しく名乗りながら、異なるモデルサイズを、異なるハードウェアで動かし、あなたの音声はまったく別の場所にあり得るのです。

問う価値のあるのは、ラベルが答えてくれない2つの質問です。どのバリアントか、そしてどこで動くのか。Aikoは両方を掲載文で答えており、その点は称賛に値します。LoroNoteは、この中でスマートフォンに載る最大のバリアントを、ローカルで実行します。Whisper Notesは、コーヒー1杯の値段で切り替え可能な3つのエンジンをくれます。Whisper Memosは良い製品ですが、同じ言葉をまとったクラウドサービスです。

バッジではなく、この2つの事実で選んでください。

出典

• App StoreのLoroNote
• App StoreのWhisper Notes
• App StoreのAiko
• App StoreのWhisper Memos
• OpenAI Whisper Large V3 Turboリリースノート
• OpenAI Whisperモデル表
• Georgi Gerganov氏によるwhisper.cpp
• GitHubのWhisperBoard
• LoroNoteの速度数値：iPhone 15 Proで10分31秒の録音をオンデバイスのWhisper Large V3 Turboで処理し、アプリの進捗表示から読み取った値