3行でいうと
- 基本の動きは、ショートカットを押して話し、止めると、カーソルの位置に文字が入る、というものです。公式は、メッセージ、メール、メモ、コードを例に挙げています。
- 「モード」が中心の機能です。声のモデルと、AIによる整形を組み合わせた「型」で、Message、Super、Mail、Note、Voice to Textなどが用意されています。
- 会議（Meetings）、ファイルの文字起こし、システム音声の録音、リアルタイム表示、話者の分離などは、Proの機能と書かれています。
- 画面の文脈（使っているアプリ、コピーした文字、選んだ文字）をAIに渡す機能もあり、これもProです。何が渡されるかは、履歴で確認できると公式にあります。
- 日本語での使い心地や、AI整形の日本語の品質は、公式の資料では確認できていません。
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。画面名・設定名は公式の表記を写しています。「どう使うと有意義か」は、僕らの見立てとして、事実と分けて書きます。精度や速さの数字は、載せていません。
先に結論
- 主役は「モード」。 同じ声の入力でも、メッセージ向け、メール向け、メモ向けと、仕上がりを切り替えられます。
- まず「話して入れる」だけを試し、次に整形、会議の順に広げていく流れが分かりやすい。 これは見立てで、公式の推奨ではありません。
- 整形（AI処理）を入れると、データの流れが変わる。 クラウドのAIを使うか、ローカルのAIを使うかで、文字がどこへ行くかが変わります（01と04を参照）。
- 会議、ファイルの文字起こし、文脈の取り込みはPro。 無料のままでは、ローカルのWhisperモデルで話して入れる範囲が中心です。
前提：用語をそろえる
- モード（Mode）：声のモデル、言語、AI整形などをまとめた設定。公式は「声のモデルと、必要ならAI処理を組み合わせて、目的に合わせて形を整えるもの」と説明しています。
- Super：公式の組み込みモードの1つ。使っているアプリに合わせて整える、と書かれています。
- Custom（カスタム）：自分で書いた指示（Custom instructions）をAIに与えるモード。
- Context（文脈）：AIに渡す追加の情報。「Application（アプリ）」「Copied text（コピーした文字）」「Selected text（選んだ文字）」の3つ。Proが必要です。
- Vocabulary（語彙）：名前や略語などを登録して、音声認識のヒントにする機能。
- Replacements（置き換え）：文字起こしのあとに、決まった文字の置き換えをする機能。AIは関わりません。
- System audio（システム音声）：スピーカーから出ている音（動画や会議の相手の声など）。録音する機能がProにあります。
- Realtime（リアルタイム）：話している間に、画面へ文字が出る方式。
たとえ話：「口述を聞き取って、場面ごとに清書してくれる秘書」
話しかけると、そのまま書き取る秘書がいます。さらに「今日はメール用に清書して」「これは箇条書きのメモにして」と頼むと、同じ話でも書き分けてくれます。Superwhisperの「モード」は、この「頼み方の型」にあたります。名前の表記が合わないときは、あらかじめ「この人の名前はこう書く」と渡しておくメモ（Vocabulary）が使えます。ただし、秘書が清書のために誰かに相談する（クラウドのAIを使う）かどうかは、型の選び方で決まります。
主な機能
| 機能 | 公式の資料に書かれていること | 公式の場所 | 確かさ |
|---|---|---|---|
| 話して入力 | ショートカットで録音を始め、止めると、カーソルの位置に文字が入る。メッセージ、メール、メモ、コードなどで使える | Introduction、Quickstart | 書かれている |
| ショートカット | Toggle Recording（標準は⌥ Space）、Push to Talk（押している間だけ録音）、Cancel Recording、Change mode（標準は⌥ ⇧ K）、マウスのショートカット | Essential settings | 書かれている |
| モード | 声のモデル、言語、AI整形などを組み合わせた型。モードごとに、アプリやサイトでの自動切り替えも設定できる | Intro to Modes | 書かれている |
| 組み込みモード | Message、Super、Mail、Note、Voice to Text、（Windowsのみ）Meeting | Built-in Modes | 書かれている |
| Custom mode | 自分の指示を書く。例の入力と出力を2〜3組入れると精度が上がる、と書かれている | Creating a Custom Mode | 書かれている |
| 文脈（Context） | アプリ、コピーした文字、選んだ文字をAIに渡す。Pro | Custom Mode、Context awareness | 書かれている |
| Vocabulary と Replacements | 名前や専門用語を登録する。CSVの取り込みもできる | Vocabulary | 書かれている |
| 履歴（History） | 音声、文字、AIの結果が保存される。検索、別のモードでの再処理、削除ができる | History | 書かれている |
| ファイルの文字起こし | 音声・動画のファイルを文字にする。Pro | File transcription | 書かれている |
| Meetings（Mac） | 録音、ライブの文字起こし、話者ごとのラベル、要約。ボットは参加しない | Meetings | 書かれている |
| システム音声の録音、話者の分離 | モードの詳細設定にある。どちらもPro | Intro to Modes | 書かれている |
| リアルタイム | 話している間に文字が出る。Proと、対応する声のモデルが要る | Realtime（Common issues） | 書かれている |
| 録音中の音の扱い | 音楽や動画を、Keep Playing、Pause、Mute、Lower、Muffleから選べる | Essential settings | 書かれている |
| AIエージェントとの連携 | コーディングエージェント、CLI、MCP（03で扱います） | Coding agents、CLI and MCP server | 書かれている |
組み込みモードの違い
公式の「Built-in Modes」の説明を、短くまとめます（どのモードがProやクラウドを必要とするかは、このページには書かれていませんでした）。
| モード | 公式の説明の要約 |
|---|---|
| Message | 「えー」などの不要な語を取り、文法と句読点を直し、話し方の調子は保って整える。S1-miniでも動く |
| Super | 使っているアプリに合わせて整え、アプリ固有の綴りを直し、口で言ったURLやメールアドレスを書き換える。選んだ文章を声の指示で変える命令にも対応。S1-miniでは動かず、能力の高いモデル（ClaudeやGPTなど）が必要と書かれている |
| 宛名、段落、結びのあるメールの形に整える。Tone（調子）のスライダーがある。S1-miniでも動く | |
| Note | 要点、やること、リストのあるメモの形にする |
| Voice to Text | AI処理なしの文字起こしだけ。結果が速い |
| Meeting | Windowsのみ。議事録の形にする。Macでは、Meetingsという別の機能に置き換わった |
- Message、Mail、Noteには、Casual（くだけた）からFormal（かしこまった）までの「Tone」のスライダーがあります。
場面ごとの使い方（公式が紹介しているもの）
1. メッセージやメールに、話して入れる
- 公式の導入に「messages, emails, notes, and code」の例があります。MessageモードやMailモードが、この場面向けに用意されています。
- 公式の根拠：Introduction、Built-in Modes。
- 見立て：打つより話すほうが楽な、短い返信や下書きから始めると、変化が分かりやすいと思います。
2. アプリごとにモードを自動で切り替える
- 公式は、モードの「Activate for apps」で、指定したアプリやサイトでそのモードに自動で切り替わる、と書いています。
- 公式の根拠：Intro to Modes、Switching Modes。メニューバーやショートカットでの手動の切り替え、
superwhisper://mode?key=...の形のdeep link（アプリを呼び出すリンク）での切り替えも書かれています。 - 見立て：チャットではMessage、メールアプリではMail、と分けておくと、毎回選ぶ手間が省けると思います。
3. 選んだ文章を、声の指示で書き換える
- Superモードは、選んだ文章に対する変換の命令（直して、要約して、など）に対応する、と書かれています。Customモードでも「Selected text」を有効にすれば、同じことができます。
- 公式の根拠：Built-in Modes、Context awareness。選んだ文字は、録音を始めた時点で取り込まれるため、録音を始めるとき、選択のあるアプリに操作の焦点が残っている必要がある、とあります。
- 見立て：文章を選んで話しかけるだけで直せるので、メールの推敲に向いていそうです。ただし、選んだ文字はAIに渡されます。クラウドのモデルなら、外へ出ることになります。
4. 名前や専門用語を正しく書いてもらう
- Vocabularyに登録した語は、音声認識のヒントとして音声と一緒に送られます。Replacementsは、文字起こしのあとに固定の置き換えをします（例：「dot com」を「.com」に）。
- 公式の根拠：Vocabulary。リストを短く保つこと、英語以外の語は精度や言語の判別に影響することがある、とも書かれています。CSVの取り込みと、CLIでの管理もあります。
- 見立て：まず数語から始めるのが無難です。公式も、語が多すぎると逆効果になることがあると書いています。
5. コードや、AIエージェントへの指示を話す
- 公式の導入は、コードも例に挙げています。さらに、Claude Code、Codex、Cursorなど7つのコーディングエージェントに接続でき、エージェントが入力を求めたときに声で答えられる、と書かれています（macOSのみ。03で扱います）。
- 公式の根拠：Introduction、Coding agents。
6. 会議を録音して要約する（Mac）
- Meetingsは、あなたのマイクとMacの音声を録音し、ライブの文字起こし、話者ごとのラベル、終わったときの要約を作ります。ボットは参加しません。要約の型（テンプレート）は、Summary、Email follow up、Action itemsの3つが組み込みで、自分で書くこともできます。
- 公式の根拠：Meetings、Record a meeting、Summaries and templates。
- 録音中に自分用のメモを書けて、要約はそのメモを「会議についての事実」として使う、とあります。メモはあなたのMacに残り、共有リンクには含まれません。
- 会議の録音に関しては、公式の注意として、01に書いたとおり、参加者への通知や同意についての記述は見つかっていません。
- 見立て：まず自分ひとりの練習の録音（独り言）で、文字起こしと要約の形を見てみると、仕組みがつかみやすいと思います。
7. 録音ファイルを文字にする（講義、インタビュー、ボイスメモ）
- 公式は、会議の録音、講義、インタビュー、ボイスメモを例に挙げています。メニューバーのアイコンの「Transcribe File...」や、Finderの「このアプリで開く」から読み込めます（Windowsにも同様の入口があります）。
- 公式の根拠：File transcription。Proの機能で、いま選んでいるモードのモデルで処理されます。
8. 動画やインタビューの音を文字にする
- モードの詳細設定の「Record from system audio（Pro）」は、スピーカーから出る音（動画やインタビューなど）を録音して文字にします。波形が動かないことがあるので、Historyで確かめる、と公式にあります。
- 公式の根拠：Intro to Modes。
9. 複数人の話を、話者ごとに分ける
- 「Identify Speakers（Pro）」で、複数人の録音に話者のラベルが付きます。話者を分けた文字起こしは、同じモードのAI処理を通らない、と書かれています。
- 公式の根拠：Intro to Modes。Meetingsの話者分離はMacの上で動く、とも書かれています。
10. 話している間に文字を見る（リアルタイム）
- 対応する声のモデルを選ぶと、モードに「Realtime」のスイッチが出ます。Pro、対応モデル、そしてIdentify Speakersがオフであること、が条件です。
- 対応するのは、Nova 3、Nova 2、Nova Medical、Scribe（以上クラウド）とParakeet（ローカル）です。S1-Voice、Cohere Transcribe、Whisperは対応しない、と書かれています。
- 公式の根拠：Realtime toggle missing or grayed out（Common issues）。
11. 日本語を別の言語に直す
- 公式のモードの説明には、英語以外の言語では、CustomモードでAIによる翻訳を使う、とあります。Customの指示の例として「Translate the User Message to Spanish.」が挙がっています。
- 公式の根拠：Intro to Modes、Creating a Custom Mode。日本語から別の言語への翻訳の品質は、公式の資料では確認できていません。
12. うまくいかなかった録音を、あとから別のモードでやり直す
- 履歴の録音を開き、「reprocess」のアイコンから別のモードを選ぶと、録り直さずに処理し直せます。
- 公式の根拠：History。
どう使うと有意義か（見立て）
ここからは僕らの見立てです。公式の推奨ではありません。
- 最初は1つのモードだけ。 公式の手順も、最初にMessageモードを1つ作るところから始まります。
- 「整形」と「データの行き先」はセットで考える。 整形のAIをクラウドにすれば、文字がそのAIの提供元へ行きます。内容に応じて、整形なしのVoice to Textにするほうが安心な場面もあります。
- 画面の文脈は、必要なものだけ。 公式も、モードに必要な種類だけをオンにするよう勧めています。多いと、結果が悪くなることがあるそうです。
- Proは、会議かファイルの文字起こしが必要になってから。 無料のローカルのWhisperと、3000語の体験で、ひと通り試せます。
気をつけること
- この記事は、実際に使って確かめた記録ではありません。公式のページを要約の形で読んだ範囲です。
- モードの数の制限は、料金の説明では「無料は、AI処理なしのモードが2つまで」、モードの説明のページには制限の記述がありません。実際の挙動は確かめきれていません。
- どの組み込みモードがProやクラウドを必要とするかは、「Built-in Modes」のページには書かれていませんでした。
- 日本語のAI整形、翻訳、要約の品質は、公式の資料では確認できていません。
- Windowsにはまだない機能（Meetings、CLI、コーディングエージェント連携、Filesyncなど）があります。iPhoneとAndroidは、モードとVocabularyが端末ごとの保存です。
- 録音や文字起こしに他人の声が入る場合の扱い（同意、法律）は、公式の資料を読んだ範囲では書かれていません。この記事は法律の助言ではありません。
出典
- Introduction（Superwhisper、確認日 2026-10-23）
- Quickstart（Superwhisper、確認日 2026-10-23）
- Essential settings（Superwhisper、確認日 2026-10-23）
- Intro to Modes（Superwhisper、確認日 2026-10-23）
- Built-in Modes（Superwhisper、確認日 2026-10-23）
- Switching Modes（Superwhisper、確認日 2026-10-23）
- Creating a Custom Mode（Superwhisper、確認日 2026-10-23）
- Context awareness（Superwhisper、確認日 2026-10-23）
- Vocabulary（Superwhisper、確認日 2026-10-23）
- History（Superwhisper、確認日 2026-10-23）
- File transcription（Superwhisper、確認日 2026-10-23）
- Meetings（Superwhisper、確認日 2026-10-23）
- Record a meeting（Superwhisper、確認日 2026-10-23）
- Summaries and templates（Superwhisper、確認日 2026-10-23）
- Realtime toggle missing or grayed out（Superwhisper、確認日 2026-10-23）
- Coding agents（Superwhisper、確認日 2026-10-23）
- Plans & Pricing（Superwhisper、確認日 2026-10-23）
- Superwhisper on Windows（Superwhisper、確認日 2026-10-23）