voice-typing

Windows向けPush-to-Talk音声入力:完全セットアップガイド

著者 Lightning Assist チーム2026年10月8日9 分で読了
push-to-talkwindowsdictationvoice-to-textvoice typingwindows 11win+h

簡単な回答: Windowsでのpush-to-talk音声入力とは、ホットキー(Lightning AssistではCtrl+Win)を押したまま話し、離すと、文字起こしされたテキストがカーソルのある場所に貼り付けられる、という仕組みです。マイクが録音するのはキーを押している間だけです。セットアップは数分で済みます。インストールしてサインインし、有効化画面でAI Speechがオンになっていること(デフォルトでオンです)を確認し、マイクを選べば、どのアプリでも音声入力を始められます。Windowsにも標準搭載のオプション、Voice Typing(Win+H)があり、これは本当に便利なトグル式のツールです——ただし、真のpush-to-talkとは動作が異なります。このガイドでは、それぞれがどんな場面に向いているかを具体的に説明します。

開示:当社はLightning Assistを開発しています。WindowsのVoice Typingについての記述は、末尾にリンクしたMicrosoft公式のサポートページに基づいています。

このページを検索したということは、おそらくすでにパソコンに向かって話しかけてみて、常に聞き間違えられるか、意図していなかった会話の一部まで拾われてしまうかのどちらかを経験しているはずです。Push-to-talkは、まさにその2つ目の問題を解決するために存在します。

Push-to-Talkと常時オンの音声入力の違い

この違いは、思っている以上に重要です。常時リスニング状態のマイクは音声を絶えず処理し続けており、それはつまり、電話の音声、デスクの横を通り過ぎる人との会話、別のタブで再生している動画の音声などを常に拾ってしまうリスクがあるということです——そして、たまたまフォーカスしている場所にその断片が入力されてしまいます。また、多くの人にとって、それは単純に落ち着かないものでもあります。常にオンのマイクは、常にオンであることを覚えておかなければならないマイクだからです。

Push-to-talkはこのモデルを逆転させます。マイクはデフォルトでオフになっており、物理的にキーを押し続けている間だけ有効になります。キーを離せば、即座に停止し、バックグラウンドに何も残りません。これにより、常時オンの音声入力にはない3つの具体的なメリットが得られます。

  • 誤検知がない。 意図的にトリガーしない限り、何も文字起こしされません。
  • プライバシーが予測できる。 マイクがいつ有効だったかを常に正確に把握できます。なぜなら、キーを押していたのは自分自身だからです。
  • プレッシャーの中でも頼れるワークフロー。 押す、話す、離す、テキストを確認する。どのアプリでも、毎回同じ4つのステップです。

Lightning AssistでWindowsにPush-to-Talkを設定する

  1. ダウンロードしてインストールする。 /downloadsからWindows版を入手してください。インストールに管理者権限は不要で、14日間のProトライアルにクレジットカードは不要です。
  2. サインインして有効化画面を開く。 そこにAI Speechのスイッチ(アプリ内の表記は「AI 音声」)があり、デフォルトでオンです。以前にオフにしていた場合は、オンに戻してください。
  3. キーを覚える。 Windowsのpush-to-talkはCtrl+Winです。両方を押したまま話し、離します。この組み合わせは固定で、アプリに変更する設定はありません。
  4. マイクを選ぶ。 アプリ左側のクレジットパネルの音声クレジットの下でマイクをテストをクリックし、入力デバイスを選んで話してみてください。レベルバーで、アプリに音声が聞こえているかどうかが分かります。ここで選んだデバイスが音声入力に使われます。騒がしい部屋では、USBヘッドセットやデスクマイクの方が、ノートPC内蔵マイクよりクリアに録れることが多いです。
  5. 言語を選ぶ。 同じパネルで、話す言語を選ぶか、自動検出のままにします。
  6. テストする。 任意のテキストフィールドをクリックします——最初のテストにはメモ帳で十分です——Ctrl+Winを押したまま、ひと続きの文章を話し、離します。離して少しすると、カーソル位置に文字起こしされたテキストが表示されます。1回の録音は最長60秒です。
  7. 実際に使ってみる。 メモ帳で動作したら、Outlook、Slack、ターミナル、VS Code、その他文字を入力できるあらゆるアプリでも同じように動作します。特定のアプリ用のプラグインを介さず、フォーカスのあるウィンドウにテキストが貼り付けられるからです。

セットアップはこれで完了です。アプリごとの設定手順はありません。テキストはカーソルのある場所に入力されます。

Windows標準搭載のVoice Typing(Win+H)——実際には何をしているのか

ここでWindows自体のツールについて、正確に見ておく価値があります。それが実際にどう動作するのかがあまり説明されないまま、頻繁に勧められるものの、実は本当によくできたツールだからです。

ハードウェアキーボードでWin+Hを押すと、Windows標準搭載のVoice Typingがオンになります。これはAzure Speech サービスによるオンライン音声認識を使うため、インターネット接続、動作するマイク、そしてテキストボックス内のカーソルが必要です。自動的に聞き取りが始まり、Microsoftは、話し始める前に「聞き取り中...」というアラートを待つよう案内しています。設定では、自動句読点、不適切な表現のフィルター、既定のマイクを扱え、Microsoftは対応言語ごとに「それを削除」や「それを選択」のような音声コマンドを挙げています。Copilot+ PCでは、fluid dictationという新しいオプションが、話している間に文法、句読点、フィラーワードを修正します。Microsoftによれば、これは「パスワードやPINのようなセキュリティで保護されたフィールドでは自動的に無効になる」とのことです。

このガイドにとって重要な違いはこれです。Win+Hはトグル式であり、押し続けて話すタイプではありません。 一度押すとリスニングが続き——何も押し続けなくても複数の文にわたって話せます——「聞き取りを停止する」などのコマンドを言うか、マイクボタンをクリックするまで続きます。これは、キーを押している間だけマイクが有効になる真のpush-to-talkとは異なる操作モデルです。どちらのモデルも間違っているわけではなく、それぞれ異なる習慣に合わせて作られています。長い段落を、キーを押し続けずにハンズフリーで話したいなら、トグル式の方が快適です。話しかけていない瞬間には確実にマイクがオフになっていてほしいなら、hold-to-talkの方が確実な制御になります。

それぞれをいつ使うべきか

Windows標準搭載のVoice Typing(Win+H)を使うべき場面: すでにマシンに入っているインストール不要のオプションが欲しいとき、長い文章を話す際にキーを押し続けたくないとき、あるいは追加ソフトウェアをインストールできない、またはしたくないマシンを使っているときです。

専用のpush-to-talkアプリを使うべき場面: 話している正確な数秒間を除いてマイクが確実にオフであってほしいとき、WindowsだけでなくmacOS(Ctrl+Cmd)やLinux(Ctrl+Super)でもpush-to-talkを使いたいとき、あるいは同じツールの中で音声入力とテキスト展開・AIによる書き換えを組み合わせたいときです——Lightning Assistなら、push-to-talkで大まかな下書きを話し、アプリを切り替えることなくAIコマンドで整えたり、定型のスニペットを挿入したりできます。Win+Hは音声入力専用で、スニペットの展開もテキストの書き換えもできません。

どちらかがもう一方を完全に置き換えるわけではなく、両方を併用しても構いません。長い文章をハンズフリーで話すときはWin+H、何が拾われるかをより厳密にコントロールしたいときはpush-to-talk、という使い分けができます。

Lightning Assistが向いている場面と、向いていない場面

向いているのは、キーを押している間だけマイクをオンにしたい方、Windows、macOS、Linuxで同じpush-to-talkを使いたい方、そしてスニペットやAIコマンドと同じアプリで音声入力したい方です。メールやチャットだけでなく、ターミナルやIDEでも動作します。

  • 料金: AI Speechは、どのプランでも音声クレジットで動作します。どの言語でも、自動検出でも、1クレジットで3秒分の音声です。60秒の録音1回で20クレジットかかります。新しいアカウントには最初からいくらかクレジットが付与され、Pro(月額 5.99 ドルまたは年額 59.99 ドル)には、有料期間中は毎月1,000音声クレジットが含まれます(トライアル期間中は含まれません)。約50分の音声入力に相当します。

向いていないのは、次のような場合です:

  • オフラインで音声入力したい場合。 音声はキーを押している間だけ録音され、文字起こしのために当社のサーバーへ送信されるため、AI Speechにはインターネット接続が必要です。Win+Hも同様です。
  • 数分間ハンズフリーで音声入力したい場合。 1回の録音は60秒で止まります。また、「それを削除」のような音声による編集コマンドはありません。
  • 音声入力先のウィンドウが管理者として実行されている場合(管理者権限のPowerShellなど)。通常のアプリは、Lightning Assistも管理者として実行されていない限り、そこへ入力できません。アプリはこれを検出し、その方法での再起動を提案します。
  • すでに別のツールがCtrl+Winを使っている場合。 この組み合わせは変更できません。

Lightning Assistをダウンロード → — 14日間のProトライアル(カード不要)を始めて、メモ帳を開き、Ctrl+Winを押したまま、最初の一文を話してみましょう。

実践的なセットアップのコツ

文を言い終えるまで、両方のキーを押し続ける。 Ctrl+Winを離すと録音が終了するので、最後の単語を言い終えてから離してください。

ソフトウェアではなくマイクに投資する。 セットアップ後も音声入力が不安定に感じる場合は、まずマイクを確認しましょう——マイクをテストを使って、普通の音量で話したときにレベルバーが動くかどうかを確かめてください。

文を最後まで話す。 途中で言葉を止めたり、話し直したり、声に出して言い直したりする断片的な話し方は、断片的で句読点がおかしい文字起こし結果を生みます。最近の音声認識モデルは、カンマや大文字化を正しく配置するために文単位の文脈に頼っているため、単語ごとに話すよりも、完全な文を与える方がきれいな結果が得られます。

短いフレーズでは言語を指定する。 2秒ほどのクリップでは、自動検出は判断材料がほとんどありません。主に1つの言語で音声入力するなら、クレジットパネルでその言語を選ぶと、迷いがなくなります。

完璧な一発録りを狙うより、さっと見直す。 自然な話す速さで音声入力し、名前や聞き間違えられた単語を直すのに10秒かけるとしても、同じ文章を最初からタイプするより結局は速いものです。

よくある質問

Push-to-talkはすべてのWindowsアプリで使えますか、それとも特定のアプリだけですか?

キーボード入力ができるあらゆるアプリで動作します。文字起こしされたテキストは、フォーカスのあるウィンドウに貼り付けられるため、Outlook、Slack、Teams、ターミナル、VS Code、ブラウザ、ワードプロセッサなどが含まれます。唯一の制約はWindows側にあります。管理者として実行されているウィンドウは、Lightning Assistも管理者として実行されている場合にのみテキストを受け付けます。

WindowsのVoice Typing(Win+H)はpush-to-talkと同じですか?

厳密には違います。Win+Hはトグル式です。一度押すと、「聞き取りを停止する」と言うか、マイクボタンをクリックするまで聞き取りが続きます——キーを押し続ける必要はありません。真のpush-to-talkは、物理的にホットキーを押している間だけ録音します。どちらも便利ですが、それぞれ異なる習慣に合っています。

Push-to-talk音声入力にはインターネット接続が必要ですか?

はい。Lightning AssistのAI Speechは必要です(音声は当社のサーバーを経由してOpenAIに送られて文字起こしされ、音声クレジットを消費します)。Windows標準搭載のVoice Typingも必要です(Azure Speech サービスで動作し、接続が必要です)。どちらも完全オフラインの機能ではありません。

push-to-talkのキーは変更できますか?

いいえ。Lightning Assistでは、システムごとに固定されています。WindowsはCtrl+Win、macOSはCtrl+Cmd、LinuxはCtrl+Superです。

Push-to-talkとテキスト展開を一緒に使えますか?

はい——これは、Windows標準搭載のツールに対する専用アプリの実践的な利点のひとつです。push-to-talkで大まかな下書きを話し、テキスト展開のスニペットをトリガーして定型の前置き・署名・テンプレートを追加したり、AIコマンドでトーンを整えたりできます——すべて同じアプリの、同じテキストフィールドの中で行えます。

関連記事

出典