オフライン音声文字起こし完全ガイド（2026年版）

ほとんどの音声文字起こしアプリには、利用者からは見えにくい前提があります。それがサーバーです。音声はスマホで録音されても、サービス事業者のサーバーへ送られ、そこで文字起こしされた後に端末へ戻ってきます。クラウド型アプリが弱いWi-Fiでもたつくこと、利用時間に応じて月額料金が上がること、プライバシーポリシーに音声の保管期間を明記する必要があることは、すべてこの仕組みによるものです。

オフラインの音声文字起こしは、このサーバーを丸ごと取り除きます。AIモデルは、すでにポケットの中にあるチップの上で直接動きます。このガイドでは、2026年現在のオンデバイス文字起こしの仕組み、クラウドより優れている点(とそうでない点)、そしてiPhone・iPadで数分で始める方法を解説します。

まず結論から

このガイドの残りでは、最初のケース — 長時間の録音を、すべてデバイスの中だけでテキストに変える方法 — を掘り下げます。

音声文字起こしでクラウドを前提にすべきでない理由

1. 音声が不要な往復をしている

クラウド型の文字起こしアプリは、録音のアップロードが終わるまで何もできません。高速回線ではほとんど気になりませんが、イベント会場のWi-Fi、地下の講義室、飛行機の中では、ひたすら待たされるか、そもそも失敗します。オンデバイスの文字起こしには、アップロードという工程自体がありません。スマホの電源さえ入っていれば動きます — 機内モードでも、地下鉄でも、山小屋でも。

2. サブスク料金の仕組み

クラウド事業者は文字起こしのたびにGPUサーバーの費用を負担するため、利用時間に応じて課金せざるを得ません。一般的なクラウド文字起こしプランは月額$8〜20程度で、多くの場合、月間の利用分数に上限があります。オンデバイス文字起こしは、すでに手元にあるiPhoneのNeural Engineを使うため、ユーザーに転嫁する1分あたりのサーバーコストがありません。LoroNoteが一度の支払いでずっと使える買い切りプランを提供できるのは、そのためです。

3. プライバシーはポリシーではなく、アーキテクチャの問題

音声がアップロードされた瞬間、その安全性は「約束」に依存することになります。保管ポリシー、従業員のアクセス規程、漏えい時の対応計画 — どれも変わりうるものであり、破られうるものです。音声がデバイスから出なければ、約束すべきことは何もありません。そもそもアップロードされていない録音は、漏えいすることも、第三者から差し押さえられることも、こっそり学習データに使われることもありません。顧客との通話、診療、カウンセリング、社内会議を録音する人にとっては、これこそが決定的な違いです。

2026年、オンデバイス文字起こしの精度は？

数年前まで、オフラインを選ぶことは精度の妥協を意味しました。そのトレードオフはもうありません。LoroNoteは、最先端のオープンモデルであるOpenAIの Whisper Large V3 Turbo をiPhone・iPad上で直接実行し、明瞭な発話で最大98%の精度、100以上の言語対応を、すべてオフラインで実現します。

どんなエンジンも魔法ではないので、正直な注意点も挙げておきます。

• 音声品質が今でも最重要です。 静かな部屋の真ん中に置いたスマホは、騒がしいカフェでポケットに入ったスマホに勝ります。これはどの文字起こしエンジンでも同じです。
• 同時に重なる発話は今でも難題です。 LoroNoteは話者を自動で分離しますが、複数人がまったく同じ瞬間に話した箇所は、後から数行の手直しが必要になることがあります。
• 句読点は自動です。 Whisperが自分で句読点を挿入するので、昔の音声入力ツールのように「てん」「まる」と発話する必要はありません。句読点なしのテキストがよければ、LoroNoteの自動削除機能でまとめて取り除くこともできます。

iPhone・iPadでオフライン文字起こしをする方法

1. LoroNoteをインストール。 App Storeから入手できます。iPhoneとiPadの両方で動作します。
2. 録音するか、読み込む。 会議・講義・ボイスメモをその場で録音するか、別の場所で録音した音声ファイルを読み込んで文字起こしできます。
3. デバイスの中で文字起こし。 Whisperモデルはローカルで実行されます。アップロードの進行バーも、「サーバーで処理中」のスピナーもなく、機内モードでも動作します。
4. タイムスタンプ付きで編集。 すべての行が録音内のその瞬間とリンクし、話者ごとにラベル付けされているので、文をタップして元の音声を聞きながら、直したい箇所だけを直せます。
5. 整理して共有。 ノートをフォルダに整理し、カレンダービューで過去の録音を探し、仕上がったテキストを必要な場所へ共有できます。ノートは、本人だけがアクセスできる暗号化されたiCloudを通じてデバイス間で同期されます。

操作はこれだけです。アカウント登録は不要で、音声が私たちに送られることも一切ありません。私たちは、たとえ望んでもユーザーのノートを見ることができません。

誰が何を話したか — 自動話者検出

会議を録音するか、インタビュー音声を読み込むだけで、LoroNoteがすべての区間に話者ラベルを付けます。設定は不要で、ほかの処理と同じくすべてデバイス上で完結します。

各セグメントには話者とタイムスタンプが付き、タップするとその瞬間の音声にジャンプします。1時間のセッションで「誰が何を言ったか」を探すのに、聞き直しはいりません — 数秒で見つかります。

長時間録音、読み込んだファイル、そして毎日の使い方

LoroNoteには、録音時間にも文字起こしの量にも上限がありません。5秒のメモでも3時間のセミナーでも処理できます。ただし長時間の録音では、音声が長いほど文字起こしにも時間がかかり、すべての処理を端末上で行うため、十分な空き容量とバッテリーが必要です。

音声ファイルの読み込みに対応しているため、LoroNoteは、スマホで録ったのではない音声 — 専用レコーダーで録音したインタビュー、ボイスメモ、同僚から共有された音声 — のためのオフライン文字起こしエンジンとしても使えます。

それでもクラウドが正解のケース

• リアルタイムのチームコラボレーション。 通話中に10人が1つのライブ文字起こしを同時に見て編集する必要があるなら、その調整には本当にサーバーが必要です。
• 全社的な会議アーカイブ。 議事録を会社全体に自動配布するのはクラウドワークフロー製品の領域であって、プライベートなノートアプリの領域ではありません。
• 高度なワークフロー自動化。 文字起こし結果をCRMへ自動で送るような用途では、クラウドツールのほうが連携しやすいでしょう。

一方、録音が 自分自身 のためのもの — 自分の会議、講義、インタビュー、アイデアを残すためのもの — なら、上記の条件は当てはまりません。速度・コスト・プライバシーのすべてで、オンデバイス処理が有利です。

技術仕様

• プラットフォーム: iPhone、iPad
• エンジン: OpenAI Whisper Large V3 Turbo、完全オンデバイス実行
• 話者分離: 会議やインタビューの話者を自動で分離 — この処理も他と同じくオンデバイス
• 言語: 日本語、英語、韓国語、中国語、スペイン語、フランス語、ドイツ語など100以上、すべてオフライン
• 保存: 録音と文字起こしは、自分のデバイスと本人だけがアクセスできる暗号化されたiCloudに保存
• 制限: なし — 録音の長さも文字起こしの量も無制限
• 価格: 月額$4.99、年額$19.99、または$39.99の買い切りプラン（料金を見る）

よくある質問

オフライン文字起こしに、インターネット接続は少しでも必要ですか？ 録音と文字起こしは100%オフラインです。インターネットを使うのは、本人のデバイス間で行う任意のiCloud同期だけです。再接続すると自動的に同期されます。

精度はどのくらいですか？ Whisper Large V3 Turboで、明瞭な発話なら最大98%です。精度は音声品質・話し方の明瞭さ・言語によって変わります。静かな部屋と近くのマイクが最良の結果を生みます。

録音時間に制限はありますか？ 厳格な制限はありません。非常に長い録音は文字起こしに時間がかかり、十分なバッテリーと空き容量が必要になるだけです。

どの言語に対応していますか？ 100以上です。すべてオフラインで、すべて同じエンジンで動作します — 会話ごとに個別のダウンロードは必要ありません。

誰が話したか分かりますか？ はい。LoroNoteは話者を自動で分離するので、複数人の会議やインタビューも話者ごとにラベル付けされたテキストになります。文字起こし自体と同じく、話者分離もすべてデバイス上で実行されます。

録音は実際にどこに保存されるのですか？ 自分のデバイスに保存され、同期を使う場合は本人だけがアクセスできる暗号化されたiCloudにも保管されます。私たちのサーバーに送られることはありません。そもそも、ユーザーの音声を扱うサーバー自体を持っていません。

料金はいくらですか？ 月額$4.99、年額$19.99、または$39.99の買い切りプランがあります。どのプランにも無制限の文字起こしとすべての機能が含まれ、買い切りプランなら追加料金なしでずっと利用できます。

さっそく試してみませんか？ App StoreでLoroNoteをダウンロードすれば、最初の録音をわずか5分でテキストにできます。通信環境は必要ありません。