Linux での音声入力：2026年に実際に機能するもの（あらゆるアプリで）
Linux にはほぼあらゆることに優れたツールがあります — ただし、歴史的に音声入力は例外でした。Windows ユーザーには組み込みのディクテーションショートカット（Win+H）があり、macOS はシステムレベルのディクテーション機能を何年も前に搭載していましたが、Linux デスクトップユーザーはほとんどの場合、不完全なパーツを組み合わせてソリューションを作ってきました。2026 年、状況は改善されましたが、何を探せばよいかを知る必要があることには変わりありません。
このガイドは、アプリケーション全体で機能する音声入力を求める Linux デスクトップユーザー向けに書かれています — 特定のエディターやメモアプリの中だけでなく。
Linux での音声入力の現状
根本的な問題は構造的なものです。X11 では、xdotool のようなツールを使って外部プロセスからキーストロークをシミュレートするのは簡単です。Wayland では、コンポジターが合成入力を受け取れるものを制御しており、セキュリティ上の理由からほとんどのコンポジターがそれを大幅に制限しています。つまり、X11 で完璧に動作するツールが、Wayland ではエラーメッセージなしに何も入力できないまま静かに失敗する可能性があります。
macOS の Speech Accessibility フレームワークや Windows の Speech Recognition API に相当するものもありません：デスクトップアプリが「ユーザーがフォーカスしているところにこのテキストを入力して」と言えるシングルの OS レベルフックが存在しないのです。Linux のすべてのディクテーションツールは、この問題を独自の方法で解決しており、結果もさまざまです。
さらに、ALSA、PulseAudio、PipeWire 間のオーディオスタックの断片化が、歴史的にマイクアクセスを不安定にしてきました。現代のほとんどのディストリビューション（Ubuntu 22.04+、Fedora 38+、Pop!_OS 22.04+）は PipeWire に移行しており、これにより状況はかなり改善されています。
実際に利用可能なもの
誇張も過小評価もせず、存在するツールを公正に紹介します。
ibus-typing-booster — IBus 用の補完プラグインで、GNOME Speech サービスを通じて音声入力を受け付けることができます。IBus 入力方式を使うアプリに限定されます。汎用ディクテーションソリューションではありません。
Speech Note — オフラインで音声を文字起こしし、結果を自身のテキストウィンドウに表示するスタンドアロンの Whisper ベースアプリ。必要な場所にコピー＆ペーストして使います。正確でプライバシーに配慮していますが、コピー＆ペーストのステップが摩擦を生み、作業の流れを妨げます。
Numen — デスクトップ向けの音声コントロール。ディクテーションツールというよりはキーボード/マウスの代替に近い性格を持ちます。アクセシビリティやハンズフリーナビゲーションに役立ちますが、「文章を話して入力させる」というユースケースには最適化されていません。
Talon Voice — Linux の音声コントロール空間で最も強力な選択肢です。プログラム可能な音声コマンド、コーディングのための文法、最新ビルドでは Wayland 対応の入力をサポートしています。学習曲線は急峻で、ワークフロー全体を音声で制御したいパワーユーザー向けです。まったく手を使わずにコードを書く必要があるなら、Talon を調べる価値があります。
OpenWhispr — Linux、macOS、Windows で動作する比較的新しいオープンソース（MIT）のディクテーションアプリで、ローカルの Whisper / NVIDIA Parakeet モデルを基盤とし、自分の API キー（BYOK）でクラウドモデルも利用できます。すべて自分のマシンで実行すれば、文字起こしは無制限かつプライベートです。無料でプライバシー重視、ディクテーション専用のツールを求め、多少の設定を厭わない Linux ユーザーにとっては本当に良い選択肢であり、「Linux にまともな音声入力はない」という時代が終わったことを最もはっきり示すものです。
Handy — Linux、macOS、Windows 向けのもう一つの無料オープンソース音声入力アプリ（Tauri 製）で、完全にオフラインで動作します。意図的に最小限の設計です：設定可能なプッシュ・トゥ・トークのショートカットで、文字起こしをアクティブなフィールドに貼り付けるだけで、それ以上の機能はありません。軽量でプライベートなものが欲しく、定型文や AI 編集が不要なら見てみる価値があります。
Voxtype と Vocalinux — Linux におけるオフライン Whisper の流れを裏づける、新しい二つの選択肢です。Voxtype は Linux と macOS 向けのプッシュ・トゥ・トーク音声入力ツールで、認識は完全にオフライン。Vocalinux は whisper.cpp と VOSK を組み合わせ、100% オフラインのオープンソース・ディクテーションを実現します。どちらもディクテーション専用で、定型文も AI 編集もクロスプラットフォームのアカウントもありません。オフライン処理が譲れない条件なら、OpenWhispr や Handy と並んで候補に入ります。
Lightning Assist — PTT（プッシュ・トゥ・トーク）音声入力とテキスト展開を備えたクロスプラットフォームの Electron デスクトップアプリ。詳細は以下で説明します。Talon とは異なるポジショニング：プログラム可能な文法ではなく、単一ホットキーモデルでよりシンプルです。
これらのどれも Linux 音声入力の完璧なソリューションではありません。それぞれが問題の異なる部分を解決しています。
「優れた Linux 音声入力」に実際に必要なもの
ツールを選ぶ前に、基準を合わせることが役立ちます。Linux での堅牢なクロスアプリディクテーションソリューションには以下が必要です。
- あらゆるアプリで機能すること — ツール自身のウィンドウだけでなく、ブラウザ、IDE、ターミナル、Electron アプリ、ネイティブ GTK/Qt アプリのすべてで。
- Wayland に対応していること、または少なくとも X11 のみの制限について正直であること。
- 実行に root が不要であること — ディクテーションはユーザースペースの生産性ツールであり、システムデーモンではありません。
- 非ブロッキングであること — キーを押したまま話して離し、作業を続ける。フォーカスを奪うモーダルダイアログは不要です。
- 技術的な語彙でも合理的に機能すること — Linux ユーザーはホスト名、コマンドフラグ、パッケージ名、コード識別子を口述します。会話的な音声でトレーニングされたモデルは
systemctl、xdg-open、~/.config/でつまずくでしょう。
Whisper ベースのバックエンド（ローカルでも API でも）は、古いクラウド専用モデルよりも技術用語に強い傾向があります。これが Linux コミュニティが Whisper ソリューションへと移行した理由の一つです。
Linux での Lightning Assist
Lightning Assist は Electron で構築されたデスクトップアプリであり、Windows、macOS、Linux で同じコードベース上で動作します。Linux リリースは AppImage（ユニバーサル — Fedora、RHEL、Arch および任意のディストリビューションで動作）と Debian/Ubuntu/Linux Mint/Pop!_OS 向けの .deb としてパッケージ化されています。現時点では AUR パッケージはありません；AppImage がディストリビューション非依存の選択肢です。
音声入力機能はプッシュ・トゥ・トーク方式で動作します：Ctrl+Super（Super はほとんどのキーボードで Meta/Windows キー）を押したまま話して離します。Whisper ベースのバックエンドが音声を文字起こしし、結果はフォーカスされているウィンドウに入力されます。クロスアプリツールとして設計されているため — アプリのテキスト展開側と同じモデル — 専用のディクテーションウィンドウに切り替える必要はありません。
Lightning Assist には AIコマンド付きのテキスト展開も含まれています：より長いテキストに展開したり、インラインで AI モデルを呼び出す短いトリガーです。「このスニペットを入力」と「言ったことを文字起こし」の両方を求める Linux ユーザーには、その組み合わせが月額 $5.99 の一つのサブスクリプションで利用でき、無料トライアルも利用可能です。
Linux へのインストール
完全なウォークスルーは /get-started を、最新パッケージは /downloads を参照してください。簡単な手順：
AppImage（ほとんどのディストリビューションで動作）：
chmod +x Lightning-Assist-*.AppImage
./Lightning-Assist-*.AppImage
インストール不要。AppImage は独自のランタイムをバンドルしています。
Debian/Ubuntu/Linux Mint/Pop!_OS（.deb）：
sudo dpkg -i lightning-assist_*.deb
sudo apt-get install -f # 不足している依存関係を解決
インストール後、アプリを起動してサインインし、トリガーページで AI 音声 / プッシュ・トゥ・トークトリガーを有効にします。ランタイムに root アクセスは不要です。
現在のプランの詳細とトライアル期間については /pricing をご覧ください。
Linux での実践的なディクテーションワークフロー
クロスアプリディクテーションの価値は、実際に行うことに対応付けると具体的になります。
Git コミットメッセージ。 変更をステージングした後、ターミナルにフォーカスし、Ctrl+Super を押したまま "fix null pointer in the cache layer when membership changes" と口述して離します。git commit -m の準備が整ったメッセージがターミナルプロンプトに表示されます。コンテキストの切り替えも、マウスへの手の移動も不要です。
Slack、Discord、Element。 これらはそれ自体が Electron アプリであり、ブラウザのテキストフィールドと同じように合成入力を受け取ります。別のディクテーションウィンドウを開かずに返信を直接口述できます。
VSCode と JetBrains IDE。 エディターにフォーカスし、コメントブロックや camelCase の変数名を口述します（ほとんどの Whisper モデルは「camel case」と言うと camelCase を合理的に処理します）。ドキュメント文字列や README セクションなどの長い文章には、ディクテーションの方がタイピングより速いです。
ターミナルコマンド。 短いコマンドは話すより打つ方が速いです。しかし、長い構造化されたコマンド（curl -X POST https://api.example.com/v1/resources -H "Content-Type: application/json" -d '{"key": "value"}'）は、ホットキーのパターンが体に染み込んでいれば口述する方が速いです。
Markdown ドキュメント。 Markdown をレンダリングする任意のエディター — Obsidian、Typora、プレーンな vim バッファ、Markdown 拡張機能付きの VSCode — で口述します。文字起こしは Markdown を書いていることを知らないので、バッククォートや見出し記号は手動で追加する必要がありますが、段落レベルの散文ディクテーションは速いです。
Wayland に関する注意事項
Wayland で動作する Electron アプリは、--ozone-platform=wayland フラグや ELECTRON_OZONE_PLATFORM_HINT=auto 環境変数（Electron 21+ でサポート）を使用して、XWayland 経由ではなく Wayland プロトコルのもとでネイティブに動作できます。
合成テキスト入力がどの程度うまく機能するかはコンポジターによります。Wayland 下の GNOME（Mutter）と Wayland 下の KDE Plasma（KWin）はどちらも zwp_virtual_keyboard_v1 プロトコルを実装しており、アプリがキーボードイベントをシミュレートできます — これが X11 の xdotool なしでクロスアプリテキスト注入が機能する仕組みです。このプロトコルを実装していないコンポジターでは、入力注入がクリップボードペーストにフォールバックする場合があり、一部のアプリ（特にブラケテッドペーストモードのターミナル）では動作が異なることがあります。
Wayland を使用していて口述したテキストが期待通りに表示されない場合、最も信頼性の高い診断は、コンポジターが公開している Wayland プロトコルを確認することです。GNOME では：wayland-info | grep keyboard。詳細はコンポジターのバージョンによって異なります。
フォールバック — クリップボードにコピーしてペースト — はほとんどのアプリで機能しますが、ターゲットアプリに必要なクリップボードコンテンツがすでにある場合、プッシュ・トゥ・トークの流れが乱れることがあります。
これは Linux エコシステム全体で積極的に改善されている分野です。2026 年の状況は 2023 年と比べて実質的に改善されています。
結びの考え
Linux での音声入力は解決済みの問題ではありませんが、実用的な問題です。2026 年の正直な状況：Speech Note はコピー＆ペーストのステップを伴うオフライン Whisper 文字起こしを提供します；Talon Voice は急峻な学習曲線のコストで深いプログラマビリティを提供します；Lightning Assist はテキスト展開と組み合わせて任意のアプリに入力するシンプルなプッシュ・トゥ・トークレイヤーを月額定額料金で提供します。
Ubuntu、Fedora、Arch、Debian、または Pop!_OS での最小限のセットアップによるクロスアプリディクテーションが主な目的なら、Lightning Assist のトライアルから始めてください — /downloads でダウンロードするか、スタートガイドに従ってください。デスクトップの完全なハンズフリーコントロールが必要なら、Talon を検討してください。サブスクリプションなしの完全オフライン処理が必要なら、Speech Note がそのニーズを満たします。
ディクテーションにおける Linux と他の OS の差は縮まっています。一つは Whisper が高品質なオフライン文字起こしをアクセシブルにしたため、もう一つは Wayland の入力プロトコルが成熟したためです。2022 年以前に諦めた方には、再び試してみる合理的なタイミングです。