音声入力ツールに評価額20億ドル — Wispr Flowが自社モデル「Canto」で狙う「ディクテーションの先」

「話して文字を打つ」だけのアプリに、評価額20億ドル。

数字を並べ替えても、やっぱり違和感が残る。Wispr Flowが8月17日に発表したSeries Bは2.8億ドル、リードはMenlo Ventures。累計調達額は3.61億ドルに達し、会社の評価額は約20億ドルになった。音声入力——つまり口述筆記（ディクテーション）のツールに、である。

まず、Wispr Flowが何をするものかを押さえておきたい。マイクに向かって話すと、その言葉が整形されたテキストになって、いま開いているアプリの入力欄にそのまま入る。メールでもSlackでもChatGPTのプロンプト欄でも、カーソルがある場所へ流し込んでくれる。「えー」「あの」といった言い淀みや言い直しを勝手に整えてくれるのが、単なる文字起こしとの違いだ。キーボードを叩く代わりに、しゃべって入力する。用途としてはそれだけ、と言ってしまえばそれだけである。

なぜ「音声入力」がこの額になるのか

素朴に考えれば、音声入力はOSに標準で載っている機能だ。iPhoneにもMacにもWindowsにも音声入力はあるし、精度で言えばOpenAIのWhisper系モデルを自前で回すという手もある。無料で足りるものに、なぜ人は課金し、投資家は20億ドルを張るのか。

ここがこのニュースの読みどころだと思う。Wispr側の主張を要約すると、既存の音声入力は「静かな部屋で、はっきり話す」前提でしか実用にならない、ということだ。実際の生活はうるさい。カフェ、電車、風、隣の犬、BGM。この現実のノイズ下でこそ差がつく、という賭けである。

同社によれば、プラットフォーム上で生成された語数は600億語超、導入は1万社以上で、Fortune 500のほぼ全社に広がっているという。既存投資家のNEAや8VCに加え、AcrewやForerunner、Peak XVといった新規も入った。「趣味のガジェット」ではなく業務ツールとして定着し始めている、という手応えが、この規模の調達を成立させている。

自社モデル「Canto」——ここが本丸

今回いちばん注目したいのは、資金調達そのものより、あわせてプレビューされた初の自社音声モデルCantoだ。

これまでのWispr Flowは、複数の音声認識モデルを組み合わせる（アンサンブル）方式で100言語以上をカバーしてきた。要は他社モデルの寄せ集めで精度を担保していた。Cantoはそこを自前の一枚岩に置き換えにいくものだ。

同社の主張では、最も過酷なノイズ条件での単語誤り率（WER）を、従来の30%超から5〜10%まで下げたという。背景音、風、なまり、割り込み、他人の声——そういう「生活の音」が混じった環境を想定して学習させた、とされる。

ここは正直に留保しておきたい。WERの30%→5〜10%という数字は同社の自己申告であり、独立した第三者ベンチマークではない。Cantoも現時点ではプレビューで、公開された評価が伴っているわけではない。派手な改善幅ほど、条件設定の取り方で見え方が変わる。話半分、とまでは言わないが、鵜呑みにする段階ではない。

「ディクテーションの先」は誇張か、それとも

Menlo Venturesは今回のテーゼを「テキストボックスの終わり」とまで言っている。Wisprも「ディクテーションの先」を掲げ、音声を人とAIのインターフェースの中核に据える構想を語る。

冷静に見れば、これはまだ野心の言葉だ。だが、自社モデルを持つ意味を考えると、まったくの絵空事でもない。他社モデルの寄せ集めでは、認識の途中に「意図の理解」や「文脈での補正」を差し込みにくい。自前でモデルを握れば、単に文字化するだけでなく、「この人が何をしたいのか」まで踏み込んだ処理をパイプラインに組み込む余地が生まれる。音声入力が、AIエージェントへの入り口に変わっていく——そういう筋書きは描ける。

Wispr Flowはすでに議事録機能Notetakerにも手を広げており、「話した言葉」と「聞いた言葉」の両方を握りにきている。今回の調達とCantoは、その布石として腑に落ちる。

日本語話者にとってはどうか

最後に、日本の読者にとっていちばん切実な点。Wispr Flowは100言語以上に対応し、日本語もサポート対象に含まれている。ただし、今回誇示されたWER改善はあくまで英語を中心とした評価であり、日本語での実用精度がどの程度なのかは別問題だ。

日本語の音声入力は、同音異義語や固有名詞、話し言葉と書き言葉のギャップという固有の難しさを抱える。ここが英語なみに仕上がって初めて、日本語話者にとっても「キーボードを置く」選択肢になる。Cantoが日本語でどこまで効くのか——評価額20億ドルの本当の試金石は、そこにあると私は思う。

詳細はWispr Flow公式サイトで確認できる。音声入力ツール全体を見比べたい人はAI音声入力ツール比較もあわせてどうぞ。