WhatsAppのボイスメッセージを文字起こしする方法 — そして音声が別の言語の場合の対処法

3分間のボイスメッセージは、いつも最悪のタイミングで届きます。ミーティング中、騒がしい場所にいる、または今はすぐに聞けない時などです。良いニュースは、ほとんどの場合追加のアプリは必要ないということです。WhatsAppはデバイス上で自動的にボイスメッセージを文字起こしします。良くないニュースは、文字起こしが予測可能な状況で失敗することと、解決できないケースがあることです。それは、音声があなたが話さない言語である場合です。

このガイドでは、最もシンプルなものから最も見落とされがちなものまで、3つのシナリオすべてをカバーします。

1. 組み込みの機能：WhatsApp自体の文字起こし

2024年後半以降、WhatsAppは増え続ける言語リストでネイティブによるボイスメッセージの文字起こしを行っています。2つの重要なポイントがあります：

• 文字起こしはあなたのデバイス上で行われます。 音声は文字起こしサーバーに送信されず、ローカルで処理されるため、チャットのエンドツーエンド暗号化は維持されます。これが、サードパーティのアプリよりもネイティブ機能を優先すべき理由です。
• オプトインでメッセージごとの設定です。 一度有効にすれば、文字起こししたいボイスメッセージだけを変換できます。

手順（メニュー名はバージョンによって多少異なります）：

1. 設定 → チャット → ボイスメッセージの文字起こし — オンにして言語を選択します。デバイスは一度だけ小さな言語パックをダウンロードします。
2. チャットで、ボイスメッセージを長押し → 文字起こし。テキストがメッセージの下に表示されます。

このオプションがない場合は、アプリをアップデートしてください。この機能は段階的にリリースされており、比較的新しいWhatsApp（およびiPhoneの場合は新しいiOS）が必要です。

2. ネイティブの文字起こしが失敗する場所 — そして実際にできること

オンデバイスの文字起こしは優れていますが、魔法ではありません。失敗のパターンは予測可能です：

• 騒々しい音声、バックグラウンドミュージック、またはマイクから遠い場合。 ローカルモデルはコンパクトなため、サーバー側の文字起こしツールよりも早く品質が低下します。これを修正するボタンはありません。もう一度音声を送ってもらうか、1.5倍速で聞きましょう。
• 1つのメッセージに複数の言語が混ざっている場合（「そして彼は isso não foi o que combinamos と言いました…」など） — 文字起こしは設定された言語に従い、他の言語の部分をめちゃくちゃにしてしまいます。
• 強いスラング、固有名詞、専門用語。 テキストには、まさに重要な単語があった場所に穴が空きます。
• WhatsApp Web / デスクトップ： 文字起こしはスマートフォンの機能であり、ブラウザでは単に存在しない場合があります。スマートフォンで文字起こしを行ってください。

やってはいけないこと：ボイスメッセージを知らない「WhatsApp文字起こしアプリ」に転送すること。転送するとメッセージは暗号化されたチャットから外れ、読んだこともないプライバシーポリシーを持つサードパーティのサーバーに渡されてしまいます。個人的または仕事用の音声に対して、それが賢明な取引になることはめったにありません。特に、ローカルで無料の機能がそこにあるのに。

3. 文字起こしでも解決できないケース：音声が別の言語の場合

最も急増しているシナリオであり、「文字起こし」ボタンでは解決できないものです。中国のサプライヤー、米国の顧客、移住した親戚。ボイスメッセージが届き、文字起こしも機能しますが… テキストは依然としてあなたが読めない言語のままです。

もちろん、文字起こししたテキストを翻訳アプリに貼り付けることはできます。1回ならうまくいきます。しかし、その流れを見てください。聞く → 文字起こしする → コピーする → 貼り付ける → 翻訳する → 返信を書く → それを翻訳し直す → 録音する。毎回のループがストレスであり、実際の会話では1日に10回ループすることもあります。本当の問題は「音声をテキストにすること」ではなく、言語を越えて会話を成立させることになりました。

その問題には独自のカテゴリがあります — 音声翻訳 — そして、1つの基準が選択を決定します。それは、1回限りのフレーズなのか、それとも続く会話なのかです。

• 1回限りのフレーズ： 文字起こし→コピー→翻訳のループで問題なく、どんな翻訳アプリでも機能します。
• 継続的な会話： ボイスメッセージの連鎖は症状に過ぎません。ライブで話すことが不可能だったため、メッセージで会話しているのです。それはまさに、リアルタイムのミーティング翻訳の出番です。InterMINDでは、通話中に各側が自分の言語を話し、相手の言語で相手の声を聞くことができます。22の言語に対応し、リスナーごとの音声遅延は1秒未満です — 文字起こし、コピー、貼り付けは一切不要です。また、ミーティングが終わると、参加できなかった人のために要約ノートが残されます。

何も予定に入れずに違いを体験したい場合は、/demoを開き、マイクの近くで（まさにそのボイスメッセージでも構いません）音声を再生し、読む代わりにリアルタイム翻訳を聞いてみてください。

実用的なまとめ

WhatsAppの文字起こしは、すでにポケットの中にあるのに、半数の人がオンにしたことがない機能の一つです。オンにしてみてください。そして、言語が問題で文字起こしテキストが読めないままの場合 — 問題の名前が変わり、ツールも変わります：それはフレーズではなく、会話なのです。

— The Mind.com Team