ターミナルで音声入力する方法（2026年）

2026年のコマンドラインでも、音声入力は使えます。Warpにはエージェントとコマンド欄向けの音声機能があり、Aquaのようなツールなら、iTerm2、Terminal.app、Ghostty、tmux、SSHなど、使っているターミナルのカーソル位置に話した内容を入力できます。

重要なのは対応範囲です。Warpだけを使うなら内蔵機能で足りる場合があります。複数のターミナルを切り替え、SSHで接続し、フラグやパス、サブコマンドの表記を重視するなら、アプリをまたいで使える音声入力が役立ちます。この記事では、ターミナル特有の難しさと設定方法を紹介します。

ターミナルでの音声入力が難しい理由。

文章なら多少の誤字があっても意味は伝わります。しかし、コマンドラインは一文字の違いで動作が変わります。しかも、汎用の音声認識が苦手な表記が多く含まれます。

• フラグとオプション： -rf、--onto、--no-verify、-p 5432
• サブコマンド： git rebase、kubectl get pods、docker compose up
• パッケージや実行ファイル： pnpm、npx、ripgrep、jq、ffmpeg
• パスとglob： ./src/**/*.ts、~/.config/nvim
• 環境変数と演算子： $HOME、2>&1、|、&&

汎用モデルがpnpmを普通の単語として聞き取ったり、フラグを文章に変えたりすると、コマンドは動きません。結局キーボードで直すことになり、話して入力する利点が失われます。

今はターミナルでコマンドを打つだけでなく、Warp Agent Mode、Claude Code、Codex CLIに会話で指示します。ファイル名やライブラリ名を含む長い自然言語の指示は、音声と相性がよい一方、技術用語の認識精度も問われます。

Warpの音声入力でできること。

Warpでは「Settings」→「Agents」→「Warp Agent」→「Voice」で音声入力を有効にし、起動用のショートカットを選べます。Agent Mode、コマンド入力、検索ダイアログで使えます。Warpの説明ではWispr Flowによる文字起こしを利用し、リアルタイムで処理して録音を保持しません。Warp中心に作業する人には、追加インストールなしで使える便利な機能です。

ただし、対応範囲と正確な構文には注意が必要です。

1. Warp内の機能です。 別のターミナルアプリであるiTerm2、Terminal.app、Ghosttyなどへ、そのまま引き継がれるものではありません。
2. 構文の確認は必要です。 git rebase --onto mainやrg -n "TODO" ./srcのような入力では、自然な文章が認識できても、フラグや引用符まで意図どおりかを確認する必要があります。

Warp内で長いエージェント指示を入力するなら便利です。複数のターミナルやアプリを使うなら、作業全体の一部を担う機能になります。

iTerm2、Terminal.app、Ghostty、tmux、SSHでの選択肢。

これらには、同様の文字起こし機能が標準ではありません。macOSの音声入力は使える場合がありますが、自然言語の入力欄を主な対象としており、コマンドの語彙やターミナルとの組み合わせで使いにくさを感じることがあります。

Linuxにはnerd-dictation、voice2json、whisper.cppなどがあります。オフラインを重視し、自分で構成する人には有力ですが、アプリをまたいで使える完成された音声入力とは設定の手間が異なります。

正確な文字を必要とするターミナルこそ、入力先を選ばず使える仕組みが役立ちます。

ターミナル向けの音声入力に必要なこと。

1. コマンドの表記を扱えること。 --no-verify、kubectl、pnpm dlx、chmod +x、~/.ssh/configなどを正しく入力できることが重要です。Aquaの独自モデルAvalonは、プロンプト、コード、コマンド、メールなどの発話を学習しています。9to5Macが同じ文章で行った比較では、macOS標準の音声入力が17件、Aquaが1件の誤りでした。
2. さまざまなターミナルで使えること。 iTerm2、Warp、Ghostty、Terminal.app、tmuxのペイン、SSH接続先のシェルなど、ローカルで操作している入力先に同じショートカットで文字を入れられると便利です。
3. 文脈を考慮できること。 AquaのDeep Contextは画面の内容を読み取り、プロジェクト固有の名前を認識の手がかりにします。
4. 待ち時間が短いこと。 Aquaはキーを離してから約450ミリ秒で文字を挿入します。短いコマンドや指示を繰り返す場面では、この待ち時間が重要です。

Avalonは2025年10月の公開時、OpenASRリーダーボードでクローズドソースモデルの中で1位でした。Aqua独自のAISpeakベンチマークでは、AI・コーディング用語で97.3%という結果です。後者は自社測定の数値です。Aquaは49言語に対応し、Mac、Windows、iOS、Androidで使えます。

ターミナルで音声入力を使う設定。

AquaはOS上で動くため、ターミナル内へのインストールやアプリごとの設定は不要です。

1. macOSまたはWindows向けのAquaをインストールし、サインインします。
2. アクセシビリティなどの入力権限を許可します。macOSでは「システム設定」→「プライバシーとセキュリティ」→「アクセシビリティ」です。
3. 録音用のキーを選びます。 標準はFnです。押している間に録音し、離すと挿入します。短い入力を繰り返すターミナルに向いています。
4. 入力先のプロンプトをクリックします。 iTerm2、Warp、Ghostty、Terminal.app、tmuxやSSHのシェルを選べます。
5. Fnを押しながら話し、離します。 カーソル位置に文字が入ります。内容を確認してからEnterで実行してください。

エディタ、ブラウザ、Slackに移っても、同じ操作で入力できます。

プロンプトでの入力例。

シェルを選び、Fnを押しながら、git checkout -b feature/voice-inputのようなコマンドを話します。キーを離すと入力欄に文字が入るので、内容を確認します。

フラグが多い場合は、Claude CodeやCodex CLIに目的を伝える方法もあります。例えば「変更をすべてステージして、fix terminal dictationというメッセージでコミットし、dev向けのPRを開いて」と話します。正確な構文を読み上げる代わりに、エージェントへ作業の意図を渡せます。

コマンドを正確に音声入力するコツ。

音声は、一文字ずつ指定するよりも意図を伝えるときに力を発揮します。

• 記号は自然に話します。 ハイフン、二重ハイフン、パイプなど、よく使う演算子を文脈と一緒に伝えます。
• 厳密な構文はエージェントに任せる方法もあります。 Claude Code、Codex、Warp Agentには、「このブランチをmainにリベースし、lease付きでforce pushして」のように目的を説明できます。
• 固有名詞をカスタム辞書に登録します。 リポジトリ名、社内CLI、ホスト名、同僚のハンドルネームなどを登録できます。Proでは最大800件です。
• 繰り返し使う方針はカスタム指示に設定します。 「CLIフラグは省略形にしない」「コミットメッセージは小文字にする」といった指定ができます。

厳密な記号をキーボードで入力する場面が残っても問題ありません。エージェントへの説明や指示には音声を使い分けられます。

Warpの音声とAqua、どちらを使うべきか。

• Warpの内蔵機能が向く場合： 作業のほとんどがWarp内で、自然な文章でWarp Agentへ指示することが中心の場合です。
• Aquaのようなツールが向く場合： 複数のターミナルやSSHを使い、フラグ、パス、サブコマンドを扱い、エディタやブラウザ、チャットでも同じキーで入力したい場合です。

Aquaはクラウド型なので、ネット接続が必要です。外部に接続できない環境では、ローカル処理のツールが適しています。

Aqua Proは年払いで月額8ドル相当です。1,000語を試せる無料のStarterプランがあり、.eduメールアドレスによる学生割引は70%です。独自のターミナルツールに音声を組み込む場合は、音声1時間あたり0.39ドルのOpenAI互換Avalon APIも使えます。Wispr Flowとの比較やAquaガイドもご覧ください。

ターミナルでも、話して意図を伝える。

コマンドラインには厳密な表記が必要です。一つのターミナルに組み込まれた機能だけでなく、使うアプリをまたいでカーソル位置に入力できるツールがあると、作業全体を同じ操作で進められます。エージェントとの会話が増えるほど、音声入力の使いどころも増えます。

よくある質問。

ターミナルで音声入力できますか？ はい。Warpには内蔵機能があります。ほかのターミナルでも、Aquaのようなツールでカーソル位置に文字を入れられます。macOS標準の音声入力は、ターミナルとの組み合わせで安定しない場合があります。

コマンドラインでは、何の認識精度が重要ですか？ フラグ、パス、サブコマンドです。AquaのAvalonは2025年10月のOpenASRでクローズドソースモデル1位でした。9to5Macの比較では、macOS標準音声入力の17件に対し、Aquaの誤りは1件でした。

macOSの音声入力はiTerm2で使えますか？ 有効にできますが、自然言語の入力欄を主な対象としているため、コマンドの語彙や入力の安定性で不便を感じる場合があります。AquaはiTerm2のカーソル位置に入力し、CLIの用語も扱えます。

ターミナルでAquaを使う費用はいくらですか？ Proは年払いで月額8ドル相当です。無料のStarterプランは1,000語、.eduメールによる学生割引は70%です。Avalon APIは音声1時間あたり0.39ドルです。