Willow Voice入門:新モデル「Atlas 1」で進化した“喋るだけで書ける”AI音声入力サービス

AIサービス紹介 のアイキャッチ

米国のスタートアップWillowが開発する音声入力アプリ「Willow Voice」が、新しい音声認識モデル「Atlas 1」を発表した。キーボード入力の代わりに“話すだけ”でメールやドキュメントを書き上げるという発想のツールで、Mac・Windows・iPhoneに対応する。本記事ではAtlas 1で何が変わったのか、料金やプライバシー面の特徴、競合との違いを整理する。

音声入力で文章を作成するAIサービスのイメージ

Willow Voiceとは

Willow Voiceは、OSの標準ディクテーション機能に代わる音声入力アプリとしてY Combinator発のスタートアップWillowが開発している。話した内容をそのまま文字起こしするだけでなく、フィラーワード(「えー」「あの」)の除去、句読点の補正、書き先のアプリや相手に応じた文体調整までを自動で行い、「話す→そのまま送信できる文章になる」体験を目指しているのが特徴だ。対応プラットフォームはMac・Windows・iPhoneで、100以上の言語をサポートする。

新モデル「Atlas 1」で何が変わったか

今回発表されたAtlas 1は、Willowが独自に開発した音声認識モデルで、公式発表ではElevenLabsやDeepgram、OpenAIの音声認識モデルを精度面で上回るとしている。処理レイテンシは約200ミリ秒とされ、競合の500〜700ミリ秒前後と比べて体感の反応速度が速い点が売りだ。なお、これらの比較数値はWillow自身の発表・公式ブログに基づくものであり、第三者による独立したベンチマーク検証ではない点には留意したい。

主な機能

  • 文脈に応じた文体調整:宛先や書いている場所(メール/チャット/ドキュメントなど)を判別し、フォーマルさを自動で調整する。
  • 自動整形:フィラーワード除去、句読点補正、話し方のクセを学習した言い回しの調整。
  • Private Mode(既定でオン):デフォルトで音声・文字起こしテキスト・画面内容をサーバーに保存しない設定になっており、学習データ提供はユーザーが任意でオプトインする方式。
  • マルチプラットフォーム:Mac・Windows・iPhoneアプリのほか、Cursorなど開発ツールでの音声入力にも対応。
マイクの写真
Photo: evanforester / CC BY 2.0(Openverse経由)

料金プラン

プラン 料金 主な内容
Free 無料 週2,000ワードまで(クレジットカード登録不要)
Individual Pro 月額12ドル(年払い) 個人向け無制限利用
Team 1ユーザーあたり月額10ドル 共有辞書・チームショートカット・管理者機能
Enterprise 要問い合わせ BAA締結・カスタムコンプライアンス対応

料金体系は公式サイトの料金ページで随時更新されるため、契約前に最新情報を確認してほしい。

競合との違いと注意点

音声入力AIとしてはWispr Flowが代表的な競合として挙げられる。Willow公式の比較コンテンツでは「Wispr Flowは音声を文字に変換したあと編集が必要になる場面が多いのに対し、Willow Voiceは話し終えた時点でほぼ完成した文章になる」と説明されているが、これはWillow自身によるポジショントークである点は割り引いて読む必要がある。両者とも年額換算では同程度の価格帯(144ドル/年前後)で競っており、Wispr Flowの方が製品としての実績・ドキュメントの蓄積は長い。

プライバシー面では、Willow VoiceはSOC 2 Type IIおよびHIPAA準拠を謳い、既定で音声・テキストをサーバーに残さない設計を採用している点は評価できる。一方で、常時マイクを待機させて発話を検知する仕組み上、バッテリー消費や「常にマイクがオンになっている」ことへの心理的な抵抗感を持つユーザーもいる。業務利用では、社内規定や機密情報の取り扱いルールと照らし合わせたうえで導入を検討したい。

まとめ

Willow Voiceは、OS標準の音声入力よりも高精度・低遅延を謳う音声入力AIサービスとして、Atlas 1の投入でさらに競争力を高めた格好だ。無料プランで週2,000ワードまで試せるため、キーボード入力を減らしたい人やタイピングが負担になる場面が多い人は、一度試してみる価値がある。ただし性能面の比較数値の多くは自社発表である点、常時音声待機というプライバシー上の特性がある点は理解したうえで利用したい。


主な情報源

各ツールは提供元の規約に従ってご利用ください。情報は各情報源の公開時点のものです。収集・要約はAI、公開判断は人。