ホーム › オンデバイス文字起こしとは

用語解説

オンデバイス文字起こしとは？（ローカル・オフライン処理の仕組み）

オンデバイス文字起こしとは、音声をテキストに変換する処理を自分のパソコンの中だけで実行する方式のことです。日本語では「ローカル文字起こし」「オフライン音声認識」とほぼ同じ意味で使われます。音声データをどこかのサーバーへ送らないため、通信がなくても動き、アカウント登録も必要ありません。

言葉の定義：オンデバイス＝ローカル＝オフライン

「オンデバイス」は英語の on-device をそのままカタカナにした言葉で、日本語の記事ではローカル処理やオフライン音声認識と書かれることの方が多いです。どれも指しているものは同じで、音声認識のモデルが動く場所が、手元の端末そのものであるという意味です。対義語はクラウド文字起こし、つまり録音ファイルをインターネット経由で事業者のサーバーへ送り、そこで変換して結果だけを受け取る方式です。

ここで大事なのは、「暗号化して送信」はオンデバイスではない、という点です。通信路が暗号化されていても、音声そのものは相手のサーバーに届いています。オンデバイス文字起こしでは送信という工程が存在しないので、比較の軸が「どれだけ安全に送るか」から「そもそも送らない」に変わります。

どういう仕組みで動くのか

音声認識モデル（音声の波形を文字列に変換する学習済みのファイル）を、あらかじめ端末にダウンロードしておきます。文字起こしを実行すると、そのモデルを Mac のメモリに読み込み、Apple Silicon の GPU で計算します。処理が終わればテキストが手元に残り、モデルは次の出番までディスクの中で待機します。

クラウド型と比べると、工程はこれだけ短くなります。

• クラウド型：録音 → ファイルをアップロード → サーバーの順番待ち → 変換 → 結果をダウンロード → サーバー上に音声とテキストが残る（保持期間は事業者ごとに異なる）
• オンデバイス型：録音 → 端末内で変換 → 完了。音声もテキストも最初から最後まで端末の中にある

初回だけモデルのダウンロードに通信が必要ですが、それ以降は機内モードでも社内の閉じたネットワークでも同じように動きます。

クラウド文字起こしとの違い

公平に書いておくと、クラウド型にも利点はあります。数百時間の音声を一晩でさばく、ブラウザだけで完結する、チームで共有前提の管理画面がある、といった用途ではクラウドの方が向いています。オンデバイスが強いのは、音声を外に出せない、ネットがない、従量課金を積み上げたくないという条件のときです。

アカウント不要という実務上の利点

日本の企業利用でよく効いてくるのが、アカウント登録が要らないという点です。クラウド型のサービスを業務で使おうとすると、多くの会社では利用申請、規約の確認、情報システム部門の承認という手順が挟まります。取引先の音声が含まれる場合は、さらに先方への確認が必要になることもあります。端末内で完結するアプリは、この「どこに預けるのか」という論点自体が発生しません。

ただし、これはアーキテクチャの説明であって、法令やガイドラインへの適合を保証するものではありません。社内規程で扱える情報の区分が決まっている場合は、自社の法務・情報システム部門にご確認ください。

精度はクラウドに劣るのか

かつては「重い処理はサーバー、端末は簡易版」という住み分けがありましたが、Apple Silicon の GPU で大きめのモデルをそのまま動かせるようになり、その前提は変わりました。実用上は、日常的な会議録音や取材音声であれば高い精度が得られます。

一方で、精度は方式よりも音源の質に強く左右されます。次の条件が揃っているかどうかで、結果は大きく変わります。

• 話者の口とマイクの距離が近いか（机の中央に置いた 1 本のマイクは不利）
• 空調やプロジェクターのノイズが乗っていないか
• 複数人が同時に話す場面が多くないか
• 固有名詞・社内用語が多くないか（これは人手の修正が前提になります）

クラウドに変えれば解決するわけではなく、録り方を変えた方が効く場面がほとんどです。

向いている場面・向いていない場面

向いている：社外秘を含む社内会議、取材・インタビュー音源、顧客との商談、医療・法務・人事など第三者に預けにくい内容、出張中や機内などネットがない環境、月に何時間分になるか読めない継続利用。なお、第三者が入る会話を録音する場合は、録音の可否は社内規程や取引先の意向に従ってください。日本では冒頭で一言伝えておくのが一般的です。

向いていない：Windows しかない環境（本アプリは macOS 専用です）、Intel の Mac（Apple Silicon が必須です）、大量の音源をチームで共有・共同編集する運用。

Mac でオンデバイス文字起こしをするなら

Lesskeys は、この方式だけで作られた Mac 用アプリです。音声入力（ディクテーション）と、通話・会議・音声ファイルの文字起こしの両方に対応し、認識処理はすべて Mac の中で行われます。99 言語に対応し、言語は自動で判別されます。音声入力の結果はクリップボードにコピーされ、貼り付けたい場所で ⌘V を押す方式です（アプリ側が勝手にキー入力を行うことはありません）。

動作条件は macOS 13 以降、Apple Silicon（M1 以降）が必須です。ダウンロードは無料で、続けて使う場合にアプリ内から Pro を $49.99 の買い切りで解除します。支払いはこの 1 回だけで、月額課金はありません（日本円では約 7,500 円前後が目安ですが、為替とストアの価格設定により変動します。正確な金額は Mac App Store の表示をご確認ください）。

実際の手順は「Mac で文字起こしをするやり方」、手元の録音データを処理したい場合は「音声ファイルのテキスト化」をご覧ください。

よくある質問

関連ページ