結論：Aqua VoiceはStarter（1,000語）から始められ、Proは年払い月額8ドル・月払い月額10ドルのクラウド型AI音声入力アプリだ。Mac・Windows・iOSに対応し、公式サイトは49言語を案内している。2026年9月時点で公式サイトは49言語対応を案内しており、日本語の複雑な文字入力を避けたいプログラマー層を中心に広がっている。
- 要点1：無料のStarterプランは1,000語まで。継続利用にはPro（年払い$8/月、月払い$10/月）以上が必要
- 要点2：独自音声認識モデル「Avalon」は公式ブログで紹介された英語向けモデルで、日本語は汎用の49言語対応エンジンが担う
- 要点3：Mac・Windows・iOSに対応。クラウド音声入力はインターネット接続が必要で、Androidは現在ウェイトリスト
対象読者：AIエージェントへのプロンプト入力やドキュメント作成を音声で高速化したい開発者・ビジネスパーソン
今日やること：Starterプラン（無料・1,000語）でMacまたはWindowsにインストールし、日本語での認識精度を実際に試す
「Aqua Voiceって結局、日本語でも実用レベルなの？」
この疑問に対する2026年9月時点の答えはシンプルだ。Aqua Voiceは公式に49言語対応をうたい、2026年7月26日のアップデートでは音声コマンド機能が英語・日本語・スペイン語・フランス語・ドイツ語・ロシア語に対応したことが公式チェンジログで明記された。さらに興味深いのは、AIエージェント関連メディアが2026年4月に報じた「Aqua Voiceのユーザーの半数超が日本にいる」という事実だ。Y Combinator出身のこのスタートアップが、なぜ日本のプログラマーコミュニティで火が付いたのかを含めて、料金・機能・日本語対応の実態を一次情報ベースで整理する。
結論から言えば、Aqua Voiceは「AIエージェントへの入力レイヤー」として設計されたツールだ。ChatGPTやClaude、Cursorなどへのプロンプトをタイピングではなく音声で流し込みたい層に刺さる構造になっている。この記事では、公式サイト・公式changelog・公式比較ページを直接確認したうえで、料金プラン、日本語対応の実際の中身、Wispr FlowやOSS系ツールとの違い、導入手順までを一次ソース付きでまとめた。
Aqua Voiceとは — AIエージェント時代の音声入力レイヤー
Aqua Voiceは、Y Combinator（W24バッチ）出身のAqua社が開発するクラウド型のAI音声入力アプリだ。公式サイトは自社の役割を「Aqua turns your voice into clear text in real time, for everything from AI prompts to essays（Aquaはあなたの声を、AIプロンプトからエッセイまであらゆる用途向けにリアルタイムで明瞭なテキストへ変える）」と説明している。
2024年にYCから「音声駆動のドキュメントエディタ」として登場し、2025〜2026年にかけて「AIエージェント時代の入力レイヤー」へと位置づけを転換したのが特徴だ。公式サイトはClaude Code、Claude Opus、ChatGPT、Cursor、Geminiとの親和性を前面に押し出しており、コードエディタ（Cursor、Windsurf、VS Code）やビジネスチャット（Slack、Microsoft Teams、Gmail、Outlook）、ドキュメントツール（Google Docs、Word、Notion）など、アプリごとの個別設定なしにシステム全体で動作するとされている。
基本的な仕組みは、ホットキーを押しながら話すと、AIがリアルタイムで文脈を読み取りながら整形済みテキストに変換するというもの。公式サイトでは「230 WPM（1分あたり230語）でタイピングの5倍速、精度は2倍」という自社計測値を掲げている。
主要機能 — Instant Mode・Realtime Mode・Deep Context
公式ドキュメント（aquavoice.com/llms.txt）で確認できる主要機能は以下の通り。
| 機能 | 内容 |
|---|---|
| Instant Mode | 話し終えた区切りごとに即座にテキスト化する標準モード |
| Realtime Mode | 話しながらリアルタイムで文字が表示される上位モード（Maxプラン以上） |
| Deep Context | 画面上のテキストやコード構文を読み取り、文脈に応じた変換精度を高める機能 |
| Edit Mode | 2026年7月20日追加。テキストを選択してAquaキーを押しながら話すと、音声で既存文章を編集できる |
| Send It | 2026年7月26日追加。「送信」と話すだけでハンズフリーのRealtime入力を確定・送信できる音声コマンド。英語・日本語など6言語に対応 |
| Custom Dictionary | 技術用語や固有名詞を辞書登録。Proプランで800件まで登録可能 |
| Computer Control | ベータ版、macOS限定の音声操作機能 |
音声入力はクラウド処理が前提になる。公式FAQは、クラウド音声入力にはインターネット接続が必要で、オフライン対応はプラットフォーム・アプリ版・モードによって異なると案内している。オフライン環境で使う場合は、対象端末の現行仕様をサポートへ確認したい。
料金プラン — Starter無料〜Enterpriseまで
公式料金ページ（aquavoice.com/pricing、2026年9月18日に確認）に基づく料金体系は以下の通り。
| プラン | 月額（年払い時） | 月額（月払い時） | 語数上限 | 主な機能 |
|---|---|---|---|---|
| Starter（無料） | $0 | $0 | 1,000語（一度きり） | Avalon transcription model |
| Pro | $8/月（年間$96） | $10/月 | 無制限 | Avalonモデル、カスタム辞書800件、Custom Instructions |
| Max | $24/月（年間$288） | $30/月 | 無制限 | Pro全機能＋Realtime Mode、Send It音声コマンド、優先サポート |
| Team | $12/ユーザー・月（年払い） | — | 無制限 | Pro全機能＋一括請求、チーム共通設定 |
| Enterprise | 要問い合わせ | — | 無制限 | SSO/SAML＋SCIM、ゼロデータ保持、ボリュームディスカウント |
注意点が2つある。1つ目は、学校のメールアドレス（.edu、.ac.jpなどの学術ドメインを含む）で登録するとPro・Maxが70%オフになる学割制度があること。2つ目は、公式料金ページに掲載された個人向け料金は、Proが年払い$8/月（または月払い$10/月）、Maxが年払い$24/月（または月払い$30/月）だ。Teamは年払いで1ユーザー月額$12、Androidは現在ウェイトリストである。
料金情報の最終確認日：2026年9月18日（公式pricing pageを直接取得して確認）
日本語対応の実際 — 「Avalon＝英語限定」という注意点
ここが最も誤解されやすいポイントだ。Aqua Voiceの看板機能である独自音声認識モデル「Avalon」は、2025年10月に発表された当初、公式ブログが紹介するAvalon 1.5のベンチマーク値は、Avalon 1がWER 6.24%、Avalon 1.5がWER 5.55%である。これは公式が説明するベンチマーク結果で、利用環境や言語をまたぐ一律の精度保証ではない。しかし、この公式ブログ記事には「Avalon is available on the Aqua Voice app for English and via our API（Avalonはアプリ内では英語向け、およびAPI経由で利用可能）」と明記されている。つまり、リーダーボード1位という成果は主に英語音声認識の話であり、日本語の文字起こし精度を直接保証するものではない。
では日本語はどのモデルが担うのか。公式サイトの説明では、Aquaは英語以外を含む「49言語」を理解するとされ、自動言語判定機能も備える。日本語はこの汎用エンジン側で処理される。公式チェンジログ（2026年7月26日付、v0.18.0）では、音声コマンド「Send It」の対応言語として英語・日本語・スペイン語・フランス語・ドイツ語・ロシア語が明記されており、少なくとも主要機能レベルで日本語が正式サポート対象であることは一次情報から確認できる。
実際の精度については、日本語ユーザーによるレビュー記事が複数存在する。日本語話者によるnote記事や技術ブログでは、「きかん」（期間・機関・気管・帰還）のような同音異義語を文脈から正確に判定できる点や、リアルタイム表示で認識結果をその場で確認できる点が評価されている（ただしこれらは個人の使用感であり、公式の第三者ベンチマークではない）。
そして最も特徴的なのが、AIエージェント業界メディアが2026年4月17日に報じた「Aqua Voiceのユーザーの50%超が日本にいる」という報告だ。記事によれば、この普及はエンタープライズ営業ではなく、インフルエンサー主導の口コミによる有機的な広がりで、背景には日本語入力（IME変換）の煩雑さにストレスを感じたプログラマーが、AIエージェントへのプロンプト入力を音声に切り替えたという構図があるとされている。日本語対応の「量」よりも「開発者コミュニティでの実利用実績」という角度で見ると、他の音声入力ツールにはない独自のポジションを確立していると言える。
Whisper系OSSツール・Wispr Flowとの違い
音声入力AIには大きく3つの系統がある。Aqua Voiceのようなクラウド専用の商用サービス、Wispr Flowのような競合クラウドサービス、そしてWhisperベースのオープンソース・ローカル実行系だ。公式比較ページ（aquavoice.com/vs/openwhispr）や各社公式サイトの情報をもとに整理すると以下のようになる。
| ツール | 提供形態 | 対応言語数 | 料金目安 | 特徴 |
|---|---|---|---|---|
| Aqua Voice | クラウド専用 | 49言語（Avalonは英語向け） | $8〜/月（年払い） | Send It音声コマンド、Deep Context、開発者向けAvalon API |
| Wispr Flow | クラウド専用 | 100以上の言語 | $12〜/月（年払い）、無料枠2,000語/週 | Mac/Windows/iOS/Android対応、Notetaker機能 |
| OpenWhispr | OSS・ローカル実行 | Whisper/Parakeetのモデル依存 | コア無料、Pro約$80/年 | オフライン動作、BYO APIキー対応 |
Aqua Voice公式の比較ページでは、自社ベンチマーク「AISpeak」（技術用語を含む音声のテスト）において「Avalon 97.3%」対「Whisper Large v3 65.1%」という数値を掲げ、技術用語の認識精度で優位性を主張している。ただしこれはAqua Voice自身が実施した自社ベンチマークであり、第三者による独立検証ではない点は割り引いて見る必要がある。
使い分けの目安としては、対応言語の広さと無料枠を重視するならWispr Flow、オフライン動作とコストゼロを重視するならOpenWhispr等のOSS系、AIエージェントへのプロンプト入力の速さと開発者向けAPIを重視するならAqua Voice、という整理になる。
導入手順 — Avalon APIを使った開発者向け連携も含めて
一般利用者向けのセットアップは以下の5ステップだ。
- アカウント作成：aquavoice.comでメールアドレス登録（Starterは無料、クレジットカード不要）
- アプリのインストール：macOS（Apple Silicon/Intel）またはWindows 10/11向けのデスクトップアプリをダウンロード
- ホットキー設定：起動用ショートカットを設定。2026年7月30日のアップデート以降はマウスのミドル/サイドボタンにも割り当て可能
- カスタム辞書登録：社名・技術用語・専門用語を事前登録し、認識精度を高める
- 実際に使う：ChatGPT・Claude・Cursorなど普段使うツール上でホットキーを押しながら日本語で話し、テキスト化された結果を確認する
開発者向けには、Avalon音声認識モデルをOpenAI SDK互換のAPIとして呼び出せる「Avalon API」も公式に提供されている（$0.39/時間、10秒単位課金）。公式ドキュメントに掲載されているPythonのコード例は以下の通り。
# 動作環境: Python 3.11+, openai>=1.0
# 必要パッケージ: pip install openai
# 注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
from openai import OpenAI
client = OpenAI(
api_key="your-avalon-api-key",
base_url="https://api.aquavoice.com/v1"
)
audio_file = open("speech.mp3", "rb")
transcript = client.audio.transcriptions.create(
model="avalon-v1.5",
file=audio_file,
)
print(transcript.text)公式ドキュメントは、同じ「audio.transcriptions.create」の契約をNode.jsやcURLでも利用できる「標準的なOpenAI SDKワークフロー」と説明している。Node.js版の呼び出しイメージは以下の通り（OpenAI SDK互換の公式仕様に基づく構成）。
// 動作環境: Node.js 18+, openai>=4.0
// 必要パッケージ: npm install openai
// 注意: APIキーは環境変数で管理し、コードにハードコードしないこと。
import OpenAI from "openai";
import fs from "fs";
const client = new OpenAI({
apiKey: process.env.AVALON_API_KEY,
baseURL: "https://api.aquavoice.com/v1",
});
const transcript = await client.audio.transcriptions.create({
file: fs.createReadStream("speech.mp3"),
model: "avalon-v1.5",
});
console.log(transcript.text);curlで直接叩く場合は、OpenAI互換の音声書き起こしエンドポイントと同じmultipart/form-data形式でリクエストを送る。
# 動作環境: curl 7.x以降
# 注意: API keyは環境変数化し、シェル履歴に平文で残さないこと。
curl https://api.aquavoice.com/v1/audio/transcriptions \
-H "Authorization: Bearer $AVALON_API_KEY" \
-F file="@speech.mp3" \
-F model="avalon-v1.5"ただし前述の通り、Avalon APIが最適化されているのは主に英語の技術音声だ。日本語の書き起こしを業務システムに組み込みたい場合は、デスクトップアプリの汎用49言語エンジンでの精度を先に検証してから、API連携の要否を判断するのが安全だ。
よくある失敗パターンと回避策
失敗1：無料のStarterプランだけで日常運用しようとする
❌ Starter（1,000語まで）を業務のメイン入力手段にしようとしてすぐ上限に到達する
⭕ 日常的にAIエージェントへのプロンプト入力に使うなら、最初からPro（年払い$8/月、月払い$10/月）を前提に検討する
なぜ重要か：1,000語は数回のプロンプト入力ですぐに消費してしまう分量。無料枠は「精度を試すためのお試し用」と割り切るのが実用的だ。
失敗2：Avalonの英語ベンチマーク結果を日本語にもそのまま期待する
❌ 「公式ブログのベンチマーク値」という英語圏の評価をそのまま日本語の精度保証だと誤解する
⭕ 公式が明記する「Avalonは英語向け」という制約を踏まえ、日本語は実際に自分の専門用語で試してから判断する
なぜ重要か：日本語の音声認識は汎用49言語エンジンが担っており、英語版Avalonの数値をそのまま持ち込むのは正確ではない。
失敗3：オフラインで使えると思い込む
❌ 通信環境の悪い場所や機密性の高い環境でもクラウド接続前提で運用しようとする
⭕ オフライン動作が必須なら、OpenWhispr等のローカル実行型OSSツールを検討する
なぜ重要か：クラウド音声入力にはインターネット接続が必要で、オフライン対応は環境に依存する。ネットワーク要件を満たせない環境では、対象端末・モードの対応状況を事前に確認したい。
失敗4：iOSアプリ内課金でそのまま契約してしまう
❌ iPhoneの料金ページを確認せずアプリストア経由で契約してしまう
⭕ 公式料金ページで月払い・年払いの現行価格を確認してから契約経路を選ぶ
なぜ重要か：同じProプランでも、契約経路によって年間コストに数十ドルの差が生まれる。
よくある質問
Aqua Voiceの料金はいくらですか？
無料のStarter（1,000語まで）のほか、Proが年払いで月額8ドル（$96/年）、Maxが年払いで月額24ドル（$288/年）。月払いの場合はそれぞれ$10・$30になる（2026年9月時点、公式pricing page確認）。
無料版はありますか？
ある。Starterプランはクレジットカード登録不要で、累計1,000語まで無料で利用できる。Starterは1,000語まで無料で、継続利用では有料プランを検討する。
Aqua Voiceは日本語に対応していますか？
対応している。公式には49言語対応とされ、2026年7月26日の公式チェンジログでは音声コマンド機能が日本語を含む6言語に対応したことが明記されている。ただし独自モデル「Avalon」自体は現時点で英語向けとされ、日本語は汎用エンジンが処理する点に注意が必要だ。
WindowsとMac、どちらで使えますか？
両方で使える。公式にmacOS（Apple Silicon/Intel）とWindows 10/11に対応したデスクトップアプリが提供されている。
iPhoneでも使えますか？
使える。2026年4月にiOS向けのキーボードアプリがリリースされた。料金は月払い・年払いで異なるため、契約前に公式料金ページの現行プランを確認する。
学割はありますか？
ある。.eduや.ac.jpなど学術系メールアドレスで登録すると、Pro・Maxプランの年払いが70%オフになる。
Aqua VoiceとWispr Flowの違いは何ですか？
Wispr Flowは100以上の言語に対応し無料枠（週2,000語）が大きい点が強み。Aqua Voiceは49言語対応で、開発者向けAvalon APIやSend It音声コマンドなど、AIエージェントへの入力連携機能が充実している。料金は各社の公式ページで契約期間とプランを比較したい。
まとめ：今日から始める3つのアクション
- 今日やること：Starterプラン（無料）でMacまたはWindowsにインストールし、日常的に使う専門用語を含む日本語文章で認識精度を試す
- 今週中：ChatGPTやClaude、Cursorへのプロンプト入力を実際に音声に置き換えてみて、タイピングとの時間差を体感する
- 今月中：継続利用するならPro（年払い$8/月）への移行を検討し、カスタム辞書に業務固有の専門用語を登録して精度を最適化する
運営元 Uravation よりAIエージェントを構想から本番運用まで進める順番と、体制・KPIの決め方をまとめた資料を無料で公開しています。 AIエージェント導入ロードマップを受け取る（無料）
参考・出典
- Aqua Voice公式 料金ページ — Aqua Voice（参照日: 2026-09-18）
- Aqua Voice公式 サービス概要（llms.txt） — Aqua Voice（参照日: 2026-09-18）
- Aqua Voice公式 Changelog — Aqua Voice（参照日: 2026-08-19、最新エントリ2026-07-30時点）
- Avalon lands at #6 on OpenASR Leaderboard — Aqua Voice公式ブログ（発表日: 2025-10-08）
- Aqua Voice vs OpenWhispr 公式比較ページ — Aqua Voice（参照日: 2026-09-18）
- Wispr Flow公式 料金ページ — Wispr Flow（参照日: 2026-08-19）
- Aqua Voice reports over 50% of its user base is in Japan — AI Market Watch（発表日: 2026-04-17）
この記事を読んで、AIエージェントへの入力手段まで含めて業務効率化を考え始めた方へ
UravationではAIエージェント導入の研修・コンサルを行っています。
あわせて読みたい：
- AIエージェントツール比較完全ガイド — Aqua Voiceのような周辺ツールを含めた全体像を整理
- 音声AIエージェント徹底比較2026 — OpenAI・Gemini・ElevenLabsの音声AIを実機比較
- VoicePipelineで作る音声AIエージェント完全ガイド2026 — 開発者向けに音声パイプラインを自作したい場合の参考に
著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー10万人超。
100社以上の企業向けAI研修・導入支援。著書累計3万部突破。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
