本文へ移動

JA

無料ツール一覧

動画・音声·6 分で読めます

録音、動画、ボイスメモを無料で文字起こしする方法

Transcript Studioを使うと、録音を最初から聞き直さなくても、必要な発言をテキストで探せます。ここでは地域の会報のために録ったインタビューを例にします。同じ結果を約束する例ではないので、自分のファイルに合わせて選び方を変えてください。

LoschaZ·更新日 2026年10月22日

先に結論

録音を選び、音声の言語を決めて、できた文を音声と聞き比べながら直します。文書に貼る前に、名前、日付、打ち消しの言葉をもう一度聞いて確かめます。

無料ツールを開く

実際の画面で手順を見る

ツールの画面を短く録画したもので、音声はありません。字幕をオンにすると手順を確認できます。同じ手順を下の文章でも説明しています。

動画を開く・ダウンロードする · 0.2 MB · 24.58 s

どの手順も文章で説明しています。

音声の言語を選ぶか、ツールに自動で検出させます。
パソコンでは「高精度」（Accurate）を選ぶと、より整ったテキストになります。
作例の録音を選びます。音声認識モデルはこのブラウザの中で動きます。
話した言葉が、タイムスタンプ付きのテキストとして表示されます。
テキストをコピーするか、文書や字幕としてダウンロードします。

文字起こしできる録音と動画のファイル

Transcript Studioは、MP3、M4A、WAV、OGG、OPUS、FLAC、WebMの音声と、MP4、MOV、MKVの動画を開けます。スマホの録音アプリやICレコーダーの音声、Zoomで保存した録画、ポッドキャスト、ボイスメモも対象です。「マイクで録音」を選べば、その場で話した言葉を文字にすることもできます。

設定よりも差が出るのは、録音そのものです。話し声が重ならず、スマホやマイクが話す人の近くにあるほど、テキストの誤りは減ります。

音声ファイルを4つの手順で文字起こし

言語を選ぶ
「音声の言語」で録音の言語を選びます。日本語だけの録音なら「自動で検出」でも判定できますが、短いクリップや、冒頭に音楽が入った録音では、自分で「日本語」を選ぶほうが安心です。
モデルを選ぶ
「高速」はモデルファイルが約80〜210MBで、スマホ向きです。パソコンなら「高精度」（約250〜590MB）のほうが、なまりや雑音のある録音をうまく扱えます。モデルは一度ダウンロードすれば、次からはそのまま使われます。
録音を追加する
「ファイルを選択」で手元の録音を開くか、「マイクで録音」で新しく録ります。マイクは録る準備ができてから許可し、話し終えたら「停止して文字起こし」を押します。かかる時間は、録音の長さ、モデル、ブラウザ、端末によって変わります。進み具合の表示はこの作業の目安で、速さを保証するものではありません。終わるまでページを開いたままにしておきます。
確認して書き出す
タイムスタンプ付きのテキストを読み、名前や専門用語を直してから、「テキストをコピー」「テキスト（.txt）」「Word（.docx）」「字幕（.srt）」のどれかを選びます。

iPhoneのボイスメモを文字起こしする

ボイスメモの録音は、保存すれば普通の音声ファイル（M4A）です。ボイスメモで録音を選び、共有メニューから「“ファイル”に保存」を選びます。そのあとSafariでTranscript Studioを開き、「ファイルを選択」から保存した録音を選びます。

スマホでは「高速」を選ぶと早く終わります。長い録音を「高精度」で処理すると、録音の長さの数倍かかることがあります。ボイスメモには、自分以外の人の声が入っていることもあります。テキストも録音と同じように、見せる相手を考えて扱ってください。

用途に合った書き出し方

字幕にするときは、「字幕1行の文字数」で1行に入る文字数を決めておくと、スマホの画面でも読みやすくなります。日本語のようにスペースのない文も、この文字数に合わせて行を分けます。

用途	書き出し
メモ、引用、メール	テキストをコピー、またはテキスト（.txt）
時間を参照したいインタビュー	時間付きテキスト
文書として編集・共有	Word（.docx）
動画の字幕	字幕（.srt）または字幕（.vtt）
自分のツールでの処理	JSON

日本語の文字起こしで直したいところ

日本語では、同じ読みの別の漢字や、人名、地名、社名の表記が間違えやすいところです。句読点（、。）はモデルが入れますが、抜けたり、文の途中に入ったりすることがあります。区切りを整えるのは、意味を確かめてからにします。きれいな句読点が付いていても、言葉が正しいとは限らないからです。

大事な名前は「テキスト内を検索」で探し、出てくる箇所をまとめて聞き直します。検索の対象は認識されたテキストなので、誤って認識された言葉は見つからないことがあります。短い一部分や、別の書き方でも探してみてください。

録音の扱いと精度について

Transcript Studioは、録音もテキストもこの端末の中で扱います。音声認識モデルはHugging Faceから、実行エンジンはjsDelivrから読み込みます。ダウンロードしたモデルはブラウザのキャッシュに残り、設定はローカルストレージに保存されます。テキストは、ページを離れる前に書き出してください。

完璧な音声認識モデルはありません。名前、珍しい言葉、何人かが同時に話す部分は、間違いが出やすいところです。引用する前に、その部分を聞き直します。

ボイスメモを、使えるメモに整える

ボイスメモは、考えの途中から始まることがよくあります。「それ、火曜に持ってきて」は正しく認識されていても、何をいつ持っていくのかが分からなければ役に立ちません。こうした言葉は自分で書くメモの中で補い、文字起こしは話された言葉の記録として残します。補った説明を、話した人の言葉のようにかぎかっこに入れないでください。

会議のリマインダーなら、録音全体を確かめてから、決まったことのリストを別に作ります。担当者を書くのは、録音でそう決まったときだけです。答えの出ていない質問は質問のまま残し、2つの案を話しただけなら、最後に出た案を決定にしません。始めと終わりを見比べると、あとで数字を言い直した箇所にも気づけます。

よくある質問

聞き取りにくい名字は、どう直せばいいですか？

その文を聞き直し、本人から聞いた表記や確かな資料と照らし合わせます。確かめられないときは、未確認の印を付けておきます。もっともらしい変換を、そのまま正しい名前として扱わないでください。

誰が話したかを自動で分けられますか？

いいえ。話者を自動で区別する機能はありません。声の変わり目を聞いて確かめてから、自分で名前を付けます。声が重なった部分は、話者も言葉も不確かなまま残しておきます。

無音の部分に文字が出ることはありますか？

あります。話していない部分に、それらしい短い文が出ることがあります。文として自然でも、録音と聞き比べて確かめてください。

日本語の音声を英語のテキストにできますか？

できます。「英語に翻訳しながら文字起こし」をオンにすると、英語のテキストになります。英語以外の言語への翻訳には対応していません。

ページを閉じても、文字起こしは残りますか？

残りません。直したテキストは、ページを離れる前に書き出します。書き出したファイルを開いて、最後の段落まで入っているかも確かめます。

動画ファイルの音声も文字起こしできますか？

できます。MP4、MOV、MKV、WebMの動画を開くと音声トラックを文字起こしするので、先に音声を取り出す必要はありません。

出典・参考情報

録画はLoschaZのツールを、このガイド用に用意したサンプルファイルで操作したものです。説明のためのデモであり、すべてのスマホでの動作や同じ結果を保証するものではありません。お客様のファイルは使っていません。