エンジンとモデルの選び方
文字起こしの「AI (Apple Intelligence)」と「標準」、要約の Apple Intelligence、外部モデルの WhisperKit と MLX Pro の違いと選び方。モデルのダウンロードと削除。どれも端末の中で動きます。
最初の組み合わせ
何も変えなければ、次のエンジンで動きます。どちらも Apple の純正で、無料です。
| 役割 | 既定のエンジン | 備考 |
|---|---|---|
| 文字起こし | AI (Apple Intelligence) | その言語で初めて録音するときに、音声認識のモデルを OS からダウンロードします |
| 要約 | Apple Intelligence | ダウンロード不要。端末の Apple Intelligence を使います |
文字起こしのエンジンは設定の「認識エンジン」で、要約のエンジンは設定の「要約エンジン」か要約の欄の「要約の設定」で選びます。「要約エンジン」は Pro のときだけ出ます (無料では Apple Intelligence だけです)。
文字起こしのエンジン
| エンジン | 版 | 特徴 |
|---|---|---|
| AI (Apple Intelligence) | 無料 | 既定。Apple の新しい音声認識 (SpeechAnalyzer)。長い会議でも安定。初回は言語ごとにモデルをダウンロード。「不適切な言葉を伏せ字にする」が使える |
| 標準 | 無料 | Apple の従来の音声認識。ダウンロード不要ですぐ使える。端末の中で認識できる言語だけ。初回に「音声認識」の許可を求める |
| WhisperKit large-v3 (量子化) | Pro | 高精度。多言語。約 0.6GB のダウンロード。メモリ 6GB 以上の端末 |
| WhisperKit small | Pro | 軽くて速い。多言語。約 0.5GB のダウンロード。メモリ 4GB 以上の端末 |
- 設定の「言語」には、選んでいるエンジンが対応する言語だけが並びます。純正の二つは、端末と iOS が対応する言語です
- WhisperKit で選べる言語は、日本語、英語、中国語、韓国語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、ロシア語、オランダ語、スウェーデン語、ポーランド語、トルコ語、アラビア語、ヒンディー語、ベトナム語、タイ語、インドネシア語です
- 「標準」は、Mac 版と違って、端末の中で認識できない言語を Apple のサーバーで認識することはありません。その言語では文字起こしをせず、理由を知らせます
- 文字起こしのエンジンを変えると、次の録音から効きます
要約のエンジン
| エンジン | 版 | 特徴 |
|---|---|---|
| Apple Intelligence | 無料 | 既定。ダウンロード不要。「安全対策の強さ」を選べる |
| MLX Qwen3.5 2B | Pro | 軽い要約モデル。約 1.6GB のダウンロード。メモリ 6GB 以上の端末 |
| MLX Qwen3.5 4B | Pro | より丁寧な要約。約 3GB のダウンロード。メモリ 8GB 以上の端末 |
- どのエンジンも、要約は Otonota が前に出ている間だけ作ります (iOS が裏にいるアプリに要約の処理をさせないため)
- MLX のモデルは、録音を始めたときにメモリへ読み込みます。読み込みには数秒から十数秒かかります
- 要約のエンジンは録音中でも変えられ、次の要約から効きます
- 論点整理 (Pro) は、要約のエンジンにかかわらず Apple Intelligence で作ります
どれを選ぶか
- まずは既定のまま — 「AI (Apple Intelligence)」と Apple Intelligence。ダウンロードは音声認識の言語モデルだけです
- 言語のモデルをダウンロードせずにすぐ録りたい — 文字起こしを「標準」に。ただし対応する言語は少なめです
- 純正が対応しない言語で文字起こししたい Pro — WhisperKit。設定の「言語」に出ない言語は、エンジンを WhisperKit にしてから選び直してください
- 文字起こしの精度を上げたい Pro — WhisperKit large-v3 (量子化)。メモリの少ない端末では small
- Apple Intelligence が対応しない言語で要約したい Pro — MLX。2B は軽く、4B はより丁寧です
- 普通の会話でも要約を断られる — エンジンを変える前に、設定の「安全対策の強さ」が「ゆるめ (要約・翻訳向け)」になっているか確かめてください
外部モデルは、端末のメモリを多く使います。Otonota は iOS がアプリに許すメモリの上限を引き上げる設定を使っていますが、メモリが足りない端末には、そのモデルが一覧に出ません。
| 端末のメモリ | 選べる外部モデル |
|---|---|
| 4GB | WhisperKit small |
| 6GB | 上記 + WhisperKit large-v3 (量子化)、MLX Qwen3.5 2B |
| 8GB 以上 | 上記 + MLX Qwen3.5 4B |
モデルのダウンロード Pro
設定の「外部モデル」の欄に、その端末で使えるモデルが並びます。
- モデルの右の ↓ ボタンを押します。モバイル通信のときは「モバイル通信でダウンロードしますか?」と、大きさを添えて確かめます。Wi-Fi をおすすめします
- 進み具合が棒で出ます。やめるときは × ボタンを押します
- 終わると、端末の上での大きさが出て、設定の「認識エンジン」か「要約エンジン」で選べるようになります
- ダウンロードは 1 本ずつです。続けて押したものは「待機中」で順番を待ちます
- 空き容量が足りないときは、始める前に「空き容量が足りません。」と、必要な大きさを知らせます (モデルの大きさより少し多めに要ります)
- 録音中はダウンロードできません。ダウンロードの途中で録音を始めると、ダウンロードを止めます。録音のあとで、もう一度押してください
- モデルは、それぞれの配布元 (Hugging Face) からダウンロードします。会社のネットワークなどで配布元に届かないと、ダウンロードできません
- 純正の「AI (Apple Intelligence)」の言語モデルは、外部モデルとは別に、録音を始めるときに OS がダウンロードします
モデルを削除する
- 「外部モデル」の欄で、モデルの右のごみ箱のボタンを押し、「削除」を押します。使うときは、もう一度ダウンロードが要ります
- 録音や要約に使っている最中のモデルには「使用中」と出て、削除できません
- 選んでいたモデルを削除すると、文字起こしは「AI (Apple Intelligence)」、要約は Apple Intelligence に戻ります
- Pro でなくなっても、ダウンロード済みのモデルは「外部モデル」の欄から削除できます
モデルはアプリの中に置かれ、端末のバックアップには入りません。
端末の外に出るもの
文字起こしも要約も、どのエンジンでも端末の中で処理します。音声や文字をサーバーに送るエンジンはありません。通信するのは、モデルのダウンロード (音声認識の言語モデル、外部モデル、話者分離のモデル) と、App Store での購入・復元のときだけです。
オトノタ