ChatGPTに音声入力する方法（2026年）：全手段と、たいていは壊れていない理由

はい、ChatGPTには声で入力できます。メッセージ入力欄にカーソルを置き、マイクのアイコンを押して話すと、話した内容が文字になって欄の中に残り、送る前に直せます。以下はすべて、2026年8月27日にOpenAI自身のヘルプページ、製品ドキュメント、リリースノートと突き合わせて確認したもので、そのつど出どころを書いています。

VoiceBoard編集部更新日 2026年9月2日

ChatGPTにある三つの音声機能

ChatGPTには、あなたの声を聞くものが三つあります。ボタンも、対応するプラットフォームも、録音の扱いに関する規則も別々です。この話題のほとんどのガイドは、最初の二つをひとつの機能として扱い、三つ目には触れません。

OpenAI自身が、この分かれ道を音声モードのヘルプページの「音声モードとディクテーションはどう使い分けるか」という節で述べています。

その場でやりとりしたいとき、あるいは考えを声に出して整理したいときは音声モードを使ってください。プロンプトを録音し、その文字起こしを見直して直し、テキストとして送りたいときはChatGPTのディクテーションを使ってください。

音声入力のページのほうは、仕組みについてもっと率直です。「マイクアイコンを押して音声メッセージを録音すると、録音された音声は文字起こしのために当社のモデルに送信されます。文字起こしはテキストとして返され、ユーザーメッセージとして送信する前に編集できます。」

推測せずにボタンを見分ける方法。音声入力はメッセージ欄の中、添付とツールのボタンの隣にあり、押しても同じチャット画面を見たままです。音声モードは画面を占領します。録音はmacOSアプリにしかなく、Plus、Pro、Business、Enterprise、Eduだけで、1セッションは4時間で頭打ちです。スマホで何かが4時間の録音を提案してきたなら、それは音声入力ではありません。

お使いの端末で音声入力ボタンがある場所

iPhoneとAndroid

メッセージ欄のマイクを押して話すと、文字起こしが欄に落ちます。自分で設定しない限り、勝手には送られません。OpenAIは2025年2月28日にiOSへ文字起こしの自動送信の設定を出しており、リリースノートには既定でオフだと書かれています。ですから口述したメッセージが読む前に飛んでいくなら、まずこのスイッチを見てください。

Androidに固有の点が二つ、どちらもOpenAIのリリースノートからです。2026年2月27日以降、音声入力の画面は文字を表示したまま、話すそばから更新するようになりました。最後にまとめて出すのではありません。2026年8月14日以降、すでに文字を打ったりファイルを添付したあとでも音声入力ボタンが残るようになったので、書きかけのメッセージに足せます。この二つ目の変更は、2025年7月からOpenAI自身のフォーラムで開いたままだった苦情を閉じました。そこでは利用者が、ボタンが「入力欄に文字が入った瞬間に消える（ブラウザ版では残るのに）」と書いていました。iOS向けに同じ趣旨の告知はありません。

macOS、Windows、Linuxのデスクトップアプリ

ここは誰も書かない部分で、しかもOpenAI自身のキーボードショートカット一覧に載っています。

プロンプト作成のドキュメントは挙動をこう明記しています。「ChatGPTデスクトップアプリでは、入力欄が見えている状態でCtrl+Shift+Dを押してから話し始めてください。ChatGPTがあなたの発話を入力欄に文字起こしするので、プロンプトを送る前に見直して編集できます。」

ひとつ訂正を。これは間違って繰り返されています。macOSのOption + Space、WindowsのAlt + Spaceは音声入力ではありません。これらが開くのはチャットバー、小さなランチャーの窓です。それを押しては何も文字起こしされないと悩んでいたなら、理由はこれです。

音声モードのドキュメントには、デスクトップでよくある混乱を説明する規則も足されています。「ChatGPTの音声モードを使うには、チャットまたはタスクを音声モードで開始する必要があります。別のモードで始まったチャットやタスクでは、代わりに音声ディクテーションが提供されます。」つまり普通のチャットではデスクトップアプリは音声入力をよこし、音声チャットは意図して始めなければなりません。

デスクトップアプリがいま二つあることも書いておきます。Chat、Work、Codexを統合した新しいほうは2026年7月9日に登場し、それまでのアプリはChatGPT Classicと改名されました。Linuxは2026年8月14日に公開プレビューで加わりました。上のショートカットは現行のアプリについて記載されているものです。

ブラウザ

ここは答えではなく、正直な空白です。OpenAIは、デスクトップのブラウザで開いたchatgpt.com上の音声入力ボタンを文書化していません。私たちはそれを狙って探しました。リリースノートで日付つきに音声入力へ触れているものはすべてiOS、Android、デスクトップアプリの札が付いていて、ウェブの説明はプロンプト欄の音声アイコンしか書いていません。これはあなたの環境にボタンが存在しないという意味ではありません。機能の展開は均一ではないからです。ただ、そこにあると誰も約束できないということではあります。

ノートパソコンのブラウザからChatGPTに口述しているなら、確実な道はOS自身の音声入力で、それは次の節で扱います。

Macアプリの音声モードに起きたこと

2025年12月11日、OpenAIはChatGPTのmacOSアプリから音声モードの体験を2026年1月15日付で引き上げると告知し、音声モードはchatgpt.com、iOS、Android、Windowsアプリで続くと述べました。音声モードは2026年7月23日にWorkとCodexの中でデスクトップへ戻りました。音声入力はこの撤去に一度も含まれておらず、これが重要なのは「Macアプリの音声入力が動かない」がいま生きた検索語で、そこで見つかる答えはたいてい音声モードの話だからです。

ChatGPTの音声入力で最近変わったこと

音声入力はこの一年で静かに作り直されました。2025年に試してあきらめたのなら、あなたが試したのは別物です。

6月の更新が重要なものです。OpenAIは単語誤り率が「テストした主要言語で、以前の実運用モデルより少なくとも10%低かった」と述べ、改善した対象として日本語、韓国語、中国語、ウルドゥー語、ベトナム語、なまりのある英語、そしてスペイン語、フランス語、イタリア語、ポルトガル語の長時間録音を挙げています。日本語がその筆頭に名指しされていることは、このページの読者にとってそのまま朗報です。騒がしい公共の場、小さな声やささやき声、文字と数字の混じった文字列でも挙動が良くなったとも主張しています。

この話題で読む他のものへの影響が二つ。第一に、ChatGPTの音声入力が「Whisperで動いている」と書く記事は、2026年6月26日より前の状況を説明しています。OpenAIは後継を「新しい音声認識モデル」と呼び、名前は挙げませんでした。第二に、空の文字起こしと接続の失敗に関する二つのリリースノートは、人々が苦情を言っている失敗が本物だとOpenAIが文書で認めたものです。

OpenAIが公表していないこと

どこかで読んだ仕様を信じる前に知っておく価値があります。

• 現行の認識モデルの名前。2026年6月以降、公表されていません。
• 音声入力の対応言語一覧。存在しません。設定、音声、言語という設定項目と、6月の更新で改善したと主張された言語の一覧があるだけです。日本語はその一覧に入っていますが、これは対応言語表ではありません。
• 録音の最大の長さ。どこにも文書化されていません。「4時間」という数字を見たなら、それは別機能である録音の上限です。
• 句読点の自動挿入。機能としても設定としても文書化されていません。ウェブのあちこちでそう説明されているにもかかわらずです。

私たちは、抜けている事実を推測で埋めるより、抜けていると伝えるほうを選びます。

ドキュメントが自分と矛盾している点がひとつ

自分の声がどう扱われるかが気になるなら、ここは2分の価値があります。生きているOpenAIのヘルプページ二つが、正反対のことを言っています。

2026年7月30日ごろに更新された音声入力のFAQはこう書いています。「ディクテーションの音声は、そのチャットがチャット履歴に残っているあいだ保持されます。チャットを削除すると、関連する音声クリップも30日以内に削除します」、そして「一般利用者で、モデル改善のために音声を共有することを選んだ場合、当社はディクテーションの音声で学習することがあります」。

私たちが確認した二日前に更新表示が出ていたChatGPTのiOSアプリのFAQは、逆のことを二度言っています。「いいえ。音声からテキストへの機能の音声クリップは、Whisper APIで文字起こしするために当社のサーバーへ送りますが、文字起こしを完了するのに必要な範囲を超えて音声クリップを保持することはありません」、そして「いいえ。音声クリップは文字起こしを作るためだけに使い…そのあとクリップは削除されます」。

どちらが正しいかは言いません。OpenAIが言っていないからです。音声入力のページは音声入力について書かれたものであり、iOSのページはいまだにWhisperを説明していて、6月のモデル変更はそこを怪しくします。これが気になる人の実際的な一手は、設定、データコントロールを開いて「音声録音を含める」をオフにするか、「すべての人のためにモデルを改善する」ごとオフにすることです。この切り替えは音声入力と音声チャットの両方に効きます。Business、Enterprise、Eduのワークスペースは既定で学習から除外されています。

代わりに自分の端末で口述する

スマホもパソコンも、すでに音声入力を持っています。ChatGPTのものを含めてどんなテキスト欄にも文字を書き込みますし、いくつかのプラットフォームではあなたの声をどこにも送りません。最後の点は、クラウドサービスであり接続が切れた瞬間に止まるChatGPT自身のマイクに対する、本物の利点です。

iPhone。設定、一般、キーボードで「音声入力」をオンにします。あとはテキスト欄が開いているときにキーボードのマイクを押すだけ。Appleのドキュメントは珍しく率直です。「対応しているモデルでは、多くの言語の音声入力リクエストがデバイス上で処理されます。インターネット接続は必要ありません。」日本語もその中に入っています。句読点は自動で入り、切りたければ「自動句読点」という設定があります。長さの制限はありませんが、無音が30秒続くと自分で止まりますし、そのあいだキーボードは開いたままなので、手で語を直してから話を続けられます。

Mac。システム設定、キーボード、音声入力。開始はマイクキー、自分で選んだショートカット、または編集メニューの「音声入力を開始」。マイクキーは押して離せば音声入力、押しっぱなしにするとSiriになるので、ここでつまずく人がいます。Appleは、タイムアウトなしにどんな長さの文章でも口述できるとし、同じく無音30秒で切れると書いています（Appleサポート）。Apple SiliconのMacでは、対応言語は機械の中で処理されます。IntelのMacや、端末内処理に対応していない言語では、発話はAppleのサーバーへ行きます。音声コントロールをオンにしていると、通常の音声入力は使えません。

Android。Gboardの上部にあるマイクを押し、「お話しください」が出るのを待って口述します。句読点は日本語なら「くてん」「とうてん」、改行は「あたらしいぎょう」と言えば入ります。Googleのページには繰り返す価値のある但し書きがあります。「一部の言語では音声入力に対応していません」。そして一覧は公表されていません。良いほうの版である高度な音声入力機能はPixel 6以降が必要で、色付きのマイクアイコンが出て、強いプライバシーの主張が付いてきます。「音声入力したテキストはデバイス上で処理されます。[修正]機能または詳細な編集機能を使用した場合を除き、Googleのサーバーに送信されることはありません。」この機能は英語、フランス語、ドイツ語、イタリア語、日本語、スペイン語に対応しているので、日本語で読むあなたも対象です。

Windows。欄にカーソルを置いてWin+Hを押します。Microsoftはこれがローカルではないことを明言しています。「音声入力はオンラインの音声認識を使用しており、これはAzure Speechサービスによって提供されています」。接続が必要です。2026年8月27日に数えた時点で、公表されている言語一覧は46の変種を持ち、日本語もその中にあります。句読点の自動挿入はパネルの設定にある切り替えです。オフラインで作業したいなら音声アクセスがあり、Windows 11 22H2以降で、一度だけ言語をダウンロードすれば「インターネット接続なしで」デバイス上で認識します。対応は15のロケールだけですが、日本語はその中に入っているので、日本語話者にとってこれは現実的な選択肢です。句読点の自動挿入は既定でオフです。Windowsの選択肢の詳しい比較はこちら、Windows向けの音声入力ソフト、Macの同じものはMac向けの音声入力ソフトです。

短く言えば、iPhone、Apple SiliconのMac、Pixelでは、OSがあなたの声を端末から出さずにChatGPTへ文字を書き込みます。ChatGPT自身のマイクはそうしません。これが飛行機の中で口述する方法への答えであり、回線が弱いときにアプリの他の部分は動いているのに音声入力だけが黙る理由でもあります。

標準のマイクが力尽きるとき

標準の音声入力は、ほとんどの人のほとんどの場面には十分ですし、十分ならほかにすることはありません。足りなくなる場面は三つあります。

ひとつめは範囲です。ChatGPTのマイクはChatGPTに口述します。Slackにも、メールにも、端末にも、コードエディタにも話したいなら、アプリごとに別の操作を覚えることになります。ふたつめは片づけです。標準の音声入力はあなたが言ったことを書き起こします。言い出しの失敗も、「えーと」も、途中でやめた文もそのままです。みっつめは語彙です。人名、製品名、業界用語は毎回、永遠に間違います。標準の道具はどれもあなたの語彙を覚えないからです。

どのテキスト欄の上にも乗るタイプの道具は、この三つを一度に片づけます。この分野は宣伝から受ける印象より広く、無料の選択肢も含まれます。

• Voice Inは無料枠のあるChrome拡張なので、ブラウザの中で生きているなら最も手間の少ない試し方です。
• SpokenlyはMacで、ローカルモデルとアカウント不要の無料利用をうたっています。
• VoicyはWindows、Mac、LinuxとChrome拡張をカバーし、月8.49ドルから、260ドルの買い切りライセンスがあり、本物のLinuxビルドを持つ数少ない選択肢のひとつです。クラウドを通り、オフラインモードはありません。
• VoiceInkとSuperwhisperはMacの上でモデルをローカルに走らせます。音声を機械から一切出さずにChatGPTへ口述する唯一の方法で、どちらもWhisper系のモデルなので日本語も扱えます（Macのまとめで両方を扱っています）。
• Wispr Flowはほとんどの人に指しているもので、片づけの部分がいちばんうまく、アカウントひとつがWindows、Mac、iPhone、Androidをまたぐからです。キーを押さえて、いつもの調子で話すと、さっきまでいたアプリに仕上がった文章が出ます。言いよどみは消え、句読点は収まっています。使ううちに名前や専門用語を覚えるので二週目は一週目より良くなり、100以上の言語に対応していて日本語も含まれます。ただし英語以外の精度は英語ほどではないと提供元自身が書いているので、日本語での使い心地は無料枠で確かめてください。気に入らない点も含めた詳しい評価はWispr Flowのレビューにあります。

最後のものを勧めている以上、細かい条件も。クラウドサービスなので、ChatGPT自身のマイクとまったく同じようにオフラインでは失敗します。Windowsでは10か11のx64が必要で、ドキュメントはARM版Windows、つまりSnapdragonのノートは非対応だと述べています。無料枠はデスクトップで週2,000語、iPhoneで週1,000語。Proは月15ドル、年払いなら月12ドルです。

Wispr Flowを試す

ChatGPTの音声入力が動かないとき

この言葉で検索すると、2025年から返信なしで開いたままのものを含む、フォーラムのスレッドに着きます。実際に何が起きているのかを、答えである頻度の高い順に並べ、確かめられるよう日付つきの出どころを付けました。

1. 押したボタンが違う

ChatGPTが声で答えてきた、あるいは画面が変わって欄に文字がなかったのなら、あなたがいたのは音声モードで、音声入力ではありません。これは小さな例外ではありません。OpenAI自身のフォーラムで、2025年4月から9月まで続いたスレッドの参加者たちが、まさにその割れ方を報告しています。音声の会話は動き、音声入力は動かなかった、と。設定をひとつでも変える前に、メッセージ欄の中のマイクアイコンを探して、そちらを押してください。

同じ混乱は逆向きにも起きます。人は音声入力を探して音声モードの記事を見つけ、機能が削除されたと結論し、代わりを探しに行きます。2025年3月には「音声からテキスト（マイク）のボタンが消えた。音声チャットしかない」という題のスレッドが立てられました。同じ衝突を反対側から見たものです。

2. マイクの権限、しかも複数の層で

たいてい二つか三つの門があり、ひとつ直しても別が閉じていれば意味がありません。

• iPhone：設定、ChatGPT、マイク。そのあとスクリーンタイム、コンテンツとプライバシーの制限、マイクも確認してください。ここはアプリが許可を求めること自体を止められます。
• Android：設定、アプリ、ChatGPT、権限、マイク。
• Windows：設定、プライバシーとセキュリティ、マイク。効くスイッチは三つ。マイクへのアクセス全体、アプリからのアクセス、そしてアプリ個別です。
• Mac：システム設定、プライバシーとセキュリティ、マイク。
• ブラウザ：サイトごとの許可はシステムの許可とは別です。Chromeなら設定、プライバシーとセキュリティ、サイトの設定、マイクで、chatgpt.comを既定のままにせず明示的に許可にしてください。2024年11月から2026年2月まで続いたOpenAIのフォーラムの長いスレッドは、システム側の許可は与えていたのにサイトの許可を明示するまで「設定でマイクへのアクセスを有効にしてください」と出続けた人であふれています。

3. ブラウザそのもの

同じ機械で、あるブラウザでは失敗し別のブラウザでは動くなら、原因はブラウザです。

いちばんはっきり記録されている例はBraveです。2026年7月6日、ある利用者が、ChatGPTのメッセージ欄のマイクを押すとすぐに「Content failed to load」と出て、コンソールにInvalidStateError: Failed to execute 'showPopover' on 'HTMLElement'が出ると報告しました。同じアカウントが同じコンピューターのChromeでは動いていました。Braveのスタッフがその日のうちに返信し、バグトラッカーを案内しています。この問題、brave/brave-browser #56858は2026年7月3日に立てられ、macOSとLinux Mintからの追認があり、デスクトップとAndroidの両方のラベルが付いていて、2026年8月27日に確認した時点でまだ開いていました。

最初の報告者は、このガイドに入れるべき一行を足しています。「これはフル機能の音声会話（青い球）のインターフェースではありません」。このバグは音声入力を襲い、音声モードには手を出しません。まさにそれが、人を間違った診断へ送り込む症状です。

Braveを使っているなら、今日の対処はChromeかEdgeで口述するか、OSの音声入力を使うことです。

4. あなたではなくOpenAIの側

マイクの設定を一から作り直す前にstatus.openai.comを見てください。音声入力には固有の名前が付いた障害の記録があります。「ChatGPT Dictation Elevated Error Rate」、2026年4月2日の14時17分から17時49分までの部分障害です。もうひとつ「Elevated transcription failures affecting ChatGPT & Codex」が、2026年5月7日の夕方から8日の朝まで続きました。この問題の検索結果に出てくる記事で、ステータスページに触れているものはひとつもありません。

5. 接続が切れた、またはタイムアウトした

音声入力は設計上クラウドサービスなので、回線が弱いと警告ではなく無が返ります。OpenAIは2026年8月7日、iOSの変更でこれを認めました。「接続の問題やタイムアウトでディクテーションが失敗した場合、ChatGPTが自動的に1回だけ再試行し、最初からやり直さずに録音を終えられるようにします。」再試行は1回。そのあとは録音を失います。

6. そもそも何も返ってこない

空の文字起こしは既知の不具合で、OpenAIは2026年1月12日にログイン中の全利用者向けに「空の文字起こしを大幅に減らし、精度を改善」と名指しで対処しました。それでも沈黙が返ってくるなら、あなたがぶつかっているのは本物のバグの残りであって、何かを間違えているわけではありません。

7. 長い録音が消える

これは未解決で、大事なことを口述する前に知っておく価値があります。2025年4月23日にOpenAIのフォーラムへ立てられ、2025年11月にも返信が付き続けていたバグ報告は、iOS、macOS、ウェブをまたいで音声入力が録音した発話を削除し、取り戻す方法がないと述べています。ときにはその前に、タイマーが逆走して「-5000秒」になり、「音声入力は1秒より長くする必要があります」というエラーが出るそうです。ある利用者はこう書いています。「この6時間の使用で、口述したものを5回ほど全部失いました。」

OpenAIは録音の最大の長さを公表していないので、下回っておけばよい閾値というものがありません。実際的な習慣は、一回で長く録るのではなく、短く区切って口述し、テキストを欄の中に積み上げていくことです。

8. 読む前に送信されてしまう

口述したメッセージが文字を見せずに飛んでいくなら、自動送信の設定を確認してください。OpenAIが2025年2月28日にiOSへ出したもので、既定はオフだと注記されています。これとは別に、2025年4月1日に報告されたAndroidの不具合は、文字起こしをまったく表示せずに即座に送信するもので、こちらは設定ではなくバグです。

9. 違う言語で文字起こしされる

設定、音声、言語を開いて、自分が話す言語を選んでください。OpenAIにはまさにそう書いた短いヘルプページがあります。それ以外では自動判別ですが、二言語を使う人にはよく外れる程度には外れるので、2026年6月のモデル更新は混在した発話を名指しで挙げていました。日本語と英語を混ぜて話す人は、まずここを固定するほうが早いです。

10. 誰かがオフにした

職場や学校のアカウントでは、管理者がワークスペース全体で音声モードを無効にできます。連携した未成年のアカウントでは、保護者がペアレンタルコントロールでアクセスを管理できます。提供状況はプラン、地域、アプリのバージョンにも左右されるので、同僚にある選択肢があなたには有効になっていないことも普通にあります。

11. ボタンをもう一度押す必要がある

Windowsのデスクトップアプリでは、2026年5月9日の報告に複数の追認が付いていて、マイクのボタンが一度目のクリックで有効にならないと述べています。「ときどき、二度目のクリックでようやくディクテーションが始まる」。深刻というより煩わしい話ですが、何かが壊れていると結論する前に試す価値があります。

端末別の直し方、短い版

どう確かめたか

アプリを入れてもいませんし、ストップウォッチを回してもいませんし、精度を測ってもいません。そうでないふりもしません。この検索でいま上位にあるページを読むと、速度の倍率や対応言語の数についての自信ありげな主張が出てきますが、それを出しているのは自社の一覧で一位になった道具を売っている会社で、あなたが検証できるものは何も付いていません。

代わりに2026年8月27日にしたのは、確かめられるものを一次情報で確かめることでした。

• OpenAIの音声入力FAQ、ChatGPTの音声モードのページ、録音のページ、iOSとAndroidのアプリFAQを読み、言い換えずに引用した。
• learn.chatgpt.comの製品ドキュメントを読んだ。キーボードショートカット一覧を含み、Ctrl+Shift+DとCtrl+Shift+Vはそこから来ている。
• OpenAIの公開リリースノートを通読し、過去十八か月ぶんの音声入力に関する日付つきの項目をすべて拾った。
• OpenAIのステータスページを開き、音声入力と文字起こしに関わる二件の障害を時刻とともに記録した。
• Braveのコミュニティのスレッドを読み、そのうえでリンク先のバグトラッカーへ問い合わせ、執筆当日にまだ開いていることを確認した。
• OpenAI自身のコミュニティフォーラムで日付のある利用者の報告を読み、リンクと日付を付けて引用した。
• OSごとの方法のために、AppleのiPhoneとMacの音声入力ガイド、GoogleのGboardのページ、Microsoftの音声入力と音声アクセスのページを、いずれも日本語版を含めて読み、Windowsの言語一覧は数字を写さず自分で数えた。

隠さずに書く限界が三つ。ChatGPTの画面のスクリーンショットを持っていません。これはどこを押すかの話題なので、ここでの説明は撮影した画面ではなくドキュメントに基づいています。調査環境からRedditに届かなかったので、ここに出てくる利用者の経験はあなたが開ける出どころから取っています。OpenAIのフォーラム、Braveのフォーラム、公開のバグトラッカー、すべて日付つきです。そしてこの製品のインターフェースは速く変わり、2025年11月以降だけでも音声体験の作り直しが二度記録されているので、ボタンの位置に関する記述はすべて恒久的な事実ではなくその時点の写真として扱ってください。このページは四半期ごとに確認し直します。

次にすること

端末の標準の音声入力に一週間を使って、どこで足りなくなるかを見てください。ChatGPTを出て他のアプリへ行き続けるから足りない、あるいは話して節約した時間より文字起こしを整える時間のほうが長いから足りないのなら、Wispr Flowの週2,000語の無料枠が、1円も使う前に有料の道具で何か変わるのかを知る最も安い方法です。オフラインだったから足りないのなら、有料のクラウド製品はどれも助けになりません。手元で動くものが要ります。比べる価値のある代替はこちらです。