Obsidianで音声入力・文字起こしをする方法

Obsidianのノートに声で入力する方法と、録音した音声や動画をノートに文字起こしする方法を、目的別にまとめます。

Obsidianで声を使う方法は、目的によって2つに分かれます。声でノートに文章を入れる「音声入力」と、録音した音声や動画を文章にする「文字起こし」です。

目的別の方法

  • 話しながらノートに入力したい：OSの音声入力。パソコンとスマートフォンで使えて、無料です。
  • 話し終えてから、OpenAIの文字起こしモデルでまとめて文字にしたい：Voice Input（プラグイン）。デスクトップ版のみで、OpenAI APIの利用料がかかります。
  • 会議や講義を録音して、あとでノートにしたい：オーディオレコーダー（コアプラグイン）で録音し、AI Transcriber（プラグイン）で文字起こしします。録音は無料です。文字起こしはデスクトップ版のみで、OpenAI APIの利用料がかかります。
  • 録音済みの音声・動画ファイルをノートにしたい：AI Transcriber（プラグイン）。デスクトップ版のみで、OpenAI APIの利用料がかかります。
  • Obsidian以外のアプリでも音声入力したい：OSの音声入力か、Blitzmemo（アプリ）。BlitzmemoはMac（Apple Silicon）とWindowsで使えて、無料です。OpenAI APIの利用料がかかります。

Voice Input、AI Transcriber、Audio Recording Timer、Blitzmemoは、このサイトを運営するMusashino Softwareが開発しています。

OSの音声入力を使う

追加のソフトを入れずに試せる方法です。ノートを編集できる状態にして、入力したい位置にカーソルを置いてから始めます。OSやObsidianのバージョンによっては、うまく動かないことがあります。

  • Mac：「システム設定」→「キーボード」で「音声入力」をオンにします。マイクキー（ある機種のみ）か、設定したショートカットを押して話します。詳しくはAppleの説明をご覧ください。
  • Windows 11：Windowsキー＋Hを押して話します。オンラインの音声認識を使うため、インターネット接続が必要です。詳しくはMicrosoftの説明をご覧ください。
  • スマートフォン：Obsidianのアプリで、音声入力に対応したキーボードのマイクのボタンを使います。

Voice Inputで入力する

Voice Inputは、OpenAIのGPT-4o TranscribeまたはGPT-4o Mini Transcribeで、話した内容を文字にしてObsidianに入れるプラグインです。録音を止めると、話した内容がまとめて文字になります。

  1. 「設定」→「コミュニティプラグイン」で「Voice Input」を検索してインストールし、有効にします。
  2. Voice Inputの設定で、OpenAIのAPIキーを入力します。
  3. リボンのマイクのアイコンから入力用の画面を開き、「音声入力開始」を押して話します。ボタンを長押しすると録音が始まり、離すと止まる使い方もできます。
  4. できた文章を、コピーするか、カーソル位置に挿入するか、ノートの末尾に追記します。

よく誤認識される語を辞書に登録しておくと、登録した表記に置き換えます。この置き換えに、追加のAPI料金はかかりません。入力途中の文章は自動で保存され、画面を開き直すと元に戻ります。

使えるのは、Obsidian 1.8.0以降のデスクトップ版（Windows・macOS）です。録音した音声は文字起こしのためにOpenAIへ送られ、APIの利用料はOpenAIから請求されます。

録音して、あとで文字起こしする

オーディオレコーダーで録音する

Obsidianには、録音用のコアプラグイン「オーディオレコーダー」があります。「設定」→「コアプラグイン」で有効にすると、リボンのマイクのアイコン（録音の開始/停止）で録音を始めて、止められます。初めて使うときは、マイクの使用を許可します。録音したファイルは保管庫に保存され、開いているノートの末尾に埋め込まれます。詳しくはObsidianのヘルプをご覧ください。

決めた時刻に録音を自動で止めたいときは、Audio Recording Timerが使えます（Obsidian 1.13.0以降）。パソコンのスリープなどでObsidianが止まっていた場合は、復帰した直後に録音を止めます。

AI Transcriberで文字起こしする

AI Transcriberは、音声や動画のファイルを、OpenAIの文字起こしモデルでノートにするプラグインです。

  1. 「設定」→「コミュニティプラグイン」で「AI Transcriber」を検索してインストールし、有効にします。
  2. AI Transcriberの設定で、OpenAIのAPIキーを入力します。
  3. 保管庫の録音ファイルを右クリックして、「AIで文字起こし」を選びます。保管庫の外のファイルは、コマンドパレットで「AI Transcriber: 音声ファイルを文字起こし (API)」を実行して選べます。
  4. 文字起こしの設定を確かめて始めると、結果が設定したフォルダにノートとして保存されます。

MP3、M4A、WAVなどの音声と、MP4、MOV、WebMなどの動画のファイルを選べます。オーディオレコーダーで録音したファイルも、そのまま選べます。ただし、コーデックやDRMによっては処理できないことがあります。モデルは、GPT Transcribe（既定）、GPT-4o Transcribe、GPT-4o Mini Transcribe、Whisperから選べます。

固有名詞などを辞書に登録して、結果を補正できます。登録した表記に置き換える固定補正には、追加料金はかかりません。文脈に応じた補正は「AI後処理」をオンにしたときだけ行われ、そのぶんのAPI料金がかかります。

使えるのは、Obsidian 1.8.7以降のデスクトップ版です。音声は文字起こしのためにOpenAIへ送られます。AI後処理を使う場合は、文字起こしした文章も送られます。APIの利用料はOpenAIから請求されます。

Obsidian以外のアプリでも音声入力する

Blitzmemoは、Mac（Apple Silicon）とWindowsで使える、無料・オープンソースの音声入力アプリです。ショートカットで呼び出して、Obsidianを含むほかのアプリの入力欄に入力できます。Macでは、ほかのアプリに入力するために、アクセシビリティの許可が必要です。自分のOpenAIのAPIキーを使い、APIの利用料はOpenAIから請求されます。