Macの音声入力に悩む石井つかさです。
過去に音声入力アプリでTypeless、Speakly、そして使えるか使えないか曖昧なまま、いけるんじゃねって？勘違いしたChatGPT、そして勝手にダメかもと絶望して自作の音声入力アプリまで作ってしまったという訳の分からない結末にやっと決着がつきました。
Mac音声入力の着地点はChatGPTとGeminiの併用
Macでの音声入力は、最終的にChatGPTとGeminiのデスクトップアプリを併用する二段構えに落ち着きました。
自作の音声入力アプリを作成して試行錯誤を重ねてきましたが、辞書機能などの面で製品版には及ばないという結論に至ったからです。
まずはChatGPTの音声入力をメインで使い、利用制限がかかったらGeminiの音声入力へ切り替えます。
この方法であれば、追加の課金をせずに快適な音声入力環境を維持できます。
私はGoogleのAI Premiumというプランに課金しています。月額3000円くらいです。5Tのストレージがついてくるので結構いいですよ。
自作アプリの限界とChatGPT無料版の活用
これまでの経緯については、過去記事に詳しくまとめています。
文字起こし精度が高いWhisperを活用して自作アプリを作ってみたものの、固有名詞や辞書登録の弱さが課題でした。
そこでChatGPTのデスクトップアプリを導入したところ、無料版でも高品質な音声入力が可能なことが分かりました。
ただし、無料版は使いすぎると利用制限がかかって一時的に入力ができなくなる欠点があります。
それでも一日の大部分は問題なく動くため、有料プランへ移行せずに工夫して使う価値は十分にあります。
突然消えたGemini SparkとGemini音声入力の発見
途中でGoogleの「Gemini Spark」が自分の環境でも使えるようになり、業務に組み込もうと試みました。
しかし、喜んだのも束の間、翌日には機能ごと綺麗に消去されていました。
ベータ版とはいえ、ここまでバッサリ消えてしまうのはGoogleらしい展開と言えます。
途方に暮れてGeminiのデスクトップアプリを触っていたところ、Geminiでも標準で音声入力ができる事実を見つけました。
ChatGPTの利用トークンが枯渇した際、すぐGeminiの音声入力へバトンタッチできる仕組みがこれで完成したんです！
ある意味、こっちの喜びの方が大きかったかも。
ランニングコストを増やさないツール選び
現在、すでにClaude CodeやGoogleの有料サービスに課金を行っています。
そのため、これ以上毎月の固定費やランニングコストを増やすのは避けたいという思いがありました。
ChatGPTに有料課金すれば利用制限は緩和されますが、現時点では無料版の併用で十分に運用可能です。
Codexのピンポイントな使い道や役割が自分の中で明確になるまでは、ChatGPTへの追加課金は見送る判断をしました。
無駄なコストをかけずに知恵を使ってやり繰りするのが、一番スマートな方法やけんね。
自律型AIの2機掛けから3機連携への展望
現在の作業スタイルは、二段構えの音声入力と自律型AIの2機掛けでガリガリ作業を進める形をとっています。
将来的にClaude Codeの活用方法が整理できたら、ChatGPTへの課金も前向きに検討します。
最終的にはClaude Code、Antigravity、ChatGPTの自律型AIを3つ組み合わせ、さまざまな作業を連動させて自動化していく構想です。
そこに至るまでは、今回確立した「ChatGPT＋Gemini」の音声入力体制で作業効率を高めていきます。
