「音声認識」のコラム

Nemotron 3.5 Transcribeは2026年10月28日公開のNVIDIA製音声認識モデル。34B(有効4.3B)のMoEで日本語対応、ライセンスはOpenMDW-1.1。プロンプトで逐語・話者分離を制御。推奨H100 80GB、量子化版はRTX 5090も対応。使い方とベンチマーク。

Apple Silicon Mac上でQwen3-ASRをMLXで動かし、文字起こしとシステム全体の音声入力（ディクテーション）を完全ローカルで行うOSS「Qwen Scribe」を解説。必要メモリは1.7Bで約3.4GB・0.6Bで約1.2GB。動作要件、導入手順、右⌘押しながら話すだけの使い方、SRT出力、必要な3つの権限、Whisper系との違い、業務で使う際の注意点までGitHub公式READMEの一次情報に基づき整理します（2026年7月）。

Aqua Voice は、Mac / Windows / iPhone で動く AI ディクテーション（音声入力）アプリです。音声を「逐語」ではなく「意図」に変換する Audio+LLM フュージョン設計で、技術系ボキャブラリ・カスタム辞書・リアルタイム表示・49 言語対応を売りに、2026年に注目を集めています。本記事では機能・料金・OS 標準ディクテーションや Whisper 系との違い・プライバシー設計・運営会社（Y Combinator W24）の現状・実務での使いどころまでを公開情報ベースで整理します。