音声入力はタイピングより速い？研究データで検証

音声入力はタイピングより速いのでしょうか。言葉を画面に出すことに関しては、たいていの場合、答えはイエスです。よく引用されるラボ実験では、スマートフォンに向かって話した人は英語のテキストを毎分153語で入力し、同じスマートフォンのキーボードでは毎分52語でした。3倍近い速さです。ただし、この参加者たちは静かな部屋で短いフレーズを読み上げていました。あなたにとって音声入力のほうが速いかどうかは、何を書くのか、今どれくらい速くタイピングできるのか、そして入力した言葉にあとからどれだけ手直しが必要かによって決まります。

以下では、元の研究の数字、各研究が何を測り、何を測っていないのか、今もキーボードが勝つ場面、そして自分なりの答えを出すための5分間のテストを紹介します。

音声入力とタイピングの速さ：実測された数字

この問いに、出典のないキリのいい数字で答えている記事はたくさんあります。ここでは、一次研究が実際に示した結果を紹介します。まず数え方の約束事を1つ。タイピングとスマートフォンの研究では、スペースを含む5文字を1語として数えています。会話の研究では、実際に話された語を数えています。

タイピングの研究：アールト大学と共同研究機関。スマートフォンの研究：スタンフォード大学、ワシントン大学、Baidu。会話の研究：ペンシルベニア大学。

目を引く点が3つあります。まず、タイピングの速さは人によって大きく異なります。アールト大学のデスクトップのデータでは、平均のまわりの標準偏差が約20 WPM あります。次に、スマートフォンのほうが遅い結果でした。アールト大学のモバイルの研究のボランティアは平均36.2 WPM で、デスクトップの研究のボランティアの51.56の約70%です。そして会話はそのどれよりも速いのですが、数字は数え方によって変わります。通話全体では196 WPM、無音部分を除けば236、話者ごとの発話を別々に計れば164で、通話単位では111から291までの幅がありました。

ただし、どれも日常的な意味での音声入力ではありません。キーボードの研究は書き写しを、会話の研究はおしゃべりを、スマートフォンの研究はフレーズの読み上げを計測したものです。「3倍速い」という話の出どころはこの最後の研究なので、詳しく見ておく価値があります。

スタンフォード大学のスマートフォン研究が検証したこと、しなかったこと

論文は、Sherry Ruan、Jacob Wobbrock、Kenny Liou、Andrew Ng、James Landay による「Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones」です。2016年に最初に公開され、2017年12月に Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies に掲載されました。音声認識を担ったのは Baidu の Deep Speech 2 で、外部のサーバー上で動いていました。

参加したのは大学生48人で、アメリカ英語の母語話者が24人、標準中国語の母語話者が24人でした。全員が静かな会議室に座り、1台の iPhone 6 Plus を共用しています。10個の練習フレーズのあと、各自がテスト用のフレーズ50個をキーボードで、50個を音声で書き写し、誤りはその都度修正しました。フレーズは研究用の標準的なセットから取られたもので、平均30文字未満、句読点はありませんでした。この設計で何が測れるのか、著者たちははっきり述べています。理想的な条件下での、各入力方法の「上限の性能」です。文章を考えて書くのではなく書き写すタスクを選んだのは意図的で、考えて書く場合には考える時間や言葉選びが入り込み、それらは測定が難しいからです。

見出しになることの少ない点が2つあります。1つは、音声入力の速さはタイピングの速さよりはるかにばらつきが大きかったことです。標準偏差は英語の音声で約98 WPM、キーボードでは17でした。もう1つは、話が途切れている間も、時計が止まらずに動き続けていたことです。音声入力の時間のうち、実際に話していたのは39%だけでした。31.5%はユーザー自身のためらい、たとえば話し始める前に1、2秒待ったり、Done ボタンを押す前にぐずぐずしたりする時間で、約23%は認識エンジンが処理を終えるのを待つ時間でした。著者たちは、スマートフォンに話しかけることに慣れるにつれて、このためらいは減っていくだろうと見ていました。

差が縮まるのは誤りを直すとき

この研究からは、修正にかかるコストもわかります。誰も手を加える前の、認識エンジンの最初の出力は英語で179 WPM、キーボードの3.42倍でした。誤りを直すと、それが153まで下がりました。参加者は音声入力の時間の8.5%を修正に費やし、その時間の86%で声ではなくキーボードを使っていました。修正はキーボードのほうが楽、テキストを作るのは音声のほうが楽、というのが参加者の評価でした。

正確さは一長一短でした。英語では、入力中の誤りは音声のほうが少なく、修正済み誤り率はキーボードの4.72%に対して3.93%でした。ところが完成したテキストに残った誤りは音声のほうがわずかに多く、文字数の0.55%で、キーボードは0.35%でした。著者たちは考えられる理由を2つ挙げています。人はわざわざキーボードに持ち替えて直すのをおっくうがるのかもしれないこと、そしてタイピングする人は打つそばから単語が表示されるのを見ているので、誤りに早く気づくことです。いずれにせよ、音声入力したテキストは送る前に読み返すべきだという根拠になります。

かつて修正はもっと大変でした。Ruan らのチームは、Clare-Marie Karat らによる1999年の連続音声入力ソフトの研究を引用しています。その研究では、ユーザーが音声で書き写したときは13.6 WPM、キーボードとマウスで書き写したときは32.5 WPM、音声で文章を考えながら書いたときはわずか7.8 WPM でした。問題の一部は音声での修正にありました。修正のためのコマンドそのものが聞き間違えられ、それをまた直さなければならなかったのです。認識エンジンはその後大きく進歩しましたが、教訓は今も生きています。修正は声ではなく手で行いましょう。

もともとのタイピングの速さも関係します。15以上の低・中所得国にある60以上の病院で、1,000人を超える臨床医や医療従事者の速度を計測した 2025年のプレプリントでは、キーボードの速度の中央値が21.4 WPM だったのに対し、音声入力の中央値は93 WPM でした。ただし慎重に扱ってください。これはプレプリントであり、測定したのは臨床記録の作成で、論文自身が開示しているとおり、筆頭著者を雇用している Intron Health が資金を提供しています。それでも、傾向としては納得がいきます。キーボードで25 WPM なら、まともな音声認識エンジンのほぼどれにでも負けるでしょう。90 WPM なら、差はずっと小さくなります。

音声入力で稼いだ時間を後片付けが食いつぶしているなら、Laxis Voice Keyboard を試してみてください。すべてのプランで初期設定でオンになっている Polish（整形）設定が、テキストを貼り付ける前にフィラーや言い直しを取り除きます。

話すほうが有利な場面、今もタイピングが勝つ場面

音声がいちばんはっきり有利なのは、まずスマートフォンです。37,370人を対象にした研究では、スマートフォンでのタイピングは平均36 WPM でした。次に、返信、要約、通話後のメモのように、何を言うかがすでに決まっているメッセージ。そしてタイピングが遅い人、さらに手に痛みがある人です。最後のケースでは、もはや速さはほとんど問題ではありません。その側面については、ディスレクシア・RSI・ADHD のための音声入力のガイドで扱っています。

一方、キーボードが優位を保つ場面は、見出しから受ける印象よりも多くあります。

• 編集。節を移動する、段落の途中で3語を削除する、テキストを選択するといった操作は、キーとポインタのほうが速く、Ruan らの研究の参加者もそちらを選んでいました。
• コード、記号、正確な文字列。かっこ、大文字・小文字、ファイルパス、正規表現は、口で言うと時間がかかるうえに聞き間違えられやすいものです。音声入力を使う開発者は、コードそのものより、その周りの文章を話す傾向があります。詳しくはコーディングと音声入力の記事で解説しています。
• パスワードと数字。そもそも声に出すべきでない入力欄もありますし、受け付けない音声キーボードもあります。iPhone の Laxis キーボードは、パスワードと数字の入力欄ではマイクを無効にします。
• ごく短い返信。「ありがとう！」や「今向かってます」は、タップすれば1秒です。音声入力を始めて、待って、確認するほうが、言葉そのものより手間がかかります。
• 共有スペース。オープンオフィスや電車の中で音声入力すると、下書きを周囲に聞かせることになります。Ruan らの論文で引用されているあるレビューでは、周囲に人がいる状況でデバイスに話しかけることについて、ユーザーがプライバシーや機密性を気にしていることがわかりました。
• ページの上で考える。コンピューター科学者の Ben Shneiderman は、話すことは問題解決と同じ認知資源と記憶資源を使うため、文章を組み立てる妨げになりうると論じました。本を丸ごと音声入力する作家は、アウトラインを使ってこれを回避しています。作家のための音声入力ガイドで紹介しているとおりです。

AI による整形で計算はどう変わるか

上で紹介したタイピングと音声入力の速さは、ほとんどが整ったフレーズを書き写したときのものです。実際の音声入力は、文章を考えながら書く作業であり、話して作る文章は散らかっています。「えーと」、言い直し、「いや待って、木曜日にして」、1つの長い文として出てきてしまう箇条書き。従来の音声入力はそのすべてをそのまま入力し、後片付けはあとからあなたの時間を使って、たいていはキーボードで行うことになりました。

AI による整形は、その作業の置き場所を変えます。新しい音声入力ツールは、一語一句を書き起こすのではなく、ページに届く前に文字起こしを意図どおりの文章に書き直します。フィラーは消え、言い直しは整理され、箇条書きは箇条書きとして整えられます。あなたの仕事は編集から読むことへと変わります。Ruan らの書き写しタスクには取り除くべきフィラーがなかったので、これでどれだけ時間が節約できるかはこの研究からはわかりません。考えながら書くときに増えるのは、まさに整形が狙う種類の編集です。

整形にもコストはあります。書き直しには処理時間がかかり、クラウドで動く場合は通信が必要です。そして書き直すたびに、意味がずれる余地が生まれます。留保の言葉が落ちる、意図的な繰り返しがまとめられる、人名が「訂正」される、といった具合です。ですから送る前に、特に数字や約束を含むものは、必ず読み返してください。AI による整形が書き始めから書き終わりまでの速さをどれだけ変えるかを測定した、公開済みの研究は見つけられていません。音声入力の宣伝に出てくる「何倍速い」という数字は、私たちのものも含めて測定結果ではなく主張として受け止め、代わりに自分で時間を計ってください。

Mac、Windows、iPhone、Android で使え、カーソルのある場所ならどこにでも入力できる Laxis Voice Keyboard では、次のような仕組みになっています。Polish には2つのスタイルがあります。「Standard」は意図した内容を書き、フィラーを取り除き、言い直しを整理し、口述した箇条書きを整えます。「Keep spoken words」はノイズだけを取り除き、言い回しはそのまま残します。いちばん速く、一語一句そのままの結果が欲しければ Polish をオフにします。処理はクラウドで行われ、音声入力は会議の録音と月ごとの1つの時間枠を共有します。無料の Basic プランでは300分、Premium では2,000分です。

実際に音声入力を速くするには

1. キーを押す前に、最初の1文を決めておく。Ruan らの研究では、ためらいが計測時間の3分の1近くを占めていました。
2. 文単位でまとめて話してから間を置き、言葉が表示されていくのを見つめない。
3. 誤りは声ではなく、キーボードとマウスで直す。
4. 人名や略語は一度ツールの辞書に登録し、そのツールが対応しているいくつかの句読点や書式のコマンドを覚える。

自分の数字を知るための5分間テスト

公表されている平均値は、何千人もの見知らぬ人たちのものです。このテストが示すのは、修正も含めた、あなた自身の文章でのあなたの速さです。

1. 今日送る必要のある実際のメッセージを2つ選ぶ。長さと難しさが同じくらいのもの、たとえば1段落ずつのメールの返信2通などです。
2. 1つ目をタイピングする。書き始めたらストップウォッチをスタートし、誤字を直して送信できる状態になったら止めます。
3. 2つ目を音声入力する。ルールは同じです。声で直すにせよ手で直すにせよ、すべての修正を含めて、送信できる状態になるまで時計を止めません。
4. 1分あたりの語数を計算する。それぞれのメッセージを、スペースを含む文字数を表示できる文字数カウンターに貼り付け、5で割り、さらにかかった分数で割ります。600文字のメールを2分半で仕上げたなら、2.5分で120語、つまり48 WPM です。
5. 明日は入れ替えて繰り返す。今日音声入力した種類のメッセージをタイピングし、タイピングした種類を音声入力します。こうすると、どちらがたまたま簡単だったかという運の要素がならされます。Ruan らのチームは、参加者ごとにどちらの方法を先に試すかを変えることで、同じことをしていました。

テストは実際に仕事をする場所で、ふだん本当に使うマイクで行ってください。静かな部屋は、Ruan らの研究の参加者に対してそうだったように、音声入力を実力以上に良く見せます。音声入力のほうが速さではなく正確さで負け続けるなら、音声入力が言葉を間違える理由のガイドで、マイク、部屋、語彙について順に確認できます。パソコン版の Laxis は音声入力の1分あたりの語数を表示しますが、そのあとメールの中で行う編集までは把握できないので、タイピングと公平に比べるならストップウォッチの数字のほうが適しています。

結果の読み方

• 音声入力がはっきり勝った場合：下書きや返信には音声入力を使い、編集はキーボードで行いましょう。
• ほぼ互角の場合：スマートフォンでは、あるいはタイピングで手が疲れるなら、それでも音声入力を使う価値はあります。
• タイピングが勝った場合：マイクと部屋を確認し、1週間続けてから、もう一度テストしてください。デバイスに話しかけることが習慣になれば、ためらいが減るかもしれません。

第二言語で書くことはありますか。押して話すという同じ習慣は、翻訳付きの音声入力にも使えます。詳しくは音声翻訳ツールの選び方のガイドで説明しています。

話しながら整えてくれるキーボードで、時間を計ってみましょう。Mac、Windows、iPhone、Android の Laxis Voice Keyboard で5分間テストを試してください。Polish がフィラーや言いかけを取り除きます。14日間の Premium トライアル付き、クレジットカード不要。Laxis Voice Keyboard を入手する

結論

研究が出す答えはイエスです。スマートフォンで、静かな部屋で、短いフレーズなら、大差で音声入力が勝ちます。実用上の答えは、あなたのストップウォッチが示すとおりで、たいていの人にとってはタスクによって変わります。言葉を出すには話し、形を整えるにはタイピングする。ですから、本当に役立つ問いは、全体としてどちらが速いかではありません。自分の文章のどの部分なら、喜んで声に任せられるかです。

よくある質問

音声入力はタイピングより速いですか？

テキストを作ることに関しては、特にスマートフォンでは、たいてい音声入力のほうがタイピングより速いです。Ruan らのラボ実験では、英語の音声入力が毎分153語に達し、スマートフォンのキーボードは毎分52語で、約2.9倍の速さでした。編集、考える時間、周囲の雑音が加わると差は縮まるので、決める前に実際のメッセージで自分の時間を計ってください。

人が話す速さは、タイピングの速さと比べてどれくらいですか？

人はタイピングよりずっと速く話します。Yuan、Liberman、Cieri による2006年の研究では、録音された英語の電話の会話は、通話全体で毎分約196語、無音部分を除くと236語、話者ごとの発話を別々に計ると約164語でした。オンラインのタイピングテストを受けたボランティアを対象にしたアールト大学の大規模な研究では、平均のタイピング速度はパソコンで毎分約52語、スマートフォンで36語でした。どちらも書き写しのテストで測定されています。

平均的なタイピング速度はどれくらいですか？

アールト大学の2つの大規模な研究でオンラインのタイピングテストを受けたボランティアの平均は、パソコンのキーボードで毎分約52語、スマートフォンで36語でした。168,000人を対象としたデスクトップの研究では51.56 WPM（標準偏差は約20）、37,370人を対象としたモバイルの研究では36.2 WPM でした。どちらも、文章を考えて書くのではなく、書き写す時間を計っています。

音声入力はタイピングより正確ですか？

音声入力は、入力している最中の誤りは少なくても、完成したテキストにはわずかに多くの誤りが残ることがあります。Ruan らの英語の実験では、音声の修正済み誤り率はキーボードの4.72%に対して3.93%でしたが、最終的なテキストで誤ったまま残った文字は、キーボードの0.35%に対して0.55%でした。音声入力したテキストは、特に人名と数字を校正してください。

音声入力がタイピングより遅く感じるのはなぜですか？

音声入力が遅く感じられることが多いのは、話すこと自体ではなく、その前後にかかる手間のせいです。スタンフォード大学が主導したスマートフォンの研究では、音声入力の時間のうち話していたのは39%だけで、31.5%は話す前後のユーザーのためらい、約23%は認識エンジンが追いつくのを待つ時間でした。始める前に最初の1文を決めておくことと、誤りをキーボードで直すことが、どちらも効果的です。

AI による整形で音声入力は速くなりますか？

AI による整形は、テキストが表示される前にフィラーを取り除き、言い直しを整理し、箇条書きを整えることで、編集の時間を節約できます。ただ、文章作成全体の速さへの効果を測定した公開済みの研究は見つけられていません。また、書き直しには処理時間がかかり、意味がずれる余地も生まれます。いくつかの実際のメッセージで、整形をオンにした場合とオフにした場合の時間を計り、自分にとってどちらが速いか確かめてください。