ChatGPT、Claude、GeminiでのAI音声入力用マイクの選び方

ChatGPT、Claude、Geminiにプロンプトを音声入力する方が、キーボードで入力するよりも速い。スタンフォード大学、ワシントン大学、百度（バイドゥ）による2016年の研究によると、音声入力はスマートフォンのキーボード入力よりも約3倍速く、誤入力も少ないことがわかった。言葉がどれだけ正確に認識されるかは、マイクやその設置場所にも左右される。

入力する指示文は、細部まですべて打ち込むのに時間がかかるため、たいてい短いものです。口頭で説明する場合、同僚に仕事を説明するときと同じように、背景や具体例、制約条件などを盛り込みやすくなります。

短いテキスト入力によるプロンプトの場合、意図した通りの応答が得られるまでに、何度か追加のメッセージを送る必要があることがよくあります。その文脈を最初から含めた音声プロンプトを使えば、そうした追加のやり取りを減らすことができます。

最新の音声認識技術は、静かな部屋でノートパソコンのマイクを使っても、日常会話の認識に優れています。ただし、ファンやキーボードの動作音などの背景ノイズがある場合、画面から離れて座っている場合、あるいは製品名、人名、技術用語などのあまり一般的ではない単語を話す場合には、誤認識が生じやすくなります。マイクを口元に近づけておくと、周囲のノイズよりも自分の声がはっきりと拾われるため、こうした誤認識を減らすことができます。

口元に装着する安価なクリップ式マイクは、通常、ノートパソコンの内蔵マイクアレイよりも正確に文字起こしを行うことができます。

クリップ式マイクは、動き回っても口からの距離が変わらないため、周囲に雑音がある部屋での使用に特に役立ちます。Wave Go なら、マイク送信機を襟にクリップで留め、USB-C レシーバーをパソコンに接続し、ディクテーションツールでマイクとして選択するだけです。

ディクテーションツールは、マイクから音声を入力し、それを文字に起こして、カーソルが置かれている場所にテキストを入力します。ChatGPT、Claude、Geminiにはそれぞれディクテーション機能が組み込まれていますが、それらは各アプリ内でのみ動作します。一方、システム全体のツールは、ブラウザ上のChatGPT、デスクトップ版のClaude、Cursor、Slack、メールなど、あらゆるテキスト入力フィールドで動作します。

Wispr Flow や Superwhisper といった専用ツールを使えば、独自の語彙を追加することができ、固有名詞、専門用語、コードの構文の処理に役立ちます。また、Wispr Flow は、不要な言葉や書式を自動的に整理してくれます。

Wispr FlowやWindowsの音声入力は、音声データをクラウドサービスに送信して文字起こしを行います。一方、Apple Silicon搭載MacのmacOSディクテーション、VoiceInk、およびSuperwhisperのローカルモデルは、お使いのコンピュータ上で音声を処理します。機密情報を音声入力で入力する場合は、お使いのツールがどの方式を採用しているかを確認してください。

これらのツールのほとんどは、プッシュ・トゥ・トーク（PTT）機能をサポートしています。キーを押し続け、話してから離すだけで、しばらくするとカーソルの位置に文字起こしされたテキストが表示されます。キーボードショートカットやStream Deckのホットキー、あるいは両手を自由に使えるフットペダルなどを利用することもできます。

ChatGPTのデスクトップアプリをご利用の場合、「ChatGPT & Codex」プラグインの 「Dictate」アクションを使用すると、Stream Deckのキーに音声入力機能を割り当てることができます。キーを1回タップして開始し、もう一度タップして送信するか、話している間キーを長押しして、話し終わったら指を離して送信します。この機能はChatGPTへの入力専用ですので、他のアプリで利用するにはシステム全体のツールと組み合わせて使用してください。Elgato Marketplaceから無料で入手できます。

1. マイクまたはそのUSB-Cレシーバーをコンピューターに接続してください。
2. Macの場合は「システム環境設定」＞「サウンド」＞「入力」、Windowsの場合は「設定」＞「システム」＞「サウンド」＞「入力」で、これを入力ソースとして選択してください。
3. ディクテーションツールのマイク設定で、同じマイクを選択してください。
4. 音声入力ツールに「プッシュ・トゥ・トーク」のショートカットを設定してください。
5. マイクを顎の約手の幅分下にクリップで留めるか、その位置に設置してください。クリップ式のマイクの多くは全方向性であるため、方向よりも口からの距離の方が重要です。

まずは無料のディクテーションツールとキーボードショートカットから始めて、足元でプッシュ・トゥ・トークを使いたいときは、Stream Deck Pedalを追加しましょう。