Superwhisperを使い始める前に：どこで使えるか、無料でどこまでか、音声と文字起こしはどこで処理されるかを、公式の資料で確かめる

3行でいうと

公式の資料によると、対応はmacOS（14以降）、Windows 10/11、iPhone、Androidの携帯電話です。Linuxは「coming soon（近日）」と書かれています。会議の機能（Meetings）はMacだけです。
音声を文字にする「声のモデル」には、端末の中で動くローカルモデルと、クラウドのモデルがあります。ローカルだけで使えば、音声も文字も端末の外に出ない、と公式にあります。
無料プランでは、ローカルのWhisperモデルを無制限に使えます。クラウドのモデル、AIによる整形、会議、ファイルの文字起こしなどはPro（有料）の機能で、新しく使い始めた人には「3000語ぶん」のPro体験がある、と書かれています。
公式は「100以上の言語」に対応と書いていますが、日本語を名指ししているのはモデルごとの記述です。モデルごとに日本語の扱いが違い、公式の表には「日本語を含む14言語」のモデルや「iPhone専用の日本語モデル」が載っています。
会議の録音について、他の参加者への通知や同意に触れた記述は、公式の資料を読んだ範囲では見つかりませんでした。

この記事は、公式の資料を2026年10月23日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。画面名・設定名・金額は公式の表記を写しています。公式のページは要約の形で取得したため、「書かれていない」と言い切らず「読んだ範囲では見つからなかった」と書いています。精度や速さの数字・ベンチマークは、載せていません。

先に結論

音声入力として始めるだけなら、無料のローカルモデルがいちばん手前の入口になる。 無料でもWhisperモデルは無制限、と公式の料金の説明にあります。クラウドのモデルやAI整形を試したいときは、新規ユーザー向けの3000語ぶんのPro体験が使えます（これは見立てで、公式の推奨ではありません）。
「音声と文字がどこで処理されるか」は、モデルの選び方で決まる。 声のモデルと、文章を整えるAI（言語モデル）は別々の段階で、それぞれローカルかクラウドかを選べます。両方ローカルなら、公式は「音声も文字も端末の外へ出ない」と書いています。
クラウドを使う場合、公式は「音声と文字を、AIモデルの学習には使わない」と書いている。 同時に、第三者のAI（OpenAI、Anthropic、Google など）に処理を任せることもプライバシーポリシーに書かれています。
日本語は使える言語に入っているが、モデルと機能によって差がある。 日本語の細かい動きは、公式の資料では確認できていません。
会議の録音は、公式が「ボットは参加しない」と書く一方、参加者への通知や同意については書いていない。 他人の声を録るときの扱いは、自分で確認する必要があります。

前提：用語をそろえる

ディクテーション（音声入力）：話した内容を、文字として入力すること。
声のモデル（Voice Model）：音声を文字にするモデル。公式の資料はこう呼びます。クラウド型とローカル型があります。
言語モデル（Language Model）：文字になった文章を、整えたり変換したりするAI。モードによっては使いません。
ローカルモデル／クラウドモデル：ローカルは、端末の中で動き、一度ダウンロードすればオフラインでも使えるもの。クラウドは、インターネット経由で別のサーバーが処理するもの。
モード（Mode）：声のモデルと、必要ならAI整形を組み合わせた「使い方の型」。メッセージ向け、メール向け、メモ向けなどがあります（02で扱います）。
Pro：有料のプラン。Free（無料）との違いは下の表にあります。
Meetings（会議）：Macで会議を録音・文字起こし・要約する機能。Superwhisper 3.0以降の機能と書かれています。
Whisper（ウィスパー）：公式の一覧に、ローカルモデルの名前として並んでいます。これは、アプリの名前の「Superwhisper」とは別の、モデルの名前です。

どこで使えるか

入口	公式の資料に書かれていること	確かさ
Mac	必要環境は「macOS 14 or later」。superwhisper.com からダウンロードして、アプリをApplicationsフォルダに入れる。初回に「Microphone（録音）」「Accessibility（入力欄に文字を入れる）」を許可し、会議用に「System audio」は任意	書かれている
Windows	Windows 10または11。x64とARM64に対応。GPUは必須ではない。superwhisper.com/windows のインストーラを使う。会議（Meetings）は、Windowsではまだ使えない	書かれている
iPhone	App Storeから入れ、キーボードとして追加する。iPadは非対応。最低のiOSバージョンは書かれていない	書かれている（最低バージョンは確認できず）
Android	Google Playから入れる。携帯電話のみで、タブレットは非対応。最低のAndroidバージョンは書かれていない	書かれている（最低バージョンは確認できず）
Linux	公式の導入ページで「coming soon」と書かれている	近日の予定のみ

1つのProライセンスが、Mac、Windows、iPhone、Androidで使える、と公式にあります。MacとWindowsには台数の上限がない、とも書かれています。
機能は入口ごとに違います。会議（Meetings）、コーディングエージェントとの連携、CLI、Filesync（設定の同期）は、Windowsにはまだない、と公式のWindowsのページにあります。
iPhoneとAndroidでは、モードとVocabulary（登録した語）が端末ごとの保存で、Macやパソコンからは同期されない、「クラウド同期は予定」と書かれています。
Macの企業向けの設定のページに「Local processing needs an Apple silicon Mac.」と書かれています。会議のオフライン利用のページにも、Cohere Transcribeにはapple siliconが要る、とあります。個人向けのページには、Intel Macで使えるかが書かれておらず、読んだ範囲では確認できていません。

日本語は使えるのか（公式の表記）

公式サイトのトップには「100+ languages（100以上の言語）」とあります。声のモデルの一覧でも、S1-Voice（クラウド）は「100+」の言語と書かれています。
声のモデルの一覧には、日本語に関する次の記述があります。

モデル	日本語についての公式の書き方
Cohere Transcribe（ローカル、Pro）	14言語の1つとして日本語を含む。翻訳とリアルタイム文字起こしは非対応
Parakeet Japanese（iPhoneのみ）	日本語専用のモデル。プランやサイズは一覧に書かれていない
Parakeet Multilanguage（ローカル、Pro）	24言語。日本語が入っているかは一覧に書かれていない
Whisperの「All」と書かれたモデル（ローカル、無料）	全言語
S1-Voice（クラウド、Pro）	「100+ languages」と書かれている。日本語の名指しは一覧にない
Nova 2、Nova 3、Scribe（クラウド、Pro）	「モードの言語メニューにある言語」。日本語が入るかはメニュー次第

言語は、モードごとの「Language」で、Automatic（自動判別）か、決まった言語のどちらかにします。公式のトラブルシューティングには、自動判別だと英語になってしまうことがある、とあり、その直し方は「言語を固定する」か「Vocabularyにその言語の語句を入れる」です。
日本語のAI整形（Message、Mailなど）の品質や動きは、公式の資料では確認できていません。ローカルの言語モデルS1-miniは「英語のみ」と書かれています（02、03で扱います）。
日本語だけを扱った公式ページは、読んだ範囲では見つかりませんでした。更新履歴の最近の8版（2026年9月28日の2.18.5から10月20日の3.0.2まで）には、日本語に触れた項目はありませんでした。それより前の2.16.3（2026年7月）に、日本語の文字起こしで想定外のUnicode文字が出る不具合を直した、という項目があります。

無料と有料

公式の料金の説明（superwhisper.com/docs/billing/plans）の表示です（確認日2026年10月23日。金額は米ドルで、変わることがあります）。

プラン	公式のページに書かれていること
Free	無料。ローカルのWhisperモデルは無制限、Vocabulary（登録語）とText replacements（文字の置き換え）、AI処理なしのモードは2つまで。「何を話しても端末の外に出ない」
Pro	月払い$8.49/月、年払い$84.99/年（約17%お得）、買い切り（Lifetime）$249.99。クラウドの声のモデル、Cohere TranscribeとParakeetのローカルモデル、ファイルの文字起こし、モードの数の制限なし、AI処理、文脈の取り込み、リアルタイム、システム音声の録音、話者の分離、Meetings（macOS）、自分のAPIキーの利用、優先サポート
Enterprise	料金はプランのページには載っていない。席数での契約で、SSOなどがある（04で扱います）

新規ユーザーには「3000 words of free access to all Pro features」（Meetingsを含む）がある、と書かれています。使い切ると、データは消えず、Freeに戻ります。
更新履歴には、2.18.2（2026年8月26日）で、Mac版のローカルWhisperモデルがすべて無料になり、Proの無料体験が15分から3000語に変わった、とあります。3.0.0（2026年10月15日）の項目には、Meetingsが専用のタブとして載っています。会議モードの記載は、これより前の版にもあります。
学生・教員・非営利団体には、定価の40%引きがあります。superwhisper.com で買う場合に限り、App Storeの購入には使えません。
Meetingsは、Freeでは「体験の語数」の範囲だけ使えます。語数が尽きると「Meetings require Pro」と出ます。
公式サイトのトップの表示は、取得した要約では「Pro $849」と読み取れ、単位が分かりませんでした。料金の説明のページの「$8.49/月」と同じ数字の表示崩れの可能性がありますが、確かめきれていません。公式の料金ページ（superwhisper.com/pricing）は、再び読もうとしても取得できませんでした。トップを読み直すと、Proの欄は単位のない「$849」で、学生40%引きの記述が近くにあり、読み取りにくいままでした（トップには、全プランに30日の返金があるとも書かれています）。
日本円の表示は、読んだ範囲では見つかりませんでした。料金は04でもう一度、解約・返金とあわせて整理します。

データの扱い：音声と文字起こしの結果はどこへ行くか

ここは使う前に一番確かめたいところなので、公式の書き方を分けて書きます。

処理される場所（二段階） - 公式の「Sensitive Data Best Practices」は、1回のディクテーションを二つの段階に分けて説明しています。①声のモデルで音声を文字にする、②言語モデルで文章を整える（整形なしのモードでは省略）。それぞれ、端末の中でもクラウドでも動かせます。 - ローカルの声のモデル（Cohere Transcribe、Parakeet Multilanguage、Whisper Large v3 Turbo）なら、音声は端末の中で文字になります。Vocabularyの語もローカルに残ります。 - ローカルの言語モデルS1-miniもあり、組み合わせれば「音声も文字も端末の外に出ない」と書かれています。ただしS1-miniは、言語モデルの一覧のページで「英語のみ」、MessageモードとMailモードだけで動く、と書かれています。 - クラウドのモデル（S1-Voice、S1-Language、Claude、GPT、Groq、Deepgram）は、結果を返すために処理され、提供元は保持しない（ゼロデータ保持＝処理が終わったらデータを残さない、という取り決め）、と書かれています。ただし公式は、この取り決めはAPI経由の利用だけに当てはまり、提供元の消費者向けのサイトやアプリに直接話した場合は、その提供元の規約になる、とも書いています。

保存と学習 - 公式は「Your audio and transcribed text are not used to train any AI models.」と書いています。プライバシーポリシー（2026年10月8日更新と表示）にも、データをAIの学習に使わない、という趣旨の文があります。 - プライバシーポリシーは、Superwhisper自身のクラウドモデルでは音声は処理中だけメモリにあり、終わると保存されない、と説明しています。第三者のモデルを使う場合は、その提供元の規約が適用される、とも書かれています。 - 自分のAPIキーを使う場合は、そのキーの提供元との契約がデータの扱いを決め、Superwhisperは内容を見ない、と書かれています。 - 文字起こしの履歴（音声、文字、AIの結果）は、端末の中に保存されます。公式のセキュリティのページには「We never store your transcripts or audio.」と書かれています。 - ただし、あなたが「問題の報告」を送ると、その録音の音声、文字、AIの結果、プロンプト、ライセンスキーが送られる、とポリシーにあります。送るかどうかは自分で選びます。 - 使用状況のメタデータ（端末のランダムID、プラットフォーム、モデル名、語数など）が集まることが、プライバシーポリシーに書かれています。内容（音声と文字）は含まれない、という書き分けです。

どの会社に処理が渡りうるか - プライバシーポリシーには、AIモデルの提供元として、OpenAI、Anthropic、Google、Groq、xAI、Deepgram、ElevenLabsが挙がっています（選んだ場合）。ほかに、ホスティング（Amazon Web Services、Cloudflare、Vercel）や決済（Stripe、Apple、Google Play、Setapp）などがあります。 - どの国のサーバーで処理されるかは、読んだ範囲では書かれていませんでした。サブプロセッサー（処理を任せる会社）の完全な一覧は、Trust Center（trust.superwhisper.com）とDPA（データ処理の契約）にある、と公式にあります。Trust Centerの中身は読めていません。

使い方の入口：どのアプリに入るか、ファイルは読み込めるか

キーを押して話す。 Macの標準のショートカットは「Right ⌘」で、押し続けて話し、離します。別の方法として、「⌥ Space」で録音を始め、もう一度押して止める方法があります。文字はカーソルの位置に入ります。
どのアプリでも。 公式は「どのアプリでも同じ方法で話せる」と説明していますが、使えるアプリの一覧は載せていません。貼り付けを禁じる入力欄（パスワード欄など）向けには、「Simulate keypresses（キー入力を再現）」の設定がある、と公式にあります。
iPhone。 設定でSuperwhisperをキーボードに追加し、「Allow Full Access」をオンにします。地球儀キーを長押ししてSuperwhisperを選び、録音ボタンで話します。
Android。 画面の上に浮かぶ「バブル」をタップして話します。「Floating bubble」「Text insertion」「Microphone」の権限が必要、と書かれています。
録音ファイルの読み込み。 あります。Proの機能の「File transcription」で、音声や動画のファイル（会議の録音、講義、インタビュー、ボイスメモなど）を文字にします。形式はMP3、MP4、MOV、16kHzのモノラルWAV、Windowsではさらにopusが推奨、と書かれています。ファイルの大きさや時間の上限、処理がローカルかクラウドかは、そのページには書かれていませんでした（現在選んでいるモードのモデルで処理される、とあります）。
会議の録音。 Macの「Meetings」で、あなたのマイクとMacの音声を録音し、話者ごとにラベルが付いた文字起こしと、終わったときの要約を作ります。ZoomとGoogle Meet、Microsoft Teams、Slackのハドルは自動で気づく、と書かれています。Windowsでは、Meetingモードとシステム音声の録音で代用する、とあります。

会議の録音に関する公式の注意

公式は、Meetingsについて「ボットは通話に参加しない」と書いています。録音は自分のMacの上で行われます。
公式の「Recording suggestion」の設定は、Off、Notify、Autoの3つです。Notifyは、通話が始まると、自分の画面に「Meeting detected」という提案が出ます。Autoは、自動で録音を始めます。どちらでも、録音を止める前には確認が出る、と書かれています。これは自分への提案の話で、他の参加者に知らせる仕組みかどうかは、この設定のページにも書かれていません。
公式は、Meetingsに「Microphone（マイク）」と「Screen & System Audio Recording（画面とシステム音声の録音）」の許可が要ると書いています（macOS 14では「Screen Recording」の名前）。話者を分ける約150MBのモデルが、最初の会議の前にダウンロードされます。
一方で、他の参加者に録音を知らせる、同意を得る、といった内容は、Meetingsの概要、録音のページ、会議の紹介ページ、利用規約を読んだ範囲では、見つかりませんでした。利用規約は、他人を録音することを扱っていませんでした。
見立てとして、ボットが入らないぶん、相手には録音が見えにくい可能性があります。会議の主催者の決まり、勤め先や学校の規則、各国・各地域の法律を、自分で確認する必要があります。この記事は法律の助言ではありません。
録音の途中で、通話が終わると「Meeting ending in 9s」と出て、止めるか続けるかを選べます。録音の破棄（Discard recording）は、音声と文字起こしを完全に消します。
会社のEnterpriseライセンスでは、管理者が「システム音声の録音」を禁止できます。禁止されると、Meetingsのタブも隠れます。

最初に決めること

どの端末で使うか。 入口ごとに機能が違います（会議はMacのみ、など）。
ローカルにするか、クラウドにするか。 公式の「Choose a model」には、クラウド（S1-Voice＋S1-Language）は設定が不要でどんなパソコンでも動き、ローカル（Cohere Transcribe＋S1-mini）は端末に音声が残り、初回に大きなダウンロードがある、という対比が書かれています。公式はクラウドを「出発点として勧める」と書いていますが、日本語を使う場合は、S1-miniが英語のみなので、整形をローカルでするかどうかを先に考える必要があります（見立て）。
何を話すか。 仕事や個人情報にかかわる内容なら、使う前に「Sensitive Data Best Practices」を読み、整形なしの「Voice to Text」モードやローカルの組み合わせを検討するとよいでしょう（見立て）。
日本語で使うなら、言語の設定。 モードごとに、Automaticにするか、日本語を固定にするかを選びます。
無料で足りるか。 体験の3000語を使い切ったあと、ローカルのWhisperだけで足りるかを見てから、Proを考える流れです（見立て）。

気をつけること

この記事は、実際に使って確かめた記録ではありません。公式のページを要約の形で読んだ範囲です。
公式の資料同士で、書き方が食い違う所があります。たとえば、会議（Meetings）は、会議の紹介ページでは「FreeとProに含まれ、別のプランはない」と読み取れた一方、料金の説明やMeetingsのページでは「Proの機能で、Freeは体験の語数まで」と書かれています。また、公式サイトのトップの説明文に「SOC 2 Type II certified, HIPAA compliant」とある一方、Complianceのページでは、SOC 2のレポートはNDAのもとTrust Centerで入手でき、医療情報の扱いにはBAAへの署名が要る、と書かれています。認証や準拠の言い方は、公式のTrust Centerや契約書で確認してください。
公式のデータの説明の中にも、細かい差があります。セキュリティのページは「文字起こしも音声も保存しない」と書き、プライバシーポリシーは、問題の報告を送ったときや使用状況のメタデータが残ることを書いています。
日本語の細かい挙動、最低のiOSとAndroidのバージョン、Intel Macでの動作、処理される国、Trust Centerの内容は、読んだ範囲では確認できていません。
規約や認証の解釈は、公式のプライバシーポリシー、利用規約、または専門家に確認してください。この記事は法律の助言ではありません。医療情報を扱う場合は、公式が案内するBAAなどの手続きを先に確かめてください。