【iPhone・Android】音声入力で1週間日記をつけてみたら、精度の高さに圧倒された

音声入力の精度は年々上がっており、インタビューの文字起こしなどでも十分活用できるレベルになっているという声も聞く。……本当に？

そこで今回は、どのくらいの精度なのか調べるために、音声入力を使用して1週間、日記をつけてみることにした。

はたして、どのくらいの日数で思い通りに操れるようになるのか？

検証方法

音声入力は私、らむ屋敷が行う。声は小さめだ。

今回は、私物のこの2台で検証を行う。

調べたところ、以下の2つの精度がいいらしいので、両方とも試してみたい。

1. Androidアプリ「Gboard」

Googleキーボードの略で、音声入力が標準搭載されているキーボードアプリだ。Android端末はこちらを使うことに。

アプリの設定画面を開き、

音声入力の使用をオンにする。

入力は、Android標準のメモアプリであるGoogle Keepで行う。

キーボードがGboardの仕様になった。「マイクのマーク」をタップすると音声入力が可能な状態に。

2. iPhone標準の音声入力機能

iPhone端末では、iPhone標準のキーボードに搭載されている音声入力機能を使う。

標準のメモアプリを開き、

左下の「マイクのマーク」をタップすると、下に波形が表示され、音声入力できる状態になる。ちなみに、機種によってはマイクマークは右下に表示される。

1日目の日記

私は5年ほど前から、毎朝ミックスナッツを食べる習慣があるので、「ナッツ日記」のようなものを記していくことにした。

ナッツは「夏」、アーモンドは「あぁもう！」といったように、違う言葉として認識されてしまうのではないかと予想する。

同じ言葉でも、滑舌やテンポで結果が変わるかもしれないので、音声入力はiPhoneとAndroidで同時に行うことにした。

発声した内容

Gboardの入力結果

「し」が「市」、「甘み」が「奄美」、「甘さ」が「重さ」という具合に細かい誤認識があった。

ただ、思っていたよりも正確に認識されている印象。初回にしては上々の出来に見える。

iPhone標準キーボードの入力結果

Androidよりも誤認識や入力漏れがあった。特に序盤が酷い。「油は1番正しいからです」って、己の不摂生な食事を省みない人みたいでカッコいいな……。

また、予想通り、カシューナッツという認識が難しそうなワードは「歌詞も夏」と誤認識した。

あと、なぜか最初の一文だけ句点（。）が入力された。録音したデータを聞き直したところ、該当の箇所で小さく「まぁ」と言ってしまっていたので、それが影響しているのかも。

句点や読点（、）、ビックリマーク、クエスチョンマークなどの入力方法を調べて明日、試してみたい。

1日目まとめ

2日目の日記

句読点や各種記号を入力する方法を調べてみた。

思ってたよりも網羅されてる！　他にも入力できる記号があり、「改行」と発声すると改行できたりもする。Gboardは一部、変換されないものがあったが、私が見つけられなかった可能性もある。

よく使う読点（、）は、iPhoneなら「てん」だけで入力されるようだが、今回はAndroidと同時に話しかけるので、両端末に共通する「とうてん」を使っていきたい。

発声した内容

Gboardの入力結果

冒頭は「暑い暑い」と漢字にしてほしかったが、「暑く」と「熱い」は正しい漢字で変換されているのが何気にすごい。でも「なんだかんだ」は藤井隆になった。

「ビックリマーク」と発声したら、本当に「！」として認識された。でも読点が途中から「と10（テン）」に、そして句点（。）がそのまま「まる」と変換されてしまっている。これはよくない。

ナッツ名を無駄に多く言って混乱させようとしたが、ハキハキとしゃべるように心がけたおかげなのか、すべて正しく認識された。

ちなみに最終行の「。」が抜けているが、これは単純に言い忘れてしまったので自分のせいだ。

iPhone標準キーボードの入力結果

「今日と」→「京都」、「マカダミア」→「若田宮」と誤認識されたが、昨日と比べて良くなった気がする。

iPhoneも文頭のビックリマークは完璧（ただし半角）。Androidが誤認識してしまった「と10（テン）」なども正しく読点として認識できている。漢字／ひらがなは好みの問題もあるのでどちらでもよしとする。

2日目まとめ

3日目の日記

3日目にして少し面倒になってきた。日記を毎日書いてる人、偉すぎる。

ふと思ったが、どうせなら「毎日ナッツ」ではなく「毎日スイーツ」にして、マリトッツォとかのスイーツを食べられるワクワクする企画にするべきだった。

発声した内容

Gboardの入力結果

読点（、）は昨日と比べて修正できたが、句点が「。」に変換されずにそのまま残ってしまっている。

また、「ナッツ」→「夏」と、これまでAndroidで出ることがなかったナッツのミスが初めて出てしまった。

iPhone標準キーボードの入力結果

iPhoneでは句読点を完璧に操ることができた。たたみかけるようにナッツの名称を言っても、ほとんど正しく認識された。他の誤認識も1箇所だけ。

最後は発声までの間が空きすぎてしまったせいか、音声入力がそこで強制終了してしまった。

3日目まとめ

4日目の日記

この日は朝からマリトッツォを調べていたが、どうやらセブンイレブンに「どらやきマリトッツォ」という商品があるらしい。最高に美味しそう。

マリトッツォを想いながら、真顔でナッツをほおばった。

発声した内容

Gboardの入力結果

昨日よりも話すテンポをゆっくりにして、一文一文を丁寧に区切るようなイメージで発声してみた。その効果が出たのか、これまでAndroidで苦戦していた句読点問題が大幅に改善どころか、完璧になってしまった。

唯一の誤認識は「クルミ」の箇所。昨日は「半」と認識されたが今日は「句」になった。なぜ漢字1文字なんだ……。

iPhone標準キーボードの入力結果

唯一の誤認識は1文字だけ。昨日は「マカダミアン」で、今日は「マカデミア」。iPhoneって、もしかしてマカダミアナッツが辞書に入ってない？

Android同様にほぼ完璧に近い結果になった。4日目にして、ほぼ意のままに操れるようになったと言えるのではないか……？

4日目まとめ

5日目の日記

起きてすぐ、マリトッツォのことを考えた。相当食べたくなっている。

音声入力をかなり使いこなせるようになってきたので、5日目の今日は難度を上げてみたい。

ということで、唐突に「論語」の一節を読み上げてみた。

発声した内容

Gboardの入力結果

なぜか「四十」の箇所だけアラビア数字で気持ち悪いが、ほぼ完璧に認識。すごい……。

「矩（のり）を踰（こ）えず」という一文、「超えず」や「越えず」といったよく使われそうな漢字ではなく「踰えず」を選択したということは、この一文を明らかにGboardが知っていたということだろう。恐るべし。

iPhone標準キーボードの入力結果

iPhoneは数字をすべてアラビア数字で返してきたが、明らかな誤認識は「従えいて」だけ。「越えず」と「耳従う」は漢字が異なるものの読めないことはない。

もしかしたら有名な文章などは、AIか何かに学習させているのかもしれない。

5日目まとめ

論語も、ほぼイケる。

6日目の日記

ここ数日間、ずっと晴れている。

真ん中の雲がマリトッツォに見えてきた。

発声した内容

Gboardの入力結果

部分的に少しだけ相違があるが、ほぼ完璧。

iPhone標準キーボードの入力結果

iPhoneは1箇所脱字が気になるが、ほとんど問題なし。

「もの」「しかず」「かなわない」がひらがなになっているが、2日目では「美味しい」→「おいしい」だったので、iPhoneは「やさしい文章」を心がけているような気もしてきた。

6日目まとめ

論語の一節の直後に現代の日記的な内容を話しても、問題なく認識する。

7日目の日記

最終日。

「別に、マリトッツォを我慢する記事じゃないよな」と急に我に返り、普通に買って食べた。ここ数日の我慢は一体なんだったんだ……。

音声入力の凄さは十分に分かったので、今日はさらに難度を上げてみることにした。

発声した内容

Gboardの入力結果

すごい！　「40」だけアラビア数字なのは相変わらずだけど、ほぼ完璧！！

5日目の結果と同様、Androidでは文章を正しく論語の一節として認識していることがわかる。

iPhone標準キーボードの入力結果

論語部分は、5日目とまったく同じ結果。ナッツ部分は完璧。

7日目まとめ

子曰く、論語の一節の途中にナッツの話を入れても惑わず。

1週間、音声入力日記をつけてみて

かなり衝撃を受けた。想像よりも精度が高かった。

今回は「どのくらいの日数で思い通りに操れるようになれるか」という検証だったが、結論としては、4日目（4回目）だった。

少し間違えてはいるものの、自分で入力する際も打ち間違えて、消して、打ち直してといった動作を繰り返しているので、むしろ音声入力のほうが優秀なんじゃないかとさえ思えてきた。インタビューの文字起こしでも間違いなく活用できそう。

ただ、誤認識されたときに修正するのが面倒だし、手入力の方が直感的に入力できて「謎の安心感」があるから、音声入力の導入はまだ様子見でいいかなとも思う。

では、音声入力でこの記事を締めくくります。

（編集：ノオト ）