音声をアップロードしない文字起こしアプリ

クラウドの文字起こしが速くて正確なのは、他社のハードウェアで動いているからです。つまり会議も、取材も、講義も、文字になる前にサーバーへ複製されています。Murmur はその作業すべてを手元の端末に留めます。

設計は二通り、違いは体感できる一点

外から見れば同じです。録音ボタンを押すと、文字稿が現れる。違うのはその間に何が起きたかです。クラウドサービスは録音を圧縮してネットワークへ送り、見えない機械の順番待ちに入れ、テキストを返してきます。端末内アプリは音声認識モデルを端末のメモリに読み込み、同じ仕事をそこで行います。プライバシーの話も、オフラインの話も、アカウントの有無も、「サービスは生きているか」という問いも、法務が読みたがるデータ処理契約も、すべてはこの一つの選択から派生します。

アップロードがないので、アップロードの心配もない: 傍受される転送も、設定を誤りうる保管領域も、信じるしかない保存期間もありません。録音が当社のサーバーへ送られないのは、経路にサーバーが存在しないからです。
作るアカウントも、消すアカウントもない: クラウドの文字起こしはサインアップから始まります。サーバーは誰のファイルを預かっているのか知る必要があるからです。Murmur にはログインする先がありません。プロフィールもパスワードも、データ削除依頼もありません。
ネットワークが関係なくなる: クラウドの文字稿には帯域が要ります。会議室の電波が悪ければ、それは回り続けるプログレスバーになります。端末内の文字起こしは、地下でも上空一万メートルでも、端末の速度で進みます。
サービスが止まっても動き続ける: 障害も、料金改定も、終了も、ホスト型プロダクトの通常の一生です。端末に載ったモデルにステータスページはありません。

並べて見る

端末内アプリと、クラウド文字起こしサービス

Murmur と一般的なクラウド文字起こしサービスの比較
項目	Murmur(端末内)	一般的なクラウドサービス
文字起こしが行われる場所	自分の端末の中	提供元のサーバー
録音のアップロード	なし	あり — それが仕組み
アカウント	不要	たいてい必要
電波がなくても動くか	モデルを一度入れれば動く	動かない
話者ラベル	端末内で付与し、録音をまたいで記憶	サーバー側。プランに含まれれば
文字稿の翻訳	端末内で一行ずつ	サーバー側。提供があれば
手持ちのファイルの文字起こし	できる(端末内で処理)	できる(アップロードして処理)
書き出し形式	テキスト・Markdown・PDF・Word	プランによる
文字稿を読める人	共有しない限り自分だけ	自分と提供元
サービスが停止・終了したら	何も変わらない(すべて手元にある)	使えなくなる

端末内に留めることで諦めるもの

先に正直な話を。端末内のモデルは端末のメモリと電力の予算に収める必要があるため、大量のアクセラレータで巨大なモデルを動かすクラウドサービスのほうが、本当に難しい音声 — 騒がしい部屋、強い訛り、三人が同時に話す場面 — では精度が上がることがあります。Murmur はその差をなかったことにはせず、効く場所で埋めます。どの行もタップすればその一文だけを再生して言い回しを確認でき、行の話者を付け替えられ、声を学習し直せば次の録音から結果が良くなります。日常の会議や取材、講義であれば、そのまま仕事に使える精度です。重要な箇所の確認も数秒で終わります。

話者ラベルがもう半分の理由

誰の発言か分からない文字稿は、結局は自分で解読する壁のような文章です。Murmur は会話を声ごとに分け、色分けし、録音をまたいで人を記憶します。来週の会議は、同僚の名前が付いた状態で返ってきます。この処理も端末内です。これは聞こえる以上に重要で、誰かの声のモデルは生体情報であり、最も安全な保管場所はそれを作った端末そのものだからです。

端末内を選ぶべきでない場合

チーム共有のワークスペース、同時編集、文字稿をデータ基盤へ流し込む API が必要なら、ホスト型のサービスが正解で、この比較は勝負になりません。Murmur が作られているのは別の場面のためです。一人、一台、どこにも複製されるべきでない会話。そして、テキスト・Markdown・PDF・Word に書き出して — 自分が信頼している AI アシスタントを含め — どこへでも持っていける文字稿。

よくある質問