音声追従 - 声で動かすテレプロンプター

音声追従が何をするか

音声追従は、読んでいるあいだ耳を澄ませて、原稿を追いつかせます。ゆっくりになればゆっくりに。質問に答えるために止まれば止まります。文の続きを拾えば、そこから先へ進みます。

ページを読み込んだ時点ではオフで、操作バーのマイクのボタンを押すまでオフのままです。それまで何も聞いていません。オンにしたその瞬間に、ブラウザがマイクの許可を尋ねてきます。その手前に私たちのダイアログは挟みません。スイッチを押した時点で、あなたはもうこの機能を求めているからです。

原稿を動かすのは音量ではなく一致です。直前に聞き取れた数語を取り、読み位置ラインの少し先にある語の中からそれを探して、見つかった場所まで原稿を動かします。原稿にない発話は原稿を動かしません。咳払い、照明を持っている人へのひとこと、認識器が取り違えた語。急に飛ぶのではなく、待ちます。

音声はどこへ行くか

音声認識は私たちのものではなく、ブラウザのものです。どのブラウザにいるかによって、音声はあなたの機械の中に留まるか、そのブラウザの提供元へ送られて文字になるかのどちらかになります。スイッチの横の一行が、何かをオンにする前に、そのどちらなのかを書いています。前者の場合はこう出ます。

音声認識は端末の中で動きます。音声はアップロードされません。

後者の場合はこうです。

お使いのブラウザは端末の中で音声認識を実行できません。これをオンにすると、文字起こしのために音声がブラウザの提供元へ送られます。

ブラウザが端末の中で音声を認識できるなら、そちらでやるように頼みます。音声追従を初めてオンにするときは、そのために言語パックのダウンロードが入ることがあります。パックが入ってしまえば、認識はあなたの機械の中で起きます。できないブラウザ、いまのところ Safari と iOS がそれにあたりますが、そちらは文字起こしのために音声がブラウザの提供元へ行き、適用されるのはその提供元の規約です。

どちらの経路でも、私たちはあなたの音声を受け取らず、保存せず、転送しません。そもそもこの経路の中にいません。マイクが話す相手はブラウザで、ブラウザが私たちに渡すのは文字です。

この一行がスイッチの横に常に出ているのは、ほかに誰もそれを言わないからです。ブラウザの許可のダイアログが尋ねるのは、このサイトがマイクを使ってよいかどうかだけです。その後で音声がどこへ行くかは言いません。Apple 自身の指針も、その説明はシステムではなくサイトの仕事だとしています。

私たちが書かない文が 2 つあります。ブラウザによっては偽になるからです。ここでの認識はつねに端末内で行われるわけではありませんし、音声追従はつねにオフラインで使えるわけでもありません。どちらも、端末内で処理する経路で言語パックのダウンロードが済んだ後なら本当です。提供元へ送る経路ではどちらも本当ではありません。文字起こしはよそで起きていて、そこへ届くには接続が要ります。

どのブラウザで使えるか

2026 年 8 月 27 日時点:

Chrome はデスクトップ版も Android 版も動きます。認識自体は Chrome 25 から接頭辞付きで入っていて、Chrome 139 からは端末の中で動かせます。ここが最初に頼む経路です。
Safari は Mac で 14.1 から、iOS で 14.5 から動きます。経路は提供元へ送るほうです。 Apple が端末内で文字起こしをしているのかサーバーでしているのかは端末とその設定によりますし、ウェブサイト側からはどちらが起きているのか見えないので、このページでは分かっているふりをしません。
Edge はインターフェイスを持っていますが、それが当てになりません。どの言語を頼んでも、認識が始まった瞬間に失敗することがよくあります。そうなったときは原稿が一定速度に戻り、その旨を伝えます。
Firefox はデスクトップ版も Android 版も、ウェブサイトには使わせません。バージョン 22 以降、オフの状態で配られています。
Opera は対応していません。
Samsung Internet はバージョン 4 から対応しています。

caniuse は、部分的な対応も数に入れて、音声認識を世界のブラウザ利用の 87.55% としています。その数字にあいている穴のうち 2 つがここでは効いてきます。Firefox と、たまたま入っているほうの Edge です。

最近のブラウザならどれでも使えます、とは言いません。大手のひとつが使えませんし、このページを Firefox で開いた最初の人がそれを指摘できてしまいます。

提供元へ送る経路は、そもそも動くのに接続が要ります。オフラインで動くのは端末内で処理する経路だけで、それも言語パックのダウンロードが済んだ後です。

使えないときに何が起きるか

状態は 2 つではなく 3 つあります。

使える。スイッチがそこにあり、オフになっています。オンにすると、ブラウザがマイクを尋ね、あなたが決めます。

ここでは使えない。ボタンはその場所に残り、利用できない印が付き、その下に、このブラウザは音声認識ができないので原稿は一定速度で流れる、と一行出ます。ボタンは隠しません。説明された機能が製品のどこにも見つからないページは、守るつもりのない約束にあなたの訪問を使わせたことになります。利用できない状態のボタンにもキーボードで到達でき、フォーカスの枠も付きますし、説明の一行はボタンの近くに浮いているのではなくボタンに結び付いているので、スクリーンリーダーにもコントロールと一緒に説明が届きます。

動いている途中で壊れた。認識機能があっても、始まる瞬間に失敗することはあります。Edge は日常的にこれをやりますし、マイクを断られたり接続が切れたりすれば、どこでも起こります。音声追従は自分でオフになり、一定速度の送りが引き継ぎ、操作バーが、原稿は一定速度に戻ったと伝えます。色を変えるだけでなく声にも出して伝えます。その瞬間、あなたが見ているのは操作バーではなく読み位置ラインだからです。

3 つめの状態があるせいで、ブラウザに機能の有無を尋ねるだけでは足りません。Edge は「ある」と答えてから失敗するので、失敗は起きた場所で捕まえて、目に見える形で答えなければなりません。

どの言語で聞き取るか

音声追従は、ページの言語で認識するよう頼み、その言語が扱えるかどうかを、私たちの持つ一覧を見に行くのではなく、その場でブラウザに尋ねます。Chrome は自分の認識器が対応する言語の一覧を公開していませんし、端末内モデルのある言語の集合は予告なく変わります。私たちのコードの中の表は数か月で古くなり、しかも自信たっぷりに間違えます。

ここでは 2 つの一覧が混同されがちです。このサイトのインターフェイスが用意されている言語と、あなたのブラウザが文字起こしできる言語は、出どころが違い、同じ集合ではありません。どちらも、もう一方については何も教えてくれません。

そもそも必要かどうか

たいていの読みには要りません。自分の 1 分あたりの語数に合わせた一定速度がここでの主な道で、プロンプターはそれを軸に作ってあります。音声追従が値打ちを持つのは、速さを決めるのが自分ではないときです。誰かが割り込んでくるインタビュー、ビルドが終わるのを待つデモ、照明を動かすためにいったん止めて段落を読み直すテイク。

代償もあります。マイクが要り、ブラウザの認識器に通じるくらい静かな部屋が要り、たいていのブラウザでは接続が要ります。一定速度はそのどれも要りませんし、ステージに出る所要時間も原稿タイマーも、そこから出てきます。

これは珍しい機能でもありません。2026 年 8 月 27 日時点で、 VoicePrompter と SolPrompter はどちらも無料で、登録なしに音声へ追従します。こちらに固有なのはもっと狭くて、確かめられることです。頼むまではオフであること、ブラウザが端末内の経路を持つならそちらを取ること、オンにする前にどちらの経路かを伝えること、そしてあきらめたときには声に出して言うこと。

よくある質問

Firefox で動きますか？ 動きません。Firefox は音声認識をウェブサイトに使わせていません。テレプロンプター自体はそこでも動き、原稿は一定速度で流れます。

私の声はアップロードされますか？ ブラウザによります。だからこそ、オンにする前にスイッチがそれを書いています。端末の中で音声を認識できるブラウザでは、音声は端末の中に留まります。Safari と iOS では、文字起こしのためにブラウザの提供元へ行きます。私たちが受け取ることはありません。

マイクを許可しなければいけませんか？ はい。そうでなければ音声追従はあなたの声を聞けません。断るのもふつうの答えで、その場合、原稿は一定速度のままになります。

何か録音しますか？ しません。ここでは音声も映像も一切録りません。認識器は話し声を文字に変え、その文字が原稿を動かします。

収録の途中で止まったらどうなりますか？ 原稿は設定した速度に戻り、操作バーがそう伝えます。自分で気づいて判断する必要はありません。