【英語学習】SuperWhisper vs AQUA Voice！理想の「AIついでに英語学習」環境を求めて 🎙️✨

（はじめに）

みなさん、こんにちは！「最新のAIツールを使いこなし、英語学習をいかに楽しく、そして楽に継続するか」をモットーに活動している私です。

私の最近のAI活としては、音声入力（アウトプット）による英語学習をしばらく続けていました。
が、最近少し欲が出てきました。それは英語のレベルそのものというより、「AIツールの使いこなしレベル（メタスキル）」を一段上のステップへ進めようという試みです。

実は現在、私は「AQUA Voice」というツールに課金しており、日々の音声入力には非常に重宝しています。しかし、一点だけ、どうしても自分の思い通りにいかないことがありました。今回は、試行錯誤の末に「SuperWhisper」を導入するに至った経緯を、じっくりと記事にしたいと思います。

（AQUA Voiceでの挫折）

AQUA Voiceを英語学習に活用する中で、私の中に「日本語で音声入力したら、出力は日本語と英語を併記して出したい」という明確なニーズが生まれました。自分の発した言葉が即座に英文として隣に並べば、これ以上ない学習教材になるからです。※その英文は一回以上読むというルール設定

このアイデアをChatGPTとGeminiにぶつけてみたところ、両者とも「それは可能です！」と心強い回答。期待に胸を膨らませ、Geminiに作成してもらった以下の「カスタム指示」をAQUA Voiceの設定に放り込み、さっそく試してみました。

結果はどうだったかというと、残念ながらダメでした。

1回目だけは成功して、見事に日本語と英語が併記されたのですが、2回目からは全く機能しなくなってしまったのです。私のnoteは「AIを楽しく使い続ける」のが信条。ここは何としても譲れないポイントでしたが、何度設定し直しても状況は変わりません。

Geminiに再び相談すると、納得の（しかし残念な）分析が返ってきました。 「一度は成功するのに2回目から崩れるのは、AIが会話の文脈（コンテキスト）を読み取る際、ユーザーの短い発話（『うん』『わかった』など）に引っ張られて、出力を簡略化してしまう『ドリフト現象』が起きている証拠です」

うーん、せっかく課金したのに！AIの賢さが、逆に仇となって出力をシンプルにしてしまうとは。私の理想とするバイリンガル出力環境は、一旦ここで暗礁に乗り上げました。

（心機一転）

しかし、ここで諦めるわけにはいきません。私は以前インストールしたものの、なぜか起動に失敗してすぐにアンインストールしていた「SuperWhisper」のことを思い出しました。もう一度だけチャレンジしようと、再びインストールし、設定を見直すことにしました。

すると、驚きの事実が判明しました。以前は「インストールに失敗した」と思い込んでいたのですが、実はWindows11のタスクバー右下にあるインジケーターの中に、ひっそりとアイコンが存在していたのです（笑）。しっかり起動していたのに、私が気づかなかっただけでした。

気を取り直して、さっそくSuperWhisperの設定で「日本語入力後、日本語と英語を併記して出力する」という無茶振りが可能か試してみました。SuperWhisperには「Custom mode」という強力な機能があり、そこでGeminiに書いてもらった専用のプロンプトを設定しました。

この設定を施し、いざ音声入力！ 結果……大成功です！見事に私の理想とする「日本語＋英語」のセットが、淀みなくテキストとして流れてきました。SuperWhisper、君こそが求めていた僕の相棒だったのだな。(笑)

（SuperWhisper無料版の制限について）

すっかりSuperWhisperが気に入った私ですが、気になるのは「無料版（Freeプラン）」でどこまでいけるのかという点です。Google検索の「AIによる概要」で制限事項を調べてみました。

📷 利用時間の制限：
・最大の壁は、利用可能なプロ機能の時間が月間15分程度に制限されている点です。15分を超えると、制限がかかったり機能が低下したりする可能性があるようです。

📷 機能・精度の制限：
・モデル：無料版で使用できる音声認識モデルは、小規模で速度優先のものに限られます。
・翻訳・ファイル処理：任意の言語から英語への翻訳機能や、既存の音声・動画ファイルの文字起こし機能は利用できません。
・精度：Pro版に比べ、専門用語や複雑な文脈の認識精度が低くなる場合があります。

とはいえ、基本的な音声入力としてのポテンシャルは十分です。まずは無課金で、以下の3つのモードを使い分けることにしました。

1. Voice to Text（通常の日本語入力）

2. Custom mode（自作した日本語・英語併記モード）

3. Default（英語専用入力）

これだけで、今の私の要求仕様は十二分に満たされています。

（今後の利用方法）

私の夜のPC作業を分析してみると、そのほとんどが「AIとの壁打ち（AIツール機能調査、新ツールパトロール）」、そして「バイブコーディング（声による開発）」、noteの下書き（テキストファイル）、AlgoAppへの単語登録でした。

これまでは日本語だけで済ませていたAIとの壁打ちですが、今後は「英語プロンプトを英語音声で入れる」という、最高にカッコいいスタイルを取り入れていこうと思います。（英語入力はもちろん、もっというとマークダウンの方がAIのききわけが良いかもです）

学習のステップは以下の通りです。
・初級：日本語で入力 → 日英併記を出力 → その英語を読んで再入力（←今ここ！）
・中級：日本語入力 → 日本語は表示させず英語のみ出力 → それを読んで入力
・上級：最初から英語でそのまま音声入力

もちろん、覚えたい単語、センテンスはAlgoAppに入力して朝は耳勉！

現在はまだ初級レベルですが、普段入れているプロンプトを日本語で話し、出力された英語を自力（？）で再度音声入力する。
少し手間はかかりますが、これこそが「英語学習（音声アウトプット）」の確実な一歩になると自信から確信に変わりました！

（さらなる高みへ：Pro版の詳細）

さらに調べてみると、課金することで使えるモデルのラインナップが凄まじく、早くも物欲が刺激されています。

1. ローカルモデル（プライバシー重視・オフライン対応）
   ・Ultra Turbo v3 (Local)：速度と精度が極めて高いレベルで融合したモデル。

2. クラウドモデル（最高性能・高精度）
   ・GPT-4.1 / GPT-5 シリーズ：OpenAIの最新モデルが利用可能。
   ・Claude 3.5 / 3.7 / 4 シリーズ：Anthropicの高性能モデルも選択肢に入ります。

3. Pro版の主なメリット
   ・無限のAI利用：ローカル・クラウド問わず、無制限にAIモデルを利用可能。
   ・APIキーの統合：自分のOpenAIやAnthropicのAPIキーを使用して、さらに多様で個人に最適化された環境が手に入ります。

要するに、Pro版で自身のAPIキーを使えば「無制限・高速・高精度・個人最適化」された、究極の音声入力環境が完成するということですね。日本語に強いモデルを使い倒せるのも大きな魅力です。

SuperWhisperの無料版で限界が来たら課金する前に、無料で使えるAmical Voice、Antigravityで音声入力ツールをバイブコーディングするなど、いろいろ悪あがきしてみようとおもいます。

しばらくはSuperWhisperの無料版でこの快適さを堪能しつつ、時期を見て課金へと踏み切るつもりです。
AIはお布施（課金）で機嫌が良くなるのも事実です。

もはや私は「課金沼」という名の温泉に、腰まで浸かっている状態かもしれません（笑）。みなさんも、AIツールの進化を沼りながら一緒に楽しみませんか？

note記事から台本を作ってショート動画にしました。

NotebookLMのスライドでリップシンク動画を作りました。