Aqua Voiceとは｜AI音声入力の実力と日本語対応【2026年8月】

「Aqua Voice（アクアボイス）って何ができるツールで、日本語のビジネス現場で本当に使えるのか？」──答えを先に言うと、Aqua Voiceは「話した内容をそのまま文字にする」のではなく「言いたかった文章に整えてから入力してくれる」AI音声入力ツールで、独自音声認識モデルAvalonは日本語を含む49言語に対応しています。料金は無料枠つきでProが月8ドル（年払い）から。メール下書き・会議直後のメモ・AIへのプロンプト口述のような「頭の中にある文章を高速で外に出す」用途に強く、一方で音声処理はクラウド側で行われるため、法人利用ではPrivacy Mode等の設定確認が必須です。この記事では公式一次情報に基づいて、機能・料金・日本語対応の実際・ビジネスでの使いどころを整理します。

音声入力ツールって、正直「試したけど結局キーボードに戻った」という人がすごく多いんです。誤変換の修正に時間がかかって、結局自分で打った方が速い、というアレですね。Aqua VoiceはY Combinator出身のスタートアップが「その修正作業ごとAIに任せる」発想で作ったツールで、海外のAIコーディング界隈では定番になりつつあります。ただし海外ツールゆえに日本語の一次情報が薄く、「日本語でどこまで使えるのか」を確かめずに紹介している記事も見かけます。本記事は公式サイト・公式ブログ・公式ドキュメントで確認できた範囲だけを書き、確認できない点は「確認できていない」と正直に書きます。

Aqua Voiceは従来の音声入力と何が違うのか

Aqua Voiceは、米サンフランシスコのAqua Voice社（2023年創業、Y Combinator 2024年冬バッチ出身）が開発するAI音声入力（ディクテーション）アプリです。macOS・Windows 10/11・iOSに対応し、キーを押しながら話すと、CursorやClaude、Gmail、Slack、Notion、ターミナルなど、カーソルが置けるほぼすべてのテキスト欄に「整形済みのテキスト」が入力されます。

「話した通りに書く」ではなく「言いたかった文章に整える」

スマホの音声入力やOSの標準ディクテーションとの最大の違いはここです。従来の音声入力は「発話の書き起こし」なので、「えーと」「あのー」といったフィラー、言い直し、句読点の欠落がそのまま残ります。だから修正が必要で、修正するくらいなら打った方が速い、となる。

Aqua Voiceは音声認識の後段にAIによる整形処理が入っていて、次のような処理を自動で行います。

• フィラー（「えーと」等）や言い直しの除去
• 句読点・改行・大文字小文字（英語の場合）の自動整形
• 「やっぱりさっきの部分は◯◯に変えて」といった発話中の訂正指示の反映
• カスタム辞書による固有名詞・専門用語の正確な変換（Proプランで800語まで登録可）
• カスタム指示（Custom Instructions）による文体の指定──「ビジネスメール調で」「箇条書き多めで」など、ChatGPTのカスタム指示に近い感覚で書き方のルールを自然文で設定できます

つまり「録音の文字起こしツール」ではなく、「口述筆記してくれる秘書」に近い設計思想なんです。公式サイトは「タイピングの約5倍速い（約230語/分 vs キーボード約40語/分）」という数字を掲げています。この数字は英語での公称値なので日本語でそのまま再現できるかは別問題ですが、「話す速度は打つ速度より圧倒的に速い」という前提自体は日本語でも変わりません。

心臓部は独自モデル「Avalon」

Aqua Voiceの音声認識は、汎用モデルの流用ではなく独自開発のAvalonというモデルで動いています。公式ブログによると、Avalonは2025年8月に公開され、それまでのWhisperベースのパイプラインを置き換えました。特徴的なのは訓練データの思想で、「人はオーディオブックを朗読するようには話さない」として、人がコンピュータに向かって話す時の話し方──プロンプト、コード、メールの口述──に最適化されています。

公式発表では、AI・コーディング用語に特化した自社ベンチマーク「AISpeak」の最難関サブセットでAvalonが97.4%の精度を出し、Whisper Large v3の65.1%を大きく上回ったとされています。また独立系のOpen ASRリーダーボードでも上位にランクインした実績を公式が公表しています。2026年4月には後継のAvalon 1.5が投入され、公式ドキュメントでは認識速度が2倍以上に向上し、多言語対応が強化されたと案内されています。

ベンチマークの数字は「公式の自己申告」も含まれるので鵜呑みは禁物ですが、「AIツール名・技術用語・プロンプト口述に強い音声認識」という設計方針は、後述するビジネス用途と直結する重要ポイントです。

動作環境と主要機能

• 対応OS: macOS（Apple Silicon/Intel）、Windows 10/11、iOS 17以降（iOSアプリは2026年4月公開のキーボードアプリ）
• Instant Mode: 起動200ミリ秒未満、発話終了から約450ミリ秒で結果が入力される高速モード
• Realtime Mode: 話しながら単語単位でリアルタイムに文字が出るモード（上位のMaxプラン限定）
• Deep Context: 画面の内容を読み取って認識精度を上げる機能（読み取ったデータは保存されないと公式が明記）
• Edit Mode: 選択したテキストを音声で修正指示できる機能（2026年7月公開）
• Send It: 「送信して」と言うと入力とメッセージ送信まで完了する音声コマンド（Maxプラン限定、2026年7月公開）

ブラウザ拡張や各アプリごとの設定は不要で、OSレベルで動くのでどのアプリでも同じ操作感で使えます。この「どこでも同じ挙動」は、社内展開する時の教育コストを考えると地味に効いてきます。

料金プランと無料枠の実際

2026年8月時点の公式料金ページの内容を整理します。表示はすべて米ドルです。

補足を3点。

• 無料枠は「お試し」レベル: 1,000語というのは日本語の感覚だと数回のメール口述で使い切る量です。無料枠では最新のAvalonではなく旧エンジンが使われる点にも注意してください。「無料で試したら精度がいまいちだった」という評価は、旧エンジンを触っただけの可能性があります。
• iOS単体はApp Store経由だと割高: 公式ドキュメントによると、App Store経由のiOS単体サブスクリプションは年119ドルで、クロスプラットフォームのPro（年96ドル）に含まれる形の方が安い。デスクトップと併用するならWeb側で契約する方が合理的です。
• 学生割引あり: 学校メールアドレスの認証でProとMaxが70%オフ。対象ドメインには日本の.ac.jpも明記されています。

法人でまとめて入れるならTeamが起点になりますが、後述するデータ処理の性質上、いきなり全社導入ではなく「まず情報の機微が低い部門・用途で試す」のが現実的です。

日本語対応の実際──公式に確認できること・できないこと

ここが本記事でいちばん正直に書きたい部分です。

公式に確認できること

• 公式ドキュメントに、対応49言語の一覧として日本語（Japanese）が明記されています。言語の自動検出にも対応しています。
• 初代Avalon（2025年8月公開）は英語のみの対応でした。公式ブログの公開時記事に「他の対応言語のモデルは訓練中」と書かれています。
• 2026年4月のiOSアプリ発表に合わせて投入されたAvalon 1.5でマルチリンガル対応が強化されたと公式が案内しています。つまり日本語がAvalon系モデルの土俵に乗ったのは比較的最近です。

公式に案内がなく確認できていないこと

• 日本語単独の認識精度の公式数値。英語ではWER（単語誤り率）5.55%（Avalon 1.5）等の数字が公表されていますが、日本語について同等の公式ベンチマーク数値は確認できませんでした。
• 日本語UIの有無。アプリ・公式サイトとも英語ベースで、日本語ローカライズについての公式案内は確認できていません。設定項目は多くないので英語のままでも運用は可能ですが、社内展開時は簡単な設定手順書を作る前提でいた方がいいです。
• 日本語での句読点・敬語整形の品質。「ですます調に整えて」等のカスタム指示が日本語でどこまで効くかは、公式の保証がある話ではないので、各社の無料枠＋Proの初月で実際に検証すべき項目です。

要するに「日本語は公式対応言語。ただし精度の公式データは英語中心」という状態です。うちでは海外ツールを検証する時、この手のケースでは「英語の公称値は参考値、日本語品質は自社の実データで1週間測る」を原則にしています。具体的には、実際の業務メール5本を口述してみて、修正にかかった時間がタイピングより短いかどうか。この1点だけ測れば導入判断には十分です。

ビジネスでの使いどころ3つ

「音声入力＝議事録」と考えると、このツールの評価を間違えます。Aqua Voiceは会議の録音を後から文字起こしするツールではなく、いま自分の頭の中にある文章をその場で出力するツールです。この違いを踏まえた上で、ビジネスで効く場面を3つ挙げます。

1. メール・チャットの下書き口述

いちばん導入効果が見えやすいのがここです。返信の方針は頭の中で決まっているのに、文章化に5分かかる──この状況で、Gmailの返信欄にカーソルを置いて話すだけで下書きが入る。フィラー除去と整形が入るので、「話し言葉のまま貼り付いて結局書き直し」になりにくいのが従来ツールとの差です。カスタム指示で「社外向けはですます調、社内Slackはカジュアルに」と分けておくと、宛先アプリに応じた書き分けもある程度任せられます。

ただし、そのまま送信はおすすめしません。特に日本語の敬語表現は前述の通り品質の公式保証がないので、「口述で8割作って、最後の敬語チェックだけ人間」という分担が現実的です。

2. 会議直後の論点メモ・指示出し

会議そのものの録音・文字起こしは、Zoom/Teams連携型のAI議事録ツールの領分です（この使い分けは社内会議のAI文字起こし活用ガイドで詳しく整理しています）。Aqua Voiceが効くのはその後段で、会議が終わった直後の3分間に「決まったこと3つ、宿題2つ、次回までに誰が何をやるか」を口述でNotionやチャットに流し込む使い方です。

記憶が新しいうちに構造化されたメモを残す作業は、タイピングだと後回しにされがちで、後回しにされた瞬間に精度が落ちます。「話すだけなら会議室を出る前に終わる」というのが行動として大きい。録音全文の文字起こしとこの即時メモは補完関係で、どちらかで置き換えられるものではありません。

3. AIへのプロンプト口述──実はこれが本命

Avalonの訓練データがプロンプトとコードの口述に最適化されている、という設計を思い出してください。Aqua Voiceが海外でまず広がったのは、CursorやClaude CodeといったAIコーディングツールのユーザー層です。公式ブログにもVS Code・Cursor・Claude Code向けの活用ガイドが並んでいます。

これはエンジニアだけの話ではありません。生成AIに長い指示を出す場面──「この資料をこういう観点で直して、対象読者はこうで、トーンはこうで」──を全部タイピングするのは結構な負担で、指示が短く雑になる原因になっています。私たちの研修現場でも「プロンプトを書くのが面倒でAIを使わなくなる」という脱落パターンは頻出です。話すだけなら3倍の情報量の指示を同じ時間で出せる。指示が詳細になればAIの出力品質も上がる。音声入力はプロンプトの質を底上げする入力装置として捉えると、投資対効果の見え方が変わります。

なお、音声でAIを操作する流れ自体はツール横断のトレンドで、ChatGPT側も音声からCodexやエージェントを操作する方向に進んでいます。この動きはChatGPT VoiceのPC対応解説で扱ったので、「対話型の音声AI」と「入力特化のAqua Voice」の位置づけの違いを比べてみてください。前者はAIと会話するための音声、後者はあらゆるアプリへの入力を置き換える音声です。

法人利用で確認すべきセキュリティとデータの扱い

便利さの話の後に、必ずセットで確認すべき話をします。

まず大前提として、Aqua Voiceの音声処理はクラウドで行われます。公式ドキュメント上、オンデバイス（端末内完結）やオフラインのモードは案内されていません。つまり発話内容は必ず社外のサーバーを通ります。ここを踏まえた上で、公式が公表している対策は次の通りです。

• SOC 2 Type II: 2026年3月25日に公式ブログで準拠を発表。一時点の審査ではなく一定期間の運用を対象とする監査です。
• ISO/IEC 27001:2022: 2026年7月14日に認証取得を公式発表。
• Privacy Mode: 有効にすると書き起こしテキストがサーバーに保存されなくなります。注意すべきはデフォルトでは無効で、無効の場合は製品改善のためにトランスクリプトが保持されうると公式が明記している点。Teamプランでは組織全体にPrivacy Modeを強制でき、EnterpriseではさらにZero Data Retention（データ保持ゼロ）が選べます。
• Deep Context: 画面読み取りデータは保存されないと公式が明記しています。

法人導入の実務としては、次の3点を最低ラインにしてください。

• 個人のProアカウントを野良で使わせない（Privacy Modeが個人任せになるため）。導入するならTeam以上で組織的にPrivacy Modeを強制する
• 顧客名・未公開情報を含む口述を許可する範囲を、自社の生成AI利用ガイドラインの入力区分に合わせて定義する
• 音声もAIへの「入力」であることを社内に周知する──キーボードなら書かない機密を、口では言ってしまう事故は起こり得ます

導入の最短手順と定着のコツ

試すこと自体は簡単で、公式サイトからデスクトップアプリをダウンロードしてアカウントを作れば、あとは設定したキーを押しながら話すだけです。カーソルがあるテキスト欄ならどこでも入るので、アプリごとの連携設定は要りません。ここでは「試したのに定着しない」を防ぐための運用面のコツを3つ書いておきます。

最初にカスタム辞書へ固有名詞を入れる

日本語ビジネスで音声入力の体験を最も悪くするのは、社名・人名・製品名の誤変換です。Proプランなら辞書に800語まで登録できるので、初日に「自社名・主要取引先・よく使う製品名・部署名」を20〜30語入れてください。この一手間の有無で初週の印象がまったく変わります。Enterpriseでは組織共通辞書も使えるので、社内展開時は管理側で配布する設計にできます。

カスタム指示は「宛先別」に書く

カスタム指示には「社外メールはですます調で結論から」「箇条書きは3点まで」のような整形ルールを自然文で設定できます。欲張って長いルールを書くより、自分の出力先の上位2つ（例：メールとSlack)に絞った短いルールから始めて、誤整形が出たら1行ずつ足していく方が安定します。なお日本語でのルール追従の品質は公式保証のある話ではないので、ここも実地検証の対象です。

「1用途・1週間」で判定する

全部の入力を一気に音声へ切り替えようとすると、慣れの負荷で挫折します。おすすめは「メール返信の下書きだけ」「AIへのプロンプトだけ」のように1用途に絞って1週間使い、修正時間込みでタイピングより速かったかだけを判定すること。合格なら用途を広げ、不合格なら無理に続けない。音声入力は向き不向きの個人差が大きい領域なので、社内展開でも「全員必須」ではなく「合う人が使う任意ツール」として位置づける方が定着します。

導入判断のFAQ

無料でどこまで試せますか？

Starterプランで1,000語まで無料です。ただし旧エンジンでの試用になるため、本命のAvalonの実力を測るならProの月払い（10ドル）で1か月検証する方が判断を誤りません。

会議の議事録作成に使えますか？

用途が違います。Aqua Voiceは自分が話して入力するツールで、複数人の会話の録音・話者分離・全文文字起こしには向きません。議事録目的ならZoom/Teams連携型のAI議事録ツールを選び、Aqua Voiceは会議後の要点メモや指示出しに使うのが正しい分担です。

日本語の精度はどのくらいですか？

日本語は公式対応49言語に含まれますが、日本語単独の精度に関する公式数値は確認できていません。英語での公称値（WER 5.55%等）をそのまま日本語に当てはめるのは危険なので、自社の実業務文で検証してから判断してください。

Wispr Flowなど競合との違いは？

AI整形型の音声入力ツールは複数登場していますが、Aqua Voiceの特徴は独自モデルAvalonをAI用語・コーディング・プロンプト口述に特化して訓練している点と、SOC 2 Type II・ISO 27001という法人向け認証を両方公表している点です。競合各社の詳細比較は本記事の範囲外なので、選定時は各社の公式情報で同じ観点（整形品質・日本語対応・データ保持ポリシー・認証）を突き合わせてください。

まとめ

Aqua Voiceは「音声入力は結局使えない」という過去の経験を上書きしうるツールです。ポイントを整理します。

• 従来の音声入力との違いは、書き起こしではなく整形済みテキストを出力すること。フィラー除去・訂正反映・文体指定まで自動化される
• 独自モデルAvalonはプロンプト・コード口述に最適化。生成AIへの指示出しの入力装置として本領を発揮する
• 料金はPro月8ドル（年払い）から。無料枠は1,000語で旧エンジンのため、検証はPro月払い1か月が現実的
• 日本語は公式対応49言語に含まれるが、日本語単独の精度データは公式に案内がなく確認できていない。自社業務文での検証が必須
• 処理はクラウド側。法人はTeam以上でPrivacy Modeを組織強制し、生成AIガイドラインの入力区分と揃える

音声はキーボードに代わる「第2の入力デバイス」として、AI活用の生産性を左右する段階に入ってきました。まずはメール下書きかプロンプト口述のどちらか1用途に絞って、1週間だけ試してみてください。合う・合わないは、それで十分わかります。

参考・出典（いずれも2026年8月4日参照）

• Aqua Voice 公式サイト（製品概要・対応言語・公称性能値）
• Aqua Voice Pricing（公式料金ページ）（各プラン料金・無料枠・学生割引）
• Introducing Avalon（公式ブログ・2025年8月22日）（Avalonモデルの設計思想・ベンチマーク）
• Aqua Voice for iOS（公式ブログ・2026年4月8日）（iOSアプリ公開・Avalon 1.5）
• Aqua Voice is SOC 2 compliant（公式ブログ・2026年3月25日）／ISO 27001 certified（公式ブログ・2026年7月14日）（セキュリティ認証）