ローカル vs クラウド文字起こし: プライバシー、速度、精度の比較

ローカル文字起こしは、音声をすべてデバイス上で処理します OpenAI WhisperやNVIDIA Parakeetのようなモデルを使い、whisper.cppなどの最適化ランタイムで実行します。音声がマシンの外へ出ることはありません。 クラウド文字起こしは、音声をリモートサーバーへ送信します Google、AWS、Microsoft、Deepgram、AssemblyAIなどのプロバイダーが運用するサーバー上で、大規模GPUクラスタが音声を処理し、テキスト文字起こしを返します。2つのアプローチの重要なトレードオフは、プライバシー、レイテンシ、精度、コスト、オフライン対応の5つです。この記事では、それぞれを実際の数字と実際のポリシーで検討し、情報に基づいて選べるようにします。

最終更新: 2026年2月17日。定量的な主張とポリシー上の主張は、少なくとも2つの一次情報源で照合しています。

• オープンなローカルモデルは本番利用可能です: WhisperとParakeetには、オンデバイス推論に適した公開モデルカードとオープン実装があります。 OpenAI Whisper · NVIDIA Parakeet
• クラウドSTTは従量課金です: 主要プロバイダーは音声量とモデル階層に応じて課金します。 Googleの料金 · AWSの料金
• プロバイダーごとにデータの扱いは異なります: ログ保存/保持設定やオプトアウトはサービスごとに異なり、設定が必要です。 Googleのデータログ保存 · AWS AIオプトアウトポリシー
• 規制上の文脈は重要です: 生体情報や機微データに関する義務は、管轄地域と用途によって変わります。 GDPR公式テキスト · EU AI Act公式テキスト
• OpenWhisprのデプロイモデル: OpenWhisprはデフォルトでローカル処理を使い、必要な場合にはBYOKクラウド経路もサポートします。 OpenWhispr · whisper.cppランタイム

クラウドベースの音声テキスト変換サービスを使うと、音声はいくつもの段階を通ります。まず、デバイスがマイクから生音声を取得し、送信に適した形式へ圧縮します。一般的にはOpus、FLAC、リニアPCMです。この圧縮音声はインターネット経由でプロバイダーのAPIエンドポイントへ送信されます。通常はHTTPS、リアルタイムストリーミングではWebSocket接続です。

サーバー側では、プロバイダーがGPUクラスタ上にホストされた大規模ニューラルネットワークモデルへ音声を通します。これらのモデルは、通常、何十万時間ものラベル付き音声データで学習されており、個人が集められる量をはるかに超えています。結果の文字起こしがデバイスへ返されます。

主要なクラウド文字起こしプロバイダーは次のとおりです:

• Google Cloud Speech-to-Text — バッチとリアルタイムストリーミングの選択肢を備えた幅広い言語対応。
• AWS Transcribe — 自動言語識別、カスタム語彙対応、PIIリダクションを備えたAmazonのサービス。
• Microsoft Azure Speech — Microsoftエコシステムとの深い統合、カスタム音声モデル、リアルタイム文字起こし。
• Deepgram — 速度と開発者体験で知られ、Nova-3モデルは競争力のある価格で高い精度を提供。
• AssemblyAI — 精度と開発者向けツールに重点を置き、話者ダイアライゼーションとコンテンツモデレーションを内蔵。

クラウドのレイテンシは、キャプチャ、アップロード、サーバー側推論、応答配信を含むため変動します。接続が良好な環境では速く感じられますが、不安定なネットワークや高レイテンシ地域では体感速度が明らかに遅くなります。バッチ文字起こしは、ファイル長とキュー状況に応じて数秒から数分かかることがあります。

ローカル文字起こしは、音声認識モデルをデバイス上で直接実行します。ネットワークは関与しません。音声はマイクからCPUまたはGPU上で動くモデルへ直接入り、反対側からテキストが出てきます。処理全体はあなたのマシンのメモリ内で起きます。

高品質なローカル文字起こしを実用的にしたブレークスルーは、2022年9月にOpenAIがWhisperを公開したことでした。これは68万時間の多言語音声で学習されたオープンソースモデルです。さらに最近、NVIDIAはParakeetファミリーのASRモデルを公開しました。英語ベンチマークで最先端の精度を達成し、オープンライセンスで利用できます。その少し後、Georgi Gerganovが whisper.cppを作りました。CPU推論向けに最適化されたC/C++再実装で、専用GPUなしの日常的なハードウェアへWhisperの精度を持ち込みました。

Whisperには複数のモデルサイズがあり、それぞれ精度と速度をトレードオフします:

Apple Silicon(M1からM4)では、whisper.cppはMetal経由でGPU上に完全推論を走らせ、mediumモデルでもリアルタイムまたはリアルタイム超の速度を達成します。Turboモデル — large-v3の最適化版で、精度低下を最小限に抑えたバリアント — は最新MacBookで高スループットに動くため、低レイテンシのローカルディクテーションワークフローでよく使われます。

その他のローカル文字起こしエンジンには Vosk (軽量だが精度は低め)や Sherpa-ONNX (ONNXランタイム対応の次世代Kaldi)があります。ただしローカル文字起こし品質のゴールドスタンダードは、whisper.cpp経由のOpenAI WhisperとNVIDIA Parakeetのままです。

プライバシーは、ローカル文字起こしとクラウド文字起こしを分ける最大の違いです。ローカル処理では、「私の音声データはどうなるのか?」への答えは単純です。何も起きません。音声はデバイス上、RAM内に留まり、文字起こし後に破棄されます。信頼すべき第三者も、読むべきポリシーも、心配すべきデータ漏洩もありません。

クラウド文字起こしでは、プロバイダーを信頼する必要があります。主要プロバイダーが音声をどう扱うと実際に述べているかを見てみましょう:

正直に言うと、上位のクラウドプロバイダーは、特定の用途ではまだ生の精度で優位です。膨大な独自データセットで学習し、リアルタイムのモデル更新を提供し、文脈に応じたカスタム語彙を活用できます。強いアクセント、騒がしい環境、専門分野の用語のような難しい音声では、GoogleのChirp 2やDeepgramのNova-3のようなクラウドサービスがよく機能します。

とはいえ、その差は大きく縮まりました。68万時間の多言語音声で学習されたOpenAI Whisper large-v3は、多くの一般的な言語で競争力のあるWord Error Rate(WER)を達成します。NVIDIAのParakeetモデルはさらに基準を押し上げ、標準的な英語ベンチマークで最も低いWERの一部を達成しています。独立ベンチマークでは、英語においてこれらのオープンモデルが商用クラウドサービスから数ポイント以内に収まり、ロングテールの特定言語では上回ることも一貫して示されています。

Turboモデル — 1.55Bではなく809Mパラメータのlarge-v3蒸留バリアント — は、精度の大半を維持しながらおよそ8倍高速に動きます。適切なマイクに向かって明瞭に話すリアルタイムディクテーションでは、多くのユーザーにとってTurboとクラウドAPIの差は無視できるほどです。

結論: 静かな環境で適切なマイクに向かってディクテーションするなら、Whisper Turbo、Whisper large-v3、Parakeetのようなローカル実行モデルは、実用上ほとんどの目的でクラウドサービスと見分けがつかない結果を出します。クラウドが優位になるのは、ノイズの多い複数話者シナリオ、ニッチな言語、ドメイン固有語彙です。

レイテンシが最も重要になるのは、話した直後に文字が表示されてほしいリアルタイムディクテーションです。ここでは、ローカルとクラウドの文字起こしは根本的に異なるレイテンシ特性を持ちます。

リアルタイムストリーミングでは、接続が強ければクラウドプロバイダーは部分仮説をすばやく返せます。ただし、それでも安定した低レイテンシ接続が必要です。飛行機内、混雑した公共Wi-Fi、制限の厳しいVPN経路の背後では、体感レイテンシはすぐに悪化します。

whisper.cppによるローカル文字起こしは、従来の意味でのリアルタイムストリーミングではありません。多くのローカル実装は「push-to-talk」パターンを使います。話すと音声がバッファされ、その後モデルが完全なセグメントを処理します。Apple Mシリーズチップ上のTurboモデルでは、この処理ステップが十分速く、ディクテーションでは遅延がほとんど気になりません。短い発話では通常1秒未満です。

録音済みファイルの長時間文字起こしでは、クラウドサービスはGPUクラスタ全体へ並列化でき、大きなバッチも速く終わることがよくあります。ローカルのスループットはマシンとモデル選択に制約されるため、非常に長い録音では実行時間が長くなることがあります。

ローカル文字起こしのコストは、すでに持っているハードウェア以外にかかりません。APIキーも、請求ダッシュボードも、分単位の料金もありません。モデルファイル(Tinyの75MBからLarge-v3の3GBまで)をダウンロードすれば終わりです。ずっと使えます。

クラウドプロバイダーは、ベンダーやモデルに応じて分単位または時間単位で使用量課金します。プランや割引は頻繁に変わるため、予算化する前に現在の料金を確認してください:

注: クラウド料金には、話者ダイアライゼーション、PIIリダクション、カスタム語彙のような機能の追加料金が含まれることがあります。上記の基本料金は標準文字起こしのみを対象としています。

これは二択です。クラウド文字起こしにはインターネットが必要で、ローカル文字起こしには不要です。多くの人にとって、これが決め手になります。

オフライン対応が必須になる場面:

どちらかが常に優れているわけではありません。正しい選択は、何を優先するかによって決まります。

• OpenAI Whisper — モデルサイズ、ベンチマーク、ドキュメントを含む元のモデルリポジトリ。
• whisper.cpp — CPUとApple Silicon GPU推論向けに最適化されたWhisperのC/C++移植版。
• NVIDIA Parakeet RNNTモデルカード — オープンASRモデルの指標と使用ガイダンス。
• Google Cloud Speech-to-Textの料金 — Googleの音声APIの現在の料金階層。
• AWS Transcribeの料金 — Amazonのバッチおよびストリーミング向け現在の従量課金。
• Azure Speech Servicesの料金 — Microsoftのリアルタイムおよびバッチ音声テキスト変換の料金。
• Deepgramの料金 — Deepgramのモデル階層別料金詳細。
• AssemblyAIの料金 — AssemblyAIの使用量とモデル階層別料金詳細。
• Google Speech-to-Textのデータログ保存 — 音声データの扱いと保存に関するGoogleのドキュメント。
• AWS AIサービスのオプトアウトポリシー — AWSがコンテンツをAIサービス改善に使うのを防ぐ方法。
• Azure Speechのデータプライバシー — Speech Servicesに関するMicrosoftのデータプライバシーとセキュリティのドキュメント。
• Robust Speech Recognition via Large-Scale Weak Supervision — Radford et al. (2022)による元のWhisper論文。学習手法とWERベンチマークを詳述。
• GDPR (EU公式テキスト) — 個人データ/生体データ取り扱いの法的基準。
• EU AI Act (EU公式テキスト) — 生体認証および高リスクシステムに関係するAIリスク階層の義務。
• OpenWhispr — ローカルファースト + 任意のBYOKクラウドワークフローを1つのアプリで実現する例。