音声文字起こし

音声文字起こしは、ボイスメモ、インタビュー、講義、会議の録音、ポッドキャスト、通話、動画の音声などをテキストに変換するツールです。ファイルを選択するか、マイクで録音すると、発話時刻付きの文字起こし結果が1行ずつ表示されます。

2つの文字起こしモード

文字起こし結果でできること

• 録音と照らし合わせて確認：タイムスタンプをクリックしてその場面を再生し、各行をクリックして修正できます。
• コピー・ダウンロード：タイムスタンプや話者名の有無を選んで、テキストを保存できます。
• 字幕を作成：発話に合わせた時刻付きのSRT・VTT字幕を、読みやすい行に分割してダウンロードできます。
• さらに活用：翻訳や要点の要約、動画への字幕の焼き込みもできます。

きれいに文字起こしするコツ

• マイクは話す人の近くに置き、音楽や扇風機の音を避けましょう。雑音は認識精度を大きく下げます。
• インタビューや会議にはAIモードがおすすめです。各行で誰が話したか分かります。
• 動画を読み込めない場合は、音声抽出ツールで音声を取り出し、MP3を文字起こししてください。

よくある質問

音声を文字起こしするには？

音声ファイルを選択するか、マイクで録音して、「無料で文字起こし」または「AIで文字起こし」を押してください。各行にタイムスタンプが付いたテキストが表示されます。コピーするほか、TXTファイルやSRT・VTT字幕としてダウンロードできます。

本当に無料ですか？

はい。無料モードは、お使いのブラウザ内で音声認識モデル（OpenAIのWhisper）を実行します。どなたでも毎日10分無料で利用でき（各ファイルは最低1分として計算）、ProまたはPremiumなら無制限です。AIモードは発話1分あたり3クレジットです。どなたでも毎日3クレジットを無料でもらえるので、毎日最初の1分は無料でAI文字起こしを利用できます。

無料モードとAIモードの違いは？

無料モードは音声を外部に送信せず、毎日10分無料で使えます（Proなら無制限）。1つの言語で明瞭に話した音声に向いていますが、訛り・雑音・英語以外の言語では精度が下がり、話者の区別もできません。AIモードは句読点を適切に補い、言語を自動判別します。訛りや背景の雑音にも強く、各話者を「話者1」「話者2」のように区別します。話者名は変更できます。

動画も文字起こしできますか？

はい。MP4、MOV、WebM、MKVなどの動画ファイルを選択すると、音声部分を読み取ります。AIモードで送信するのは、小さく圧縮した音声ファイルだけです。動画自体はお使いの端末から送信されません。

字幕も作れますか？

はい。文字起こし結果をSRT・VTT形式でダウンロードできます。各行に開始・終了時刻が付き、長い行は読みやすい2行の字幕に分割されます。YouTube、Premiere、CapCut、VLCで読み込めるほか、「動画に字幕を追加」ツールで動画に焼き込むこともできます。

どの言語に対応していますか？

AIモードは英語、スペイン語、ポルトガル語、フランス語、ドイツ語、中国語、日本語、韓国語、ロシア語、アラビア語、ヒンディー語など、100以上の言語に対応し、言語を自動判別します。無料モードも同じ主要言語に対応していますが、先に音声の言語を選ぶ必要があります。

録音の長さやファイルサイズに制限はありますか？

最大3時間・500 MBまで対応しています。無料モードでは、プランに加入していない方は毎日10分まで文字起こしできます。ProまたはPremiumなら1日の利用時間に制限はありません。長い録音は、言葉の途中で切れないよう発話の切れ目で最大2分ずつに分割して処理します。処理が終わった部分から、画面に文字起こし結果が表示されます。いつでも停止でき、あとで続きから再開できます。

録音のプライバシーは守られますか？

無料モードでは、データがお使いの端末から外部に送信されることはありません。AIモードでは、文字起こしのために音声を分割して送信しますが、保存はしません。文字起こし結果はご本人にだけ表示され、保存されません。

文字起こしの精度はどのくらいですか？

明瞭な音声なら、AIモードは通常、単語の認識率が90%を大きく上回り、各行の時刻も1秒未満の誤差に収まります。名前・専門用語・小さな声・重なった発話では誤認識が起こることがあります。ダウンロード前に、ページ上で各行を修正できます。