マイクは、アプリのどの設定よりも結果を左右します。クリップ式のラベリアマイク（シャツや襟に留める小さなクリップ型のマイク）は、精度を上げるうえで最も安価で効果の大きいアップグレードの一つです。口元の近くに位置し、動き回っても口との距離が一定に保たれ、ノートPC内蔵マイクを惑わせる周囲の雑音の多くを抑えてくれます。

要するに、ノートPCの内蔵マイクよりも口元に近づけられる外付けマイクなら、ほとんどどれでも結果が目に見えて良くなります。

無音しきい値は、あなたが話している状態と背景ノイズとの違いを DijiFlow に伝えるものです。お使いの部屋に合わせて正しく設定することが、取りこぼしや誤作動のほとんどを防ぐ、たった一つの調整です。内蔵のマイクテストを使って追い込みましょう。

1. 1 「設定」を開き、「マイクのテスト」をクリックします。
2. 2 普通に話しながらレベルメーターを見てください。話している間は、メーターのおおよそ中央から右寄りの位置になるはずです。
3. 3 次に黙ってみます。レベルが下がり、白い線より下にとどまるはずです。その線をどこに置くべきかは、部屋の騒がしさによって変わります。
4. 4 無音フィルターをドラッグして、白い線を上下に動かします。この白い線が無音しきい値で、それより下はすべて無音として扱われます。
5. 5 マイク感度をドラッグすると、声がメーター上でどのくらいの高さに表示されるかが変わり、発話が線を余裕をもって超えるように調整できます。

はっきりとした差を目指しましょう。発話は白い線のかなり上、無音はかなり下になるのが理想です。部屋やマイクを変えたときは、そのつど確認し直してください。

DijiFlow は、あなた特有の言葉（名前・専門用語・ブランド名など）を覚えて、自動的に修正できます。これは文字起こしの後に行われるため、モデルが実際に聞き取る内容にバイアスをかけることなく、結果だけを鮮明にします。

1. 1 「語彙」タブを開きます。
2. 2 自分に当てはまる分野にチェックを入れると、適切な用語パックが読み込まれます。
3. 3 自分だけのカスタム用語を追加します。同僚の名前、会社名、製品名、よく口にする言葉などです。
4. 4 特定の単語をアプリが何度も聞き間違える場合は、正しい表記をカスタム用語に追加すれば、正しく認識されるようになります。

カスタム用語は、更新し続けるリストだと考えてください。誤った結果が出るたびに正しい形を追加すれば、その間違いは起こらなくなります。

大きなモデルほど精度は高くなりますが、その分だけ動作が遅く、メモリも多く使います（Mac では RAM、Windows では VRAM）。マシンごとにちょうど良い設定があるので、いくつかダウンロードして、どれが自分のペースについてこられるか試してみる価値があります。

1. 1 英語なら、small か medium がたいていちょうど良い選択です。スペックの低いマシンでも base で十分実用になります。
2. 2 その他の言語や、複数言語を混ぜて使う場合は、medium か large を強くおすすめします。小さいモデルは英語以外だと精度が急速に落ちます。
3. 3 いくつかのサイズをダウンロードし、自分の話し方で試して、お使いのマシンが余裕をもって扱えるものを確かめてください。

大きいモデルの動作が重いと感じたら、サイズを一つ下げましょう。実際に使う速いモデルは、避けてしまう精度の高いモデルに勝ります。

プッシュ・トゥ・トークは、意識せず押し続けられるくらい楽なものであるべきです。最適なショートカットは、指がもともと近くに置かれているキーで、さらにキーボードから完全に外すこともできます。

1. 1 試す価値のあるキーの組み合わせ: Ctrl+Space、Alt+Space、Shift+Space（特に Windows で）。
2. 2 Mac では Cmd+Space は Spotlight に使われています。「システム設定 → キーボード → キーボードショートカット → Spotlight」で Spotlight を割り当て直して Cmd+Space を使うか、あるいは単に Shift+Space か Ctrl+Space を使ってください。
3. 3 上級者向けの技: プッシュ・トゥ・トークと Enter／改行を、マウスの「戻る」「進む」ボタンに割り当てます。たとえば Shift+戻る で改行、Shift+進む で Enter といった具合です（またはマウス用ソフトで直接割り当てます）。

マウスの割り当てを設定すれば、キーボードなしで、ほぼマウスだけで音声入力ができます。Windows ではマウスメーカーのユーティリティを、Mac ではゲーミングマウス向けのようなキー再割り当てツールを使うとうまくいきます。

音声認識の精度は、マイクに届く音の質で決まります。マイクに直接当たる扇風機の風、人の多い部屋、近くで流れる音楽は、いずれも精度を下げ、しかも多くの人が思う以上に影響します。

どうしても騒音を避けられない場合は、無音しきい値を環境に合わせて上げ、背景音でアプリが絶えず反応しないようにします。静かな場所に戻ったら、また下げてください。

動的メモリ最適化は、RAM（Mac）や VRAM（Windows）が不足しているときに頼りになる設定です。切り替えに合わせてモデルを読み込んだり解放したりするため、同時にアクティブになるモデルは常に一つだけになり、非力なマシンでも軽快さを保てます。

1. 1 モデルの動作が遅い、またはマシンのメモリが厳しいと感じたら、「設定」で動的メモリ最適化をオンにします。
2. 2 それ以降、DijiFlow は使用中のモデルだけをメモリに保持し、切り替えの合間に他のモデルを解放します。

注意: ファイルの文字起こしとリアルタイムの音声入力を同時に実行すると、メモリが厳しい場合は動作が遅くなります。ただし RAM／VRAM に十分な余裕があれば、まったく問題なくスムーズに動きます。

マシンに余裕がある場合（おおよそ 8 GB を超える RAM、または 12 GB を超える VRAM）、2つのモデルを読み込んだままにして、別々のホットキーで瞬時に切り替えられます。上級ユーザーが行う、最も生産的な使い方の一つです。

1. 1 2か国語を使いますか？ 英語を一方のホットキーに、もう一つの言語を別のホットキーに割り当てれば、設定を変えずに言語を切り替えられます。
2. 2 1つの言語だけですか？ 2つのモデルサイズを割り当てましょう。素早い音声入力には速いモデルを、少し待てるときにはより精度の高いモデルを使えます。
3. 3 Q mode に慣れれば、1つの文の中で言語を混ぜて使うことさえできます。

これは、ある言語でメールを書きながら、別の言語でチャットやコーディングをするときに真価を発揮します。すべて同じセッション内で、面倒な操作は一切いりません。

会議では速度よりも精度が重要なので、たとえ遅くなっても、使える中で最も精度の高いモデルを選びましょう。自動の文字起こしと話者識別は決して100%完璧ではなく、それだけで会議全体をきれいに捉えきれないことがある点に注意してください。コツは、その文字起こしを大規模な AI モデルに渡して、役立つ形にまとめさせることです。

1. 1 手持ちの中で最も優れたモデルを使い、話者識別を有効にして会議を文字起こしします。
2. 2 何人が話したか分かっている場合は、話者数を設定します。識別の精度が大きく上がります（「話者数の設定」のヒントを参照）。
3. 3 できあがった文字起こしを大規模な AI モデル（ChatGPT、Gemini、Claude、DeepSeek、Kimi など）に貼り付け、下記の用意されたプロンプトを使って、整理された要約を作成します。

あなたには、会議の生の録音を実際に使える形にまとめる作業を手伝ってもらいます。

以下は、音声または動画から自動的に生成された文字起こしで、話者の自動識別も含まれています。読む際に、次の2点に注意してください。
- 話者ラベル（「Speaker 1」「Speaker 2」など）や、ところどころの単語は誤っている可能性があります。ラベルや単語が会話の文脈と明らかに矛盾している場合は、文脈を信頼し、さりげなく修正してください。
- 会話そのものから誰が誰なのかを推測するのは得意なはずなので、可能な範囲で名前を推測してください。

任意 — 誰が誰かがすでに分かっている場合は、ここで対応づけます（分からなければ空欄のままで構いません）。
- Speaker 1 =
- Speaker 2 =
- Speaker 3 =

文字起こし全体を読んだうえで、次のセクションに分けて、分かりやすく整理された要約を作成してください。
1. 概要 — 会議が何についてのもので、全体としてどのような結果になったかを2〜3文で。
2. 主な論点 — 主要なトピックを論理的にグループ分けし、それぞれの下に重要な詳細をまとめる。
3. 決定事項 — 実際に合意された内容（および、明確であれば誰が決めたか）。
4. アクションアイテム — 担当者ごとにまとめ、各自が担う内容と、言及された期限があればそれも記載する。
5. 障害とリスク — 問題・依存関係・懸念として挙げられたもの。
6. 未解決の疑問 — 解決されないまま残っている点や、フォローアップが必要な点。

簡潔で、ざっと目を通しやすい形にしてください。長い段落よりも短い箇条書きを優先します。文字起こしの中で不明確な点や抜けている点があれば、推測せずにその旨をはっきりと述べてください。

文字起こし：
[ここに文字起こしを貼り付けてください]

知っておくと便利: ファイルをバックグラウンドで文字起こししている間も、他のアプリで音声入力を続けられます。

DijiFlow は自分の声だけのためのものではありません。ドラッグ＆ドロップした動画や音声ファイルを、話者識別付きで文字起こしできます。講演やインタビュー、講義を手軽にテキスト化できます。

1. 1 オンラインの YouTube ダウンローダーを使って動画をダウンロードします。
2. 2 ダウンロードしたファイルを動画として DijiFlow にドラッグ＆ドロップすれば、あとはアプリが処理します。

同じドラッグ＆ドロップは、YouTube に限らず、ローカルにあるあらゆる音声・動画ファイルで使えます。

お使いのマシンに Intel または AMD の GPU が搭載されている場合は、DijiFlow が実際にそれを使っているか確認してください。ハードウェアアクセラレーションは、CPU で動かすよりも劇的に高速です。

1. 1 「GPU」タブを開きます。
2. 2 Intel または AMD のアクセラレーションが選択され、正常に動作していると表示されていることを確認します。

Intel GPU に関する注意: 通常は CPU に内蔵されており、限られたメモリを共有しています。Intel GPU で速度を求めるなら、より小さいモデルを読み込むか、動的メモリ最適化を有効にして、モデルが収まるようにしてください。

複数の人が参加する会議やファイルを文字起こしするとき、話者識別は、異なる声がいくつあるかを推測しなければなりません。あらかじめ人数を伝えておくと、大いに手助けになります。

録音の中で何人が話すか正確に分かっている場合は、文字起こしの前にその人数を設定してください。推測せずに済むぶん、話者識別の精度が大きく上がります。