AIプロンプト用のフットペダル：なぜ人々はタイピングではなく話すのか

ChatGPT、Claude、Geminiなどにプロンプトを一つひとつ入力する代わりに、音声で指示を出す人が増えています。Wispr Flowなどのツールを用いて開発者の間で始まったこの動きは、日常のワークフローにも広がり、ハンズフリーの音声入力にはフットペダルが定番のトリガーとなっています。

話すスピードは、タイピングの約3倍です。この差はAIの活用において重要です。なぜなら、長くて詳細なプロンプトほど、最初の試行でより良い回答が得られ、追加のやり取りの回数が少なくて済む傾向があるからです。

スピード面だけでなく、ディクテーションは一日中タイピングをしている人にとっての負担を軽減します。RSI（反復性ストレス障害）、運動障害、あるいは慢性的な痛みを抱える人々にとって、ハンズフリー入力は、キーボードでは不可能な形でAIツールを活用できるようにします。

1. フットペダルを押し続けてください。これにより、コンピュータにホットキーが送信され、ディクテーションアプリが起動します。
2. このディクテーションアプリは、音声を聞き取り、文字起こしを行い、カーソルの位置にテキストを挿入します。ペダルから足を離すと、ディクテーションが停止します。

これはシステム全体で機能します。AIチャットウィンドウ、メール、コードエディタ、Slackなどです。だからこそ、単一のAIプラットフォームに組み込まれた音声機能よりも柔軟性が高いのです。

ペダルはあくまで引き金に過ぎません。実際に作業を行うのは、これらのツールです：

Wispr Flowは、AIによる修正機能を備えたクラウド文字起こしサービスを利用しています。Fnキー（Mac）またはCtrl+Winキー（Windows）を押したまま話してください。無料プランがあり、有料プランは月額約12～15ドルです。

SuperwhisperはMac上でローカルに動作するため、音声データはご自身のマシン内に保存されます。Optionキーとスペースキーを同時に押すと、話すことができます。購入価格は約250ドルで、1回限りの購入となります。

VoiceInkは、約40ドルで利用できるオープンソースのローカルオプションであり、複数のWhisperモデルサイズが用意されています。

macOS（GlobeキーとFnキーを2回押す）およびWindows（Win+H）では、OSの音声入力機能が無料で利用できますが、「長押しして話す」方式ではなく、トグル方式で起動するため、専門用語の認識精度は低下します。

iKKEGOLやPCsensorの汎用USBペダル（19～30ドル）は、1回のキーストロークに対応しています。機能的でシンプルですが、1つの操作に限定されており、プロファイルの管理や機能拡張を行うためのソフトウェアは付属していません。

Wispr Pedal（99～199ドル）はBluetoothで接続し、Wispr Flowにプリセットされており、Flow Proが1年間付属しています。音声入力専用に設計されていますが、対応アプリは1つ、用途も1つに限定されています。

Stream Deck Pedal は、頑丈な金属製のベースプレートを備え、ペダルの張力を調整できる交換可能なスプリングを搭載した、3ペダル式のUSBコントローラーです。1つのペダルはプッシュ・トゥ・トーク（PTT）機能を担当します。残りの2つは、マイクのミュート、マクロの起動、オーディオの切り替え、その他任意の機能を割り当てることができます。「Smart Profiles」機能により、アプリを切り替えると3つのペダル設定が自動的に更新されます。また、Elgato Marketplaceを利用することで、単なるホットキーの枠をはるかに超えた機能拡張が可能です。

主な違いは柔軟性です。ペダルが1つではなく3つあること、アプリごとに切り替わるプロファイル、そして音声入力機能にとどまらないプラグインのエコシステムが挙げられます。

上記のディクテーションツールはいずれも、キーボードのホットキーに対応しています。キーを押したまま話し、離すだけです。ChatGPTとGeminiのテキストフィールドにもマイクボタンがありますが、どちらもキーボードショートカットは用意されていません。Web版のClaudeにはネイティブなディクテーション機能が一切ないため、ここではシステム全体のツールを利用するのが良いでしょう。

いずれにせよ、ホットキーから始めてみるのが、音声プロンプトが自分の働き方に合っているかどうかを確かめる最も手っ取り早い方法です。

文字起こしの精度は、人名、専門用語、コードの構文によって異なります。「プッシュ・トゥ・トーク」機能は背景ノイズの低減に役立ちますが、ソフトウェアの設定よりも、口元に近づけて使う良質のマイクの方が重要です。また、プライバシーが気になる場合は、クラウドベースのサービスよりも、SuperwhisperやVoiceInkのようなローカルツールを選ぶとよいでしょう。

Wispr Flowの無料プランを導入するか、OSの音声入力機能を利用し、それをホットキーに割り当てて、次のプロンプトをタイプする代わりに音声で入力しましょう。定期的に音声入力を行う場合は、Stream Deck Pedalを使えば、プッシュ・トゥ・トーク機能を利用できるほか、ワークフローの他の作業用に2つのペダルを追加で利用できます。Stream Deckのホットキー設定に関するガイドでは、その設定手順を詳しく解説しています。