WhisperDirect
オンデバイスの Apple Speech（無料・APIキー不要）と OpenAI Whisper API（高精度・従量課金）を選べます。話者分離は複数の話者を自動で識別し、色分け表示。録音から文字起こし、AI要約、議事録、Slack・Google Drive・Discord・Webhook への連携まで、すべてを1つのアプリで完結。サブスクリプションはありません。
App Store でダウンロード
📌 使った分だけの支払い
WhisperDirect はサブスクリプションを一切請求しません。Apple Speech はオンデバイスで無料、Whisper API は OpenAI へ直接お支払いいただく形で、中間マージンも月額費用もありません。
Apple Speech（オンデバイス）
¥0/ずっと
iOS 26 の Apple Speech により、文字起こしを完全に端末内で実行。APIキー不要・通信不要・コストゼロ。プライバシーが重要な録音に最適です。
Whisper API（OpenAI）
約 $0.36/時間
Whisper API は約 $0.006/分。$5 でおよそ14時間の音声を高精度で文字起こしできます。
AI要約・議事録
数セント/回
GPT-4.1-nano、GPT-4.1-mini、GPT-5-nano、GPT-5-mini、GPT-6 Luna から選択可能。1,000〜2,000語の長文でも、通常は数セントで処理できます。
利用可能なモデルは OpenAI の提供状況により変わることがあります。
アプリ本体
買い切り のみ
月額サブスクはありません。7日間の無料トライアル後、一度購入すればずっとお使いいただけます。OpenAI への支払いは利用分のみです。
📌 3ステップで開始
セットアップから最初の文字起こしまで、数分で完了します。
📌 主な機能
音声の取り込みから文字起こし、話者分離、AI要約、チーム共有まで。会議後のワークフローを効率化するために必要な機能をすべて揃えています。
2つの文字起こしエンジン
Apple Speech（オンデバイス・無料・APIキー不要・iOS 26以降）と OpenAI Whisper API（高精度・従量課金）を設定画面から切り替えできます。プライバシーとコスト、または最高精度かを、用途に応じて選べます。
話者分離
NVIDIA Nemotron 3 をオンデバイスで実行し、複数の話者を自動で識別して色分け表示。話者ごとの吹き出しで会話を確認でき、名前の変更や発言の割り当ても可能です。初回利用時に約200MBのモデルをダウンロードします。
Webhook 連携
文字起こし・要約・議事録を Discord・Slack・n8n・Make・Zapier など、任意のエンドポイントへ送信できます。URL を設定するだけ。カスタム Webhook では Header 認証（APIキー）にも対応しています。
柔軟な取り込みオプション
マイクボタンでリアルタイム録音。Bluetooth マイクにも対応し、録音ボタン上部のセレクタで切り替えられます。共有シートから音声ファイルを取り込んだり、動画ファイルを自動で音声抽出・圧縮して読み込めます。対応音声：mp3, m4a, aac, wav, flac, ogg, opus, wma, amr, mpga, webm, aiff, caf。対応動画：mp4, mov, m4v, webm, mkv, avi, mpeg, mpg。
Slack & Google Drive 連携
文字起こし・要約・議事録を指定の Slack チャンネルへ自動投稿。Google Drive への自動バックアップにも対応。会議が終われば、手動操作なしでチームに共有されます。
再文字起こし & 言語変更
現在の設定でいつでも文字起こしをやり直せます。詳細画面から認識言語を切り替えると、自動で再処理。多言語の録音にも便利です。
再生同期ハイライト
音声再生に合わせて文字起こしテキストが自動でハイライトされます。タップで任意のセグメントへジャンプ。タイムラインの刻みは5秒単位で設定可能で、長い録音でも目的の発言をすぐに見つけられます。
オンデバイス OCR（無料）
ホワイトボードや書類を撮影して、高精度 OCR でテキストを抽出。複数画像の一括処理にも対応。処理はすべて端末内で完結し、APIコストはかかりません。
カスタマイズ可能な AI プロンプト
要約・議事録に使うプロンプトは設定画面から編集できます。アクションアイテムだけを抽出、箇条書きで出力など、チームのニーズに合わせて自由に調整できます。
柔軟なエクスポート
音声ファイル、文字起こし、要約、議事録をエクスポート。動画コンテンツや編集ツールで使える VTT・SRT 字幕ファイルの生成にも対応しています。
リアルタイムのコスト見積もり
音声の長さと文字数から API の概算コストをリアルタイムで計算。実行前に使用量を把握できます。
詳細なカスタマイズ
LLM モデルの選択、タイムライン刻みの5秒単位調整、プロンプトの編集、Slack・Google Drive・Webhook の設定まで、すべて1つの設定画面から行えます。
📌 こんなワークフローに
ビジネス会議
会議を録音し、直後に AI 議事録を生成。話者分離で誰が何を言ったかも明確。Slack へ自動投稿すれば、手動メモは不要です。
インタビュー & 取材
長いインタビューも高精度で文字起こし。話者分離で聞き手と話し手を分け、タイムラインマーカーで特定の発言をすぐに参照できます。
講義 & セミナー
講義を録音し、要点を自動で抽出。学習ノートや復習資料の作成に役立てられます。
動画字幕
動画ファイルを取り込み、YouTube や動画編集ソフトでそのまま使える VTT・SRT 字幕ファイルを出力できます。
🔑 ご利用前に
- Whisper API での文字起こし、および AI 要約・議事録の利用には OpenAI の APIキーが必要です。オンデバイスの Apple Speech のみを使う場合は不要です。
- 文字起こしおよび AI 要約の費用は、OpenAI の料金体系に基づき、お客様の OpenAI アカウントへ直接請求されます。
- 話者分離（NVIDIA Nemotron 3）は完全にオンデバイスで動作します。初回有効時に約200MBのモデルをダウンロードします。
- 料金・利用可能モデル・機能は、OpenAI の提供状況により変更されることがあります。
- 記載のコストは OpenAI の公開 API 料金に基づきます。最新の料金は OpenAI 公式の料金ページ をご確認ください。
- 無料トライアル：購入前に7日間お試しいただけます。
- iOS 17.0 以降 / iPadOS 17.0 以降 / macOS 14.0 以降（Apple M1 以降）が必要です。Apple Speech エンジンは iOS 26.0 以降、話者分離は iOS 18.0 以降が必要です。
対応フォーマット
音声： mp3, m4a, aac, wav, flac, ogg, opus, wma, amr, mpga, webm, aiff, caf
動画： mp4, mov, m4v, webm, mkv, avi, mpeg, mpg