3行でいうと

  • 入口は大きく4つです。ファイルをドラッグ&ドロップする、URL（YouTubeなど）を入れる、マイクやアプリの音声を録る、会議を自動で録音する。公式サイトがこの順に並べています。
  • 出口は、字幕の .srt .vtt、文章の .txt .md .pdf .html .docx などです。話者分け、検索、編集、翻訳も公式サイトの機能の一覧にあります。
  • 声での入力（ディクテーション）は、公式のヘルプに「どの文字入力欄にも」とあり、直接ダウンロード版だけの機能です。
  • 会議の録音は「ベータ」と公式が書いています。大事な会議は手動の録音も、と勧められています。
  • どの機能が無料で、どれがProかは、機能ごとに書き方がまちまちです。分かった範囲を表にしました。

この記事は公式の資料を2026年10月23日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。ヘルプの記事は要約の形で取得したため、「書かれていない」と言い切らず、「読んだ範囲では見つからなかった」と書いています。精度や速さの数字は載せていません。たとえ話は僕らのもので、公式の表現ではありません。

先に結論

前提：用語をそろえる

場面ごとの使い方

たとえ話をひとつ。MacWhisperは、「どんな音も聞き取って、ノートに書き写してくれる速記者」です。ただし速記者は、あなたのMacの机の上で働いていて（既定ではローカル処理）、頼んだときだけ外部の会社に相談に行きます（クラウド文字起こしやAI。03で扱います）。これは僕らのたとえで、公式の表現ではありません。

場面 何をする 公式のどこに書かれているか 確かさ
録音ファイルを文字にする ファイルをドラッグ&ドロップ。入力の形式は mp3、wav、m4a、ogg、opus、mov、mp4 公式サイトの機能の一覧 書かれている
溜まったインタビューをまとめて処理 ホーム画面のボタン、「Open File…」で複数選択、または複数ファイルをドロップして、バッチの画面を開く。出力の形式は、複数同時に選べる ヘルプ「How to use the Batch Transcription feature」 書かれている（URLファイルは未対応、Proかどうかはそのページには書かれていなかった）
YouTubeの動画を文字にする アプリ上部の入力欄にURLを入れて、Returnキーを押す ヘルプ「How to transcribe YouTube videos」（2025年7月更新と表示） 書かれている（年齢制限のある動画、一部のライブ・地域限定の動画は不可）
オンライン会議を録音して文字にする 設定の「Record Meetings」で自動通知をオンにする。会議を検知すると通知が出て、「Record」を押すと始まる ヘルプ「Automatic Meetings Recordings with MacWhisper」 書かれている（ベータ）
話者ごとに分ける 対応するモデルで、話者が自動で分かれる。名前の変更、統合、色の変更ができる ヘルプ「Automatic Speaker Recognition in MacWhisper」 書かれている（ディクテーションとポッドキャスト用には使えない）
声で文字を入力する 設定でショートカットを決めて、話す。AIのプロンプトで整える使い方もある ヘルプ「How to use the Dictation feature」 書かれている（直接ダウンロード版だけ）
フォルダーに入れたら自動で文字にする 「Watch Folder」の設定でフォルダーを登録 ヘルプ「Automatically Transcribing Files in Watch Folders」 書かれている（Pro、ベータ）
結果を翻訳する 文字起こしや字幕の翻訳 公式サイトの機能の一覧、ヘルプ「Assistant」（30以上の言語、macOSのみ） 書かれている（外部送信を伴う場合がある）
ターミナルから文字にする mw transcribe 〜 のコマンド。結果は標準出力（ターミナルの画面にそのまま表示される形）へ ヘルプ「MacWhisper Command-Line Tool」 書かれている

録音ファイルを文字にする

いちばん基本の使い方です。公式サイトには、ドラッグ&ドロップでの文字起こし、バッチ処理、話者認識、言いよどみ（「えー」など）の除去にあたる機能（公式サイトには、フィラーワード（「um」「uh」など）を自動で取り除く、という説明があります。機能の一覧には説明のない「auto cleanup」の項目もありますが、同じ機能かどうかはページから読み取れませんでした）、内蔵のエディタ、検索が挙がっています。ヘルプには、「Find And Replace in Transcriptions」（文字起こしの中の検索と置換）という記事の題名もあります（中身は読んでいません）。

出口の形式は、公式サイトによると、字幕の .srt と .vtt、文章の .txt .md .pdf .html .docx です。サイトの一覧には「.dote」という綴りも載っています。「.docx」の誤記とみられます（見立て）が、別の形式かどうかは確かめきれていません。

YouTubeなどのURLから

ヘルプでは、入力欄にURLを入れてReturnを押すだけ、と説明されています。公式サイトは「YouTubeと、オンラインの動画やメディアのURL」と書いていますが、ヘルプの記事が扱っているのはYouTubeだけで、ほかのサイトのURLについては、読んだ範囲では書かれていませんでした。他人の動画を文字にするときの、権利や規約の扱いも、そのページには書かれていません。

会議を録音する

ヘルプによると、対応が挙がっているのは Arc、Brave、Chime、Chrome、Discord、Edge、Firefox、Safari、Skype、Slack、Teams、Telegram、WhatsApp、Webex、Zoom です。FaceTimeは、macOSのプライバシーの制限で対象外です。設定の「Record Meetings」で、見張るアプリを選べます。通知は10秒で消えます。止めるときは、メインの画面の右下か、「Meeting Ended」の通知からです。終わった録音は履歴に入り、文字起こしを待ちます。

声で入力する（ディクテーション）

ヘルプの説明では、設定のショートカットを押して話すと、「any text field」（どの文字入力欄でも）に文字が入ります。ホーム画面から始めるのが、画面の案内があるので勧められています。AIのプロンプトを通すと、スペルや文法の整え、他の言語への翻訳、くだけた話し言葉を丁寧なメールの文面にする、といった使い方ができる、と書かれています。プロンプトは設定の「Dictation」で自分で書けます。アプリごとにプロンプトを変える「App-Specific Prompts」もあります。

話者を分ける

ヘルプによると、WhisperKit系のモデルのうち「Speaker Recognition」の緑のバッジが付いたもの（ローカル）と、ElevenLabs、Deepgram（クラウド）で使えます。MacWhisper 12.0以降が必要です。1人の話を2人に分けてしまうことがあり、手作業で統合する必要がある、とも書かれています。対応言語や精度は、そのページには書かれていませんでした。

フォルダーの自動処理（ウォッチフォルダー）

新しい音声が入ると、自動で文字にして、選んだ形式で書き出します。自動をオフにすると、見つかったことの通知が出て、アプリで手動で始められます。公式は「ベータ」としています。対応する音声の形式、ファイルの大きさの上限は、そのページには書かれていませんでした。

ターミナルから使う（コマンドライン）

ヘルプによると、mw というコマンドが、MacWhisperのアプリと同じモデルと設定を使って、音声や動画を文字にします。mw transcribe meeting.m4a --format srt > meeting.srt のように、字幕の形式で書き出したり、フォルダーごと処理したりできます。AIのエージェント（コーディング用のAI）から使って、時刻付きの構造化された文字起こしを得る使い方も、公式のヘルプに書かれています（03で扱います）。

無料とProの目安（公式の書き方）

機能 公式のヘルプなどの書き方
ウォッチフォルダー Proが必要
外部サービスとの連携（Zapierなど） Proが必要
コマンドラインの json md html avid Proが必要。txt srt vtt csv は無料
ディクテーションのAIプロンプト 自分のAPIキーとProのライセンスが必要
ディクテーション App Store版にはない。無料かProかは、読んだ範囲では書かれていなかった
バッチ処理、YouTube、話者認識、会議録音 そのページにはProかどうか、書かれていなかった

公式サイトの機能の表は、取得した結果では、無料の列とProの列を確かに分けられませんでした。購入や無料での利用の前に、公式サイトの表で確認してください。

気をつけること

出典