Siriの音声入力とキーボード入力、私はどう使い分けているか

運転中や移動中に、自宅のPCで動いているAIへ音声で指示を出せたら便利だと考えて、iPhoneのSiriからPCへ指示を送る仕組みを作りました。作ったのは2026年5月です。ところが、2か月ほど経った7月の記録では、Siri経由の利用はまれになっていました。

この記事では、その仕組みの一般的な作りと、実際に使ってみて分かった音声入力の向き不向きを書きます。社内で使っているツールの名前や、接続先のアドレスは書きません。なお、同じ文章を音声とキーボードで入力して時間を比べた測定は、していません。

Siriから指示を送る仕組み

作りは単純です。iPhoneのショートカットアプリで、「Siriで聞く」という手順で音声を文字にし、その文字をPCへ送ります。送り先は、VPNのTailscaleでつないだ自宅のPCです。PC側では、受け取った文字をAIに渡して、返事をまた文字で返します。ショートカット側はその返事をSiriに読み上げさせます。

Tailscaleを使うのは、PCを外のインターネットに公開せずに済むからです。接続の手順はTailscaleで外出先から自宅PCを使うで書く予定です。

返事に時間がかかる場合の扱いも決めました。25秒以内に終われば、そのまま読み上げます。それより長くかかる作業は、いったん「作業中です」と返し、終わったらスマホへプッシュ通知で結果を知らせます。通知にはntfyという仕組みを使いました（仕組みはスマホ通知でPC作業の完了を知るで書いています）。読み上げは長いとSiriが詰まるので、3文以内に収まるようにAIへ指示しています。

実際に使ってみて

実際に主に使っている経路は、Siriではなく、PC上のAIの画面へ文字を直接送る方法でした。Siri経路は作った直後の期待ほど使われず、私の記録では2026年7月の時点で「まれ」です。理由を一つに絞ることはできませんが、思い当たる点は書いておきます。

一つは、音声入力の誤変換です。私は普段からスマホの音声入力で指示を出すことが多く、誤変換や、途中で切れた文が混ざる前提で読み返しています。固有名詞や専門用語は特に崩れます。文章を目で見て直せる画面入力と違い、Siriだと聞き取った文字を確認する間がありません。

もう一つは、質問への返答です。AIが「どちらですか」と聞き返してきたとき、私の作りでは文末の疑問符で質問かどうかを判定していました。疑問符が付かない聞き方だと、質問として扱われません。この点は作り込みの不足です。

音声が向く場面、向かない場面

向くのは、短くて、間違っても取り返しが付く指示です。予定の確認や、進み具合を尋ねるような使い方がこれに当たります。向かないのは、長い文章や、固有名詞が多い指示、そして取り消せない操作です。

取り消せない操作とは、送信、公開、削除のようなものです。音声で誤認識されたまま実行されると困るので、私は実行の前に必ず一度だけ確認を挟むことにしています。これは音声に限らず、AIに作業をさせるときの決まりにしています。

入力の道具について

マイクやヘッドセット、外付けキーボードを買う前に、まず自分がどの場面で入力に困っているのかを見るのが先だと思います。私は音声入力の精度を上げる機材は試していません。iPhoneの内蔵マイクで足りない場面が来るかどうかも、まだ分かっていません。

今の運用

いまは、机に座れるときはキーボード、外出中で短い確認なら音声、と分けています。長い指示や、重要な操作はスマホでも文字で打ちます。Siri経路の再試験は、時間があるときにやるつもりです。