音声認識で、あなたの声に合わせて進むプロンプター

「声に合わせて進む」とは、具体的に何が起きるのか

「音声」で読んでいるあいだ、Wispim はiPhoneの音声認識が聞き取った言葉と原稿を突き合わせ、いま口にしたところまで文字を送ります。比喩ではなく、動きは三つです。

• 黙れば、そこで止まって待ちます。
• 速く読めば、そのぶん速く送られます。
• 前の行をもう一度言えば、その行まで戻ります。

息継ぎの位置がずれても、言い回しを変えても、一文まるごと言い直しても破綻しません。原稿が話し手に合わせるので、人間らしい話し方のまま読めます。

決まった速さが、いちばんの問題

多くのプロンプターは、あらかじめ決めた速さで文字を流します。すると話し手は、追いつこうと早口になるか、文字を待って間延びするかのどちらかです。どちらも映像に出ます。視線が下に落ち、声のテンポが不自然になり、撮り直しが増えます。原稿が待ってくれるなら、レンズを見たまま読めます。Wispim はそのために作られたアプリです。

「音声」「音」「定速」の使い分け

モードは開始前の「スクロールモード」で選びます。同じ画面に「認識する言語」「文字サイズ」「文字を左右反転」「速さ」「開始の待ち時間」が並び、「全画面」で始めるか「小窓で開始」するかもここで決めます。

「音声」と「音」にカウントダウンはありません。数える意味がないからです。どちらも、あなたが話し始めるまで静かに待ちます。「開始の待ち時間」（オフ、5秒、10秒、20秒）は「定速」のもので、三脚に置いたiPhoneから離れて立ち位置に入るための時間です。小窓の中にも表示されるので、画面から離れていても残り時間が見えます。

認識はどこで行われるのか

ここは正確に書きます。プライバシーの話だからです。

Wispim は、その言語が対応していればiPhone本体での認識を要求します。端末内のモデルがない言語では、iOSが音声をAppleに送ってテキストに変換します。これはAppleの仕組みで、音声が私たちに渡ることはありません。該当する言語は、撮影を始める前に「認識する言語」の一覧で印がつき、収録中もアプリが知らせます。だから「完全にオフライン」とは言えませんし、そうは書きません。

一方で、原稿とそのタイトル、音声、認識されたテキスト、読み込んだファイル名、アプリに入力した内容は端末の外に出ません。詳しくはプライバシーポリシーをご覧ください（現在は英語のみです）。

ずれたときに戻す方法

生身の話し方は完璧ではありませんし、それを無視するプロンプターは役に立ちません。戻し方は三つあります。

• 言葉をタップ — 原稿のどこに触れても、そこから読み直しになります。全モードで使え、一時停止も入りません。全画面で読んでいるときの、いちばん速い直し方です。
• ドラッグして見渡す — 原稿を指で送れば、先を確かめたり、通り過ぎた行を読み返したりできます。そのあいだ追従は止まり、矢印が離れた行を指します。どこから読み始めても、また見つけてくれます。
• 音量ボタン — 一文ぶん戻る、進む。ただし二つ断っておきます。アプリ内で「実験的」と表示されている機能であること、そしてカメラアプリの中では効かないこと。シャッターにボタンを取られるためです。

音声コマンドは日本語にはありません

これははっきり書きます。声で一時停止や文の移動ができる「音声コマンド」は10言語にあり、日本語は含まれていません。フレーズが用意されている（そして書き換えられる）のは英語、ロシア語、ドイツ語、スペイン語、フランス語、ポーランド語、イタリア語、ポルトガル語、ウクライナ語、トルコ語で、アプリも日本語ではそう表示します。日本語で読むときに手元にあるのは、上の三つです。

小窓はタップを受け付けません（iOSの制約です）。日本語の場合、小窓が出ているあいだの操作手段は音量ボタンだけで、それも「実験的」と表示されている機能ですし、カメラアプリの中では効きません。裏を返せば、追従そのものが止まらないように作られているということです。撮影中に小窓側で何が起きるかは小窓のページにまとめてあります。

次に

声に合わせて進むことが本当に効いてくるのは、原稿がカメラアプリの上に載っているときです。その話は小窓にあります。撮影ではなく打ち合わせで読むならビデオ通話、まず全体を見たいならWispim のトップへどうぞ。