NotchLiveMacでApple SpeechとWhisperを比較：聞き慣れた音声を同じアプリで試す
聞き慣れた音声を使い、AppleとWhisperを一つのアプリで比較しましょう。NotchLiveなら同じ字幕ワークスペースで音声を繰り返し再生し、エンジンを切り替えて、人名や専門用語、普段の会話をどちらがより正確に捉えるか確かめられます。
実用的な選択に大規模な評価データは必要ありません。自分にとって大切な言葉が合っているか、字幕を無理なく追えるかから始めましょう。以下は無料のライブ字幕で試せます。有料の録音・書き出し機能は任意です。
同じ音声で両方のエンジンを試す
- 聞き慣れた短い音声を選びます。聞いて確かめられる録音で、人名、製品名、専門用語が入ったものが便利です。両方の試行で使う開始・終了位置を控え、再生する権利のある音声を使ってください。
- アプリの音声だけを使います。認識設定を変える前に字幕を一時停止します。Settings → Speech & AudioでListen ToをApps & Mediaに設定します。プレーヤー、音量、再生速度はそろえ、マイク入力は後で別に比較します。
- 話している言語を指定します。Apps & Media Languageを音声の言語にし、地域を選べる場合はそれもそろえます。NotchLiveではAutomaticを選ぶとWhisperになります。今回の比較には明示的な言語を選んでください。
- Appleオプションを試します。Speech engineでAppleを選びます。必要なダウンロードや準備が終わるまで待ち、言語設定の下に表示されるApple SpeechまたはApple Dictationを記録します。字幕を再開し、選んだ範囲を再生します。
- Whisperで同じ範囲を試します。字幕を一時停止してWhisperを選び、Smallなどのモデル名を控えます。必要なら準備し、字幕を再開して同じ位置から再生します。二つを同時に動かさず、順番に比較します。
- 難しい言葉を確かめます。人名、数字、専門用語がどちらで合っていたかを記録します。語句の抜け、無音中の余分な言葉、間が空いた後の復帰にも注目します。点数を計算しなくても実用的な判断はできます。
最後の言葉が落ち着くまで待ってから確定した文章を見てください。ダウンロードやモデル準備の時間と、聞きながら読む感覚は分けます。後で大きなWhisperモデルを試す場合も、別の試行としてモデル名を記録しましょう。
どこを比較すればよい？
最初の一文だけで決めず、次の点を確かめると役立ちます。
- 人名、略語、専門用語：実際に聞こえた言葉が字幕に残っていますか。
- 数字、単位、否定：金額や日付、否定語の抜けで意味が変わっていませんか。
- 間と無音：小さな声の返答が抜けたり、誰も言っていない言葉が増えたりしませんか。
- 読みやすいタイミング：役立つ言葉はいつ現れ、確定までにどの程度変わりますか。
Apple SpeechとApple Dictationは別の認識器
設定に表示された実際のモデル名をメモと一緒に残します。それぞれ別のAppleモジュールに対応します。
| NotchLiveの表示 | Appleのモジュール | 結果と一緒に記録する項目 |
|---|---|---|
| Apple Speech | SpeechTranscriber | Apple Speechと選択したロケール |
| Apple Dictation | DictationTranscriber | Apple Dictationと選択したロケール |
NotchLiveのAppleオプションは対応していればSpeechTranscriberを優先し、対応言語によってはDictationTranscriberを使います。両者の結果を分け、DictationTranscriberの試行をSpeechTranscriberの結果として扱わないでください。AppleもSpeechTranscriberとDictationTranscriberを別々に説明しています。設定でWhisperになった場合、その試行はWhisperとして記録します。
言語とMacに合わせて選ぶ
NotchLiveのApple認識にはmacOS 26以降と対応するMac・言語が必要です。ダウンロードが必要な場合もあります。Whisperは以前の対応macOSでも使え、複数のモデルサイズを選べます。言語への対応と認識精度は別なので、自分の用途で両方を確かめましょう。
NotchLiveを更新しても、既存のWhisperユーザーが自動でAppleに移ることはありません。設定で変更できます。NotchLive 1.14では自動言語検出とファイル読み込みにWhisperを使います。Appleの音声モデル、Apple Translationの言語パック、Apple Intelligenceは別の機能とダウンロードです。
翻訳字幕を確認する場合も、まず認識された原文を見てください。翻訳はその後に行われ、違いの原因が一つ増えます。まずCaptionモードで比較し、翻訳は同じ翻訳先と設定で別に評価します。
任意：比較結果を測定する
測定方法と詳細を表示
測定結果を公開するなら、再現できる手順と適用範囲を示しましょう。この記事は測定による勝者を示すものではなく、NotchLiveの字幕画面が評価スコアを自動計算するわけでもありません。
- 確認済みの正解テキストを用意します。単語区切りが適する場合は単語誤り率（WER）、ほかの文字体系では文字誤り率（CER）や明示した分割方法を使います。句読点、大文字小文字、数字、表記の正規化を説明します。
- 最初の文字が見えるまでの時間と確定までの時間を分けて測ります。早い仮の推測と正確な確定文は、違う観点の指標です。
- NotchLiveのビルド、実際の認識器、Whisperモデル、Mac、macOS、ロケール、音声経路、再生範囲、初回か準備済みか、試行回数を記録します。ダウンロードと準備の費用は分けます。
- アプリのCPU使用率が低いだけではNeural Engineの利用や総消費電力の低さは証明できません。Appleの音声サービスはアプリ外でも処理するため、測ったプロセスと資源を示してください。
- 複数の人間の音声を使い、成功例と失敗例を両方示します。必要な権利がある場合だけ音声や正解テキストを共有します。少数の音声の結果を全言語や全アクセントに広げないでください。