WhatsAppのボイスメッセージを文字起こしする方法

6分のボイスメッセージが届く。でもあなたは電車の中か、会議中か、単にそんな気分ではない。WhatsAppには2024年11月からこれへの答えがあります。ボイスメッセージを自分のスマホの中でテキストに文字起こしする機能です。無料で、本当にプライベートで、そして自分でオンにするまで動きません。

同時に、多くの人が思っているよりかなり制限が強く、しかもその制限はiPhoneとAndroidで大きく違います。

オンにする

以下で英語のまま記しているのは、日本語版WhatsAppでの正式な表記を確認できなかった項目です。

Androidの場合：設定 → チャット → Voice Message Transcriptsをオンにする → Choose languageをタップして、届くボイスメッセージでいちばん多い言語を選ぶ → Set up nowをタップ。モバイルデータを使いたくなければWait for Wi-Fiを。この最後の手順で、音声モデルが端末にダウンロードされます。

iPhoneの場合：設定（またはプロフィール写真）→ チャット → Voice Message Transcriptsをオンにする → Choose language → Change to {言語}。

iPhoneには見落としやすい追加要件があります。iOS 16以降と、Siriがオンになっていることが必要です。iOS版WhatsAppの文字起こしはAppleの音声モデルの上に作られているので、Siriを切っていると動かす土台がありません。

文字起こしを読むには、ボイスメッセージを長押しして Transcribe を選び、シェブロンで展開します。表示までに少し時間がかかることがあります。文字起こしが見えるのは受信者だけで、送信者からは見えません。

落とし穴：Androidは4言語、iPhoneは20言語

これがいちばん重要な一点で、WhatsApp自身のドキュメントにはっきり書かれています。

Androidが対応するのは4言語 - 英語、ポルトガル語、スペイン語、ロシア語。 これで全部です。

iPhoneはiOS 16で12言語 - 英語、アラビア語、中国語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、ロシア語、スペイン語、トルコ語 - iOS 17以降では20言語になり、デンマーク語、オランダ語、フィンランド語、ヘブライ語、マレー語、ノルウェー語、スウェーデン語、タイ語が加わります。

日本語話者にとって、ここは他人事ではありません。日本語はiPhoneの12言語には入っていますが、Androidの4言語には入っていません。 同じ日本語のボイスメッセージが、iPhoneなら文字起こしでき、Androidではまったくできないということです。ドイツ語やイタリア語の話者もまったく同じ壁に当たります。不格好な差ですが、2つのプラットフォームが別々の音声エンジンを使っているために生じています。

「Transcript unavailable」と出る理由

WhatsAppは3つの原因を挙げていて、最初のものがほぼ全員に当てはまります。

• 文字起こしの言語設定が、ボイスメッセージの言語と一致していない。 この機能は、あらかじめ選んだ1言語でしか動きません。2言語を混ぜて話す友人関係や、多言語の家族グループでは、設定に戻って切り替えるまで半分のメッセージが単純に失敗します。
• 一部の単語が認識されない。 多くは背景ノイズが原因です。
• ボイスメッセージの言語が対応していない - 上のリストのとおりです。

WhatsAppは「ボイスメッセージの文字起こしが不正確である可能性があります」ともはっきり書いています。完全にスマホの中だけで動くものについての但し書きとしては、妥当なところです。

WhatsApp Webやデスクトップでは動かない

主にノートパソコンでWhatsAppを使っているなら、この機能はそこにありません。WhatsApp自身のヘルプ記事にはWebタブ向けの手順がなく、チャンネルについての関連記事では、ボイスの文字起こしはWhatsApp Web・Mac・Windowsを含むリンク済みデバイスでは非対応だと述べられています。

WhatsApp Webでボイスメッセージを右クリックすれば文字起こしできる、と書いているブログ記事は見つかります。公式なサポートはなく、それを裏づけるWhatsApp側の情報源も見つけられませんでした。

プライバシーの部分、ここは本当に良い

WhatsAppは、文字起こしは「あなたの端末上で生成されるため、WhatsAppを含め誰もあなたの個人的なメッセージを聞いたり読んだりすることはできません」としており、個人のボイスメッセージはエンドツーエンド暗号化で保護されたままだと述べています。

これが宣伝文句ではなく文字どおりだと示す手がかりが2つあります。セットアップで言語モデルが端末にダウンロードされること、そしてiOS版がSiriを必要とすること - Siriは音声処理をローカルで行います。オンデバイスの文字起こしは、外から見るとこう見えるという話です。

範囲についてひとつ注記を。この主張は個人のメッセージについてのものです。チャンネルのボイスアップデートは設計上公開なので、そこには及びません。

スマホにできること以上が必要になったとき

組み込みの機能は、1件のメッセージをその場で素早く読むためのものです。保存したり、検索したり、翻訳したりするためには作られておらず、単純に手が止まる場面が4つあります。

• 対応していない言語。 とくにAndroidはリストが4件しかありません。Speechoは90以上に対応しています。
• テキストをファイルとして欲しい。 WhatsAppは文字起こしを書き出したり保存したりする方法を記載していません。
• 長くて重要なものが送られてきた - 法的な指示、クライアントからの依頼、録音されたインタビュー - チャットの吹き出しの下に並ぶ文章の塊ではなく、タイムスタンプ付きの文書が欲しい。
• 自分の話さない言語だった。 文字起こしと翻訳を一度に済ませるのは、原語の文字起こしを読むのとはまったく別の仕事です。

そのどれをやるにも、チャットの吹き出しではなく音声ファイルが必要です。WhatsAppのボイスメッセージはOggコンテナに入ったOpus音声で - Meta自身の開発者向けドキュメントはWhatsAppの音声について「OPUSコーデックのみ、モノラル入力のみ」と指定しています - 実際には.opusファイルとして届きます。メッセージを「ファイル」やメール、Driveに転送・共有してから、アップロードしてください。Speechoは.opusをそのまま受け付けるので、変換するものはありません。

WhatsAppのチャットをエクスポートは確かに存在します（iPhoneならチャットを開いて相手またはグループ名 → チャットをエクスポート、Androidなら⋮ → その他 → チャットをエクスポート）。ただし、添付されるのは履歴全体ではなく直近のメディアだけで、渡されるZIPの中でボイスメッセージにはラベルが付いていません。1件や2件なら、個別に共有するほうがはるかに手間がかかりません。

最初の15分は無料です - ボイスメッセージの文字起こしに全体の流れをまとめています。とにかく早く聞き終えたいだけなら、当サイトの再生速度チェンジャーがピッチを変えずに最大3倍速で再生します。

ひとつ言っておきたいこと

誰かがあなたに個人的に送ったボイスメッセージは、あなたのものであると同時に、その人のものでもあります。読むことと、サービスに通すこと、文字起こしを保存しておくこと、さらに他人へ転送することは別の話です。ここまでのすべては、送り主が驚かないだろうという前提の上に成り立っています。確信が持てないなら、正直な一手は本人に尋ねることです。