「AI 仕上げ」をオフにして論文を口述入力する

スマホの通話ボタンを押したまま下書きを話し、指を離すと、認識されたテキストがPCに入力されます。

ダウンロード体験

口述入力中のスマホアプリの画面で、認識中の言葉、0:04のタイマー、赤い「離して終了」[Release to end] ボタンが表示されている。 — スマホ画面の言葉は途中経過を示すもので、確定したテキストではありません。

「AI 仕上げ」をオフにすると文の整形はスキップされますが、カスタム用語は適用され、空白や一部の言いよどみ、末尾の句読点は整理されることがあります。

私たちのテストでは「AI 仕上げ」をオフにした実行は一度もありません。これはアプリ内の表記とコードの確認に基づいています。

「AI 仕上げ」は初期状態で「厳密」にてオンになっており、一部の言いよどみが省かれることはあるものの、自分の言い回しを保ったまま誤りを直します。

接続には同じネットワーク上の「ローカルLAN」、またはPC側のFlowMicにサインインして使う「クラウドリレー」を選べます。

WindowsのNotepadに口述入力された文が入り、末尾にカーソルが置かれている画面。 — スマホで「送信」をタップした後、Notepadに文が入力された状態。

動かないこと・未検証のこと

FlowMicはAI検出ツールや学校の規定についていかなる表明も行いません。モデルを使わない場合でも、認識されたテキストは話した内容と異なることがあるため、下書きの読み返しは不可欠です。合成音声で中国語の10文を話したテストでは、10文のうち2文で「tomorrow」が「today」に変わり意味が変化しました。「ローカルLAN」経由で内蔵の音声モデルを使った開発用語のテストでは、すべての用語が正しく認識されたのは20文のうち5文のみでした。
Microsoft WordとOverleafは未テストのため、論文を口述入力する前に、お使いの文書エディタでまず1段落試してください。WindowsおよびX11環境のLinuxでは、テキストをクリップボードにコピーして前面のウィンドウに貼り付け、元のクリップボードの内容を戻しますが、FlowMicの貼り付け中にコピーした内容は失われることがあります。「new line」と話すとその言葉がそのまま文字として残り、「comma」のような句読点の音声入力はテストしていません。
スマホ画面の言葉は途中経過を示すもので、確定したテキストではありません。ボタンから指を離して初めてテキストが入るため、文書へ1語ずつ流し込まれるわけではありません。19秒の文を話した際、スマホ上のリアルタイム表示は8〜9秒間動いた後に「しばらく新しい語句が届いていません」と出て止まりましたが、指を離した後に文全体が入力されました。
最前面にあるウィンドウがテキストを受け取るため、話し始める前にカーソル位置を確認してください。Windowsのパスワード欄は拒否されないため、フォーカスされたパスワード入力欄にも口述した言葉が入ります。通常権限のFlowMicはWindowsの管理者ウィンドウには入力できず、FlowMic自身のウィンドウが最前面にあってテキスト欄にフォーカスがない場合も入力に失敗します。
デスクトップ版はWindows、Appleシリコン搭載のmacOS 11、およびX11環境のLinux x86-64に対応しています。
スマホの設定の「話す言語」から、英語、中国語、フランス語、スペイン語、ドイツ語、日本語、韓国語、ロシア語の8言語を選べます。自動判別はなく、言語ごとの数値も公開していないため、どの言語も同じ精度だとは想定しないでください。

ほかの制限や未検証の項目

PC側でDeepSeekのクラウドモデルを使う「整理」モードで15個のパッセージを話したところ、14個は段落に整形され、1個は拒否されて元のテキストのまま残りました。言いよどみや言い直しは取り除かれましたが、テストした15個のうち4個では「整理」によって内容の追加や変更が生じたため、使う前の読み返しが必要です。たとえば、認識された「because the train is a two」が「since the train ride is about two hours」に変わりました。
PCのスリープを防ぎ、対象のアプリケーションを最前面に出して、カーソルをテキストボックス内に置いておく必要があります。FlowMicが動作するのはテキストボックス内のみで、音声によるクリック、スクロール、ウィンドウ切り替え、テキスト選択はなく、音声コマンドやPCのホットキーもありません。スマホの「長押しして話す」を押し、話している間ずっと指を離さないでください。ボタンを固定する機能やワンタップ録音はないため、押し続ける必要があります。
スマホのタイムラインに出る「送信済み」は、テキストがPCに届いたことを意味し、ウィンドウに入力されたことは意味しません。Windowsでどのウィンドウにも貼り付けられなかった場合は「送信済み・未注入 · 再送」と表示され、スマホ側の「コピー」「元のテキストをコピー」「再送」、またはPC側の「再注入」からテキストを回収できます。
WindowsのコンソールではEnterが押されずに改行がスペースに変わり、範囲選択モード中はスマホに「送信済み」と出ていても言葉が失われます。
VS Code、Cursor、またはssh、python、wslで起動したコンソールでは、改行によってコマンドが実行されることがあります。
X11環境のLinuxでは、スマホに「送信済み」と表示されても、xtermとVS Codeのターミナルパネルには何も入りません。
iOS 15向けのApp Store版は、中国本土および欧州連合では提供されていません。
macOS、iOS、Windows 11、「クラウドリレー」、他のスマートフォン、ロック画面、コピーした画像は未テストです。
Outlook、Gmail、Slack、Notion、Google Docs、Teams、Discord、Obsidianは未テストです。
テストはWindows 10とX11環境のUbuntuで、「ローカルLAN」経由のAndroidタブレットを使って行いました。入力の大半はスマホへのタイピングで行い、音声入力は人間の音声認識を測るのではなく、2台目のスマホから流した合成音声を使用しました。

よくある質問

言語モデルを使わずに音声を文字起こしするには、どのモードを使えばよいですか？

各録音は1つのモードを通ります。音声を文字起こしする「リアルタイム」、話し終えた後に翻訳する「翻訳」、同じ言語のまま言いよどみや言い直しを除く「整理」の3つです。モードを切り替えると入力欄は空になります。「翻訳」と「整理」は必ず言語モデルを使うため、「リアルタイム」のままにしてください。

「リアルタイム」モードで「AI 仕上げ」をオフにすると、テキストはどう処理されますか？

アプリ内には「オフ時はスキップされますが、カスタム用語は適用され、空白や一部の言いよどみ、末尾の句読点は整理できます。」と記載されています。オフの間、「リアルタイム」は言語モデルに何も送らず、これは「オフの間、リアルタイムは何も送りません」という案内と一致します。モデルを使わない固定ルールは引き続き動き、カスタム用語や空白、末尾の句読点を処理します。

ダウンロード体験

2026年11月6日、PC版 FlowMic 0.3.120 とスマホ版 0.3.118 で検証。

一部の回数は2026年11月5日の FlowMic 0.3.119 や記載のあるテストビルドでの結果であり、0.3.120 では再検証していません。