過去1年で主要なAIコーディングツールはいずれも音声入力を出したため、最初の問いは
もう「プロンプトを口述できるか」ではありません。Claude Codeには/voiceがあり、
Cursorはエージェントウィンドウでキーを押しているあいだの音声入力を備え、VS Code
はチャット、エディター、ターミナルにディクテーションを内蔵しています。
残るのは、もっと狭く、もっと有用な問いです。これら3つはいずれも、モデルに話し かける入力欄1つだけをカバーし、開発者が一日中文章を打ち込むほかの20か所はどれも カバーしません。この隙間こそがシステム全体のディクテーションツールを使う理由の すべてであり、ボイスコーディングで本当に面白い効果が速度ではない理由でもあります ——口述したプロンプトは打鍵したものの3倍の長さになり、その余分な長さは、モデルに 欠けていた文脈そのものです。
以下に挙げた他社ツールに関する事実は、2026年8月17日時点で確認しています。
| ツール | 起動方法 | 使える場所 | 音声の行き先 |
|---|---|---|---|
| Claude Code | /voiceのあとSpaceを長押し（1回押して開始、もう1回で送信も可） |
CLIのプロンプトとエージェント表示、VS Code拡張機能も | Anthropicのサーバー |
| Cursor | AgentsウィンドウでCtrl+Mを長押し |
エージェントとチャットの入力欄 | Cursorのサーバー |
| VS Code | チャットで⌘I、エディターで⌥⌘V |
チャット、Agentsウィンドウ、エディターとターミナル | 既定では自分の端末 |
この表から取り出しておく価値のある点が3つあります。
Claude Codeのディクテーションは仕事に合わせて調整されています。 regex、
OAuth、JSON、localhostといった語は用語として認識され、現在のプロジェクト名
とgitのブランチ名は認識ヒントとして自動的に渡されます。だから、いま作業している
ブランチが音のとおりではなく正しい綴りで出てきます。文字起こしはトークンを消費
せず、/usageに表示される上限にも数えられません。
同時に、もっとも制約が多いものでもあります。 /voiceにはClaude.aiのアカウ
ントが必要です。Claude CodeがAnthropicのAPIキー、Amazon Bedrock、Google Cloudの
Agent Platform、Microsoft Foundryで動いているときは使えず、HIPAA対応を有効にした
組織ではポリシーで無効化されています。ローカルのマイクを必要とするため、SSH越し、
ウェブ版のClaude Code、VS Code Remote、Dev Containers、Codespacesでは動きません。
プライバシーの点でVS Codeだけ毛色が違います。 内蔵のディクテーションはマイク の音声を端末上で処理し、モデルをダウンロードしたあとはインターネット接続を必要と しません。この機能は実験的と位置づけられており、VS Code for the Web、Intel Mac、 32ビットおよびArm32のシステム、そしてAlpineのようなmuslベースのLinuxディストリ ビューションでは使えません——そこはSpeech拡張機能が引き受けます。
速度の数字は本物ですが、宣伝され過ぎです。よく引用されるスタンフォードの研究—— Ruan et al., 2016——はiPhone 6 Plusでの英語入力を測ったもので、音声は画面キー ボードの2.93倍、毎分153語に対して52語という結果でした。メカニカルキーボードに 向かう開発者は毎分52語では打っていないので、この読者層にとって正直な倍率はもっと 小さくなります。
実際に効いてくるのは、プロンプトの長さに起きることです。打鍵は文を1つ足すたび にコストを課し、人が最初に削るのは背景説明です。依頼そのものと違って、背景は省略 可能に感じられるからです。その結果、打鍵したプロンプトは「認証ミドルウェアを直し て、リフレッシュで401になる」となり、口述したプロンプトはそれに加えて、すでに 試した2つのこと、疑っているファイル、エラー文字列の逐語、そしてトークンヘルパー はほかの3つのサービスから呼ばれているので変更してはいけないという制約が付きます。
この差は礼儀の問題ではありません。いま挙げた節の1つひとつが、モデルが推測する しかなかった分岐を消しています。そして推測が外れることこそ、あなたが捨てる差分を 生みます。同じ研究では、入力中の誤り率が音声ではおよそ半分——修正された割合で 5.30%対11.22%——という結果も出ています。これは、声に出して考えることは打鍵より うるさいのではなく、ただ長いだけだという言い換えです。
名前をつけておく価値のある二次的な効果もあります。バグを声に出して説明すると、 完全な文で述べざるを得なくなり、5回に1回ほどは、モデルの番が来る前に文の途中で 自分で解いてしまいます。文字起こし付きのラバーダック・デバッグです。
3つの実装はいずれも、テキストを1か所に置きます。モデルにプロンプトを書く入力欄 です。その欄は、開発者が書く文章のごく一部でしかありません。
もう1つ、人がつまずくワークフロー上の制約があります。内蔵の選択肢はどれもSSH越し やdevコンテナでは動きません。マイクは手元の機械にあり、ツールは別の場所で動いて いるからです。リモートホストで開発しているなら——これは増える一方です——アシス タント自身の音声入力は、あなたが一日を過ごすまさにその場所で使えません。一方、 ノートPCで動いているディクテーションアプリは動き続けます。キーボードと同じように、 ターミナルのウィンドウへ文字を打ち込むからです。
システム全体のツールとは、カーソルのある場所へテキストを差し込むホットキー1つの ことです。だから同じ操作が、Cursorのエージェント欄でも、ブラウザのテキストエリア でも、ターミナルでも、Slackでも通用します。引き換えになるのは、サブスクリプション が1つ増え、覚えることが1つ増えることです。エージェントのパネル1つにしか口述しない 人なら、内蔵の選択肢で十分だというのは本当です。2026年8月17日時点では次のとおり です。
| ツール | 無料枠 | 有料 | 特記事項 |
|---|---|---|---|
| Wispr Flow | デスクトップで週2,000語、iPhoneで1,000語 | 年払いで1ユーザーあたり月12ドル、月払いは15ドル | Mac、Windows、iOS、Android |
| superwhisper | 100以上の言語と小さめのモデルが使える無料枠 | Proは年払いで月8ドルから | ローカルモデル、Apple Siliconで最良 |
| Aqua Voice | 1,000語、1回限り | Proは月8ドル、Maxは月24ドルでリアルタイムモードと音声コマンドが付く | クラウドのみ |
| Speak-Y | 週2,000語、クレジットカード不要 | ProとPro+ | 67以上の言語、ボットなしの会議モード、無料のローカルMCPサーバー |
比べるべき軸は価格ではなく、音声がどこへ行くかです。自分のマシンで文字起こしする ツールと、口述のたびにベンダーのAPIへ送るツールは、外から見れば同じ製品ですが、 顧客や認証情報や未発表の仕事について口述するなら、まったく別の製品です。
正直な一覧です。そうでないふりをすることが、1週間で離脱する原因になるからです。
handleAuthRefresh、--no-verify、正規表現、JSONの断片、
ファイルパス。これらを口述してから直すのは、打った方が速く済みます。記号は打ち、
文は話す。仕事の一日に耐えるやり方は、混ぜることです。段落は話し、識別子は打ち、そのあいだ
ずっと両手はキーボードに置いたままにします。Claude Codeはまさにこれを前提に作られ
ています——文字起こしはカーソル位置に挿入され、カーソルは末尾に残るので、Space
を長押しして一節を話し、関数名を打ち、またSpaceを長押しできます。
Speak-Yはこの組み合わせのシステム側です。ホットキーを押して話すと、すでにカーソル
がある場所にテキストが現れます——Cursor、VS Code、JetBrains、ターミナル、ブラウザ、
Slack。Claude Codeの/voiceを置き換えるものではなく、/voiceが決して目にしない
プルリクエストの説明やバグ報告を引き受けます。句読点は自動で付き、67以上の言語が
何も切り替えずに動きます。考える言語とリポジトリの言語が違う人には、ここが効きます。
無料プランは週2,000語でクレジットカード不要、macOS 14.0以降とWindows 10以降に対応 し、同じサブスクリプションでiOSのキーボードも使えます。 インストールガイドが権限の設定とホットキーの選び方を扱って います。
ディクテーションとAIアシスタントのあいだには、見落としやすい2つ目のつながりが あります。Speak-Yの内蔵MCPサーバーはどのプランでも無料で、Claude Code、 Cursor、ChatGPTがあなたの録音と会議の文字起こしをローカルで読めるようにします ——つまり、口述した文脈だけがエージェントの持つ文脈ではなくなります。認証フロー についてチームが下した決定は、通話の記憶の中ではなく、アシスタントが検索できる 文字起こしの中にあります。
プロンプトより会議のほうが多い仕事なら、次の一歩は 会議の文字起こしをCursorのコードに結びつける ことであり、 MCP越しに効く20のプロンプトは、 つながったあとに実際何を尋ねるかを扱います。
はい。CLIで/voiceを実行するとディクテーションが有効になり、話しているあいだSpaceを長押しするか、1回押して開始しもう1回押して送信します。Claude Code v2.1.69以降とClaude.aiのアカウントが必要で、Claude CodeがAPIキー、Amazon Bedrock、Google Cloud、Microsoft Foundryで認証している場合は使えません。音声は端末上で文字起こしされるのではなくAnthropicのサーバーへ送られますが、トークンは消費せず、利用上限にも数えられません。
はい。Cursorは2025年10月29日のバージョン2.0で音声入力を内蔵し、2026年4月13日のバージョン3.1でAgentsウィンドウの機能を強化しました。Ctrl+Mを長押しして話すと、波形、タイマー、キャンセルと確定のボタンが表示されます。クリップ全体を録音してから一括で文字起こしします。テキストはエージェントの入力欄に入るため、エディター、Cmd+K、ターミナルには依然としてシステム全体のディクテーションツールが必要です。
長さのコストが下がるからです。話す速さは打つ速さのおよそ3倍で、背景を3文書く代わりに「認証のバグを直して」と書かせていた制約が消えます。その追加の文こそ、モデルが必要としている文脈です——どのファイルをすでに除外したか、エラーが実際に何と言ったか、何を変えてほしくないか。
ツールによって異なるので、機微な内容を口述する前に確認する価値があります。VS Codeの内蔵ディクテーションはマイクの音声を端末上で処理し、モデルのダウンロード後は接続を必要としません。Claude Codeの/voiceはAnthropicのサーバーへ音声を送ります。Cursorはサーバー側で文字起こしします。サードパーティのアプリでは、superwhisperがApple Siliconでローカルモデルを動かし、Aqua Voiceはクラウド型です。
文字が正確であることが問われる場所すべてです。識別子、正規表現、シェルのフラグ、JSON、ファイルパスは、直す手間が打つ手間を上回る程度には頻繁に誤ります。散文——プロンプト、レビューコメント、コミットメッセージ、バグ報告——を口述し、記号は打ってください。