言葉・音声 · 無料
文字起こし：音声や動画を無料でテキストに
音声の文字起こしを無料で。会議やインタビュー、講義の録音、動画、ボイスメモを、ブラウザの中で動くAI（OpenAIのWhisper）がテキストにします。アップロードも登録も不要で、時間の制限もありません。Word、テキスト、字幕（SRT・VTT）で保存できます。
- 登録不要
- 端末内で処理
- スマホ・PC対応
音声を文字起こし
端末の中で処理
音声か動画のファイルをここにドロップ
MP3・M4A・WAV・OGG・OPUS・FLAC・MP4・MOV・WEBMなど · 長いファイルにも対応
録音中…
0:00文字起こししています
·
- ファイルの読み込み
- 音声認識モデルの読み込み
- 文字起こし
ここまでのテキスト
文字起こしの結果
文をクリックすると修正できます。
録音は端末から出ません。音声の読み込みも文字起こしも、この端末のブラウザの中で行います。ダウンロードするのは音声認識モデルだけで、初回にHugging Faceから一度だけ読み込みます。
パソコンなら短時間で終わります。新しめのグラフィックチップ（WebGPU）があれば、1時間の音声でも数分で済みます。スマホでも使えますが、時間は長めにかかります。
音声を無料で文字起こしする手順
録音や動画を追加する
音声か動画のファイルをドロップするか、「ファイルを選択」で選びます。その場で話すなら「マイクで録音」を使います。MP3、M4A、WAV、OGG、MP4などに対応しています。
言語と精度を選ぶ
「音声の言語」で日本語を選ぶか、「自動で検出」のままにします。スマホや聞き取りやすい録音には「高速」、なまりや雑音のある録音には「高精度」が向いています。
確認して、直して、保存する
テキストは文字起こしの途中から表示されます。時間をクリックするとその場面から再生されるので、聞き直しながら文を直し、Word、テキスト、字幕で保存します。
日本語の文字起こしで知っておきたいこと
日本語は「音声の言語」の一覧にあり、自動検出でも判定できます。自動検出は、冒頭の約2分から声の大きい部分を選んで言語を決め、その言語でファイル全体を文字起こしします。最初に音楽や英語のあいさつが入る録音では、「日本語」を自分で選んでおくほうが安心です。
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。同じ読みの別の漢字、人名や社名、専門用語も間違えやすいところです。仕上げに、大事な部分だけでも音声と聞き比べてください。
会議の議事録、インタビュー、講義、ボイスメモに
- 会議や打ち合わせ：録音を議事録の下書きにできます。決まったことやToDoは、テキストを見ながら自分でまとめます。
- インタビューや取材：1時間の音声を手で書き起こすと何時間もかかりますが、下書きなら数分で手に入ります。
- 講義や授業：録音が、検索して引用できるノートになります。
- ボイスメモやICレコーダー：iPhoneのボイスメモやICレコーダーの録音も、ファイルとして読み込めます。
- 動画：YouTubeや編集ソフトで使う字幕ファイルを作れます。
iPhoneのボイスメモやZoomの録画を文字起こしする
iPhoneのボイスメモは、録音を選んで共有メニューから「“ファイル”に保存」を選ぶと、M4Aファイルとして残せます。Safariでこのページを開き、「ファイルを選択」から保存した録音を選んでください。
Zoomでパソコンに保存した録画は、映像のMP4と、音声だけのM4Aに分かれていることがあります。文字起こしだけなら、小さい音声ファイルのほうがメモリに余裕が出ます。開けるファイルは、パソコンで1.5GB、スマホで400MBまでです。
無料でも、録音はアップロードしない
オンラインの文字起こしサービスの多くは、録音をサーバーにアップロードし、無料で使える時間を数分に限っています。Transcript Studioは、OpenAIが公開しているWhisperモデルをブラウザの中で動かします。音声が端末の外に出ないので、社外秘の会議や、医療・法律の口述にも使いやすく、時間の制限も登録もありません。
文字起こしをWord・テキスト・字幕で保存
| 書き出し | 内容 |
|---|---|
| テキストをコピー | 文字起こし全体をクリップボードへ |
| テキスト（.txt） | プレーンテキスト。時間を付けることもできます |
| Word（.docx） | メモや報告書に使える、編集できる文書 |
| SRT・VTT | YouTube、Vimeo、Premiere、DaVinci Resolve向けの字幕ファイル。1行の文字数を選べます |
| JSON | 自分のスクリプトで使う、時間付きのセグメント |
どの文にも時間が付いています。テキストを検索したり、再生に合わせて表示したり、再生速度を落としたりしながら、文をクリックして直してから書き出せます。
文字起こしの精度はどのくらい？
Whisperは約99の言語を学習したモデルで、このツールでは日本語、英語、中国語、韓国語など51の言語を一覧から選べます。はっきり話された音声はよく聞き取りますが、音楽や大きな雑音、何人もが同時に話す場面では精度が落ちます。無音の部分に、話していない短い文が入ることもあります。「高速」はwhisper-base、「高精度」はひと回り大きいwhisper-smallというモデルです。難しい録音には「高精度」を選んで言語を指定し、公開や引用の前に名前と数字を聞き直してください。
Transcript Studioのほかのページ
よくある質問
本当に無料ですか？
はい。登録もサブスクリプションも透かしもなく、時間やファイル数の制限もありません。このサイトは広告で運営していて、録音を収益に使うことはありません。
録音はアップロードされますか？
いいえ。音声の読み込みと文字起こしは、ブラウザの中で行います。ダウンロードするのは音声認識モデルだけで、Hugging Faceから一度だけ読み込みます。音声がどこかに送られることはありません。
MP3やM4Aの音声ファイルも文字起こしできますか？
はい。MP3、M4A、AAC、WAV、OGG、OPUS、FLAC、WEBMのほか、MP4やMOVなどの動画も、ブラウザで再生できる形式なら読み込めます。ファイルの大きさは、パソコンで1.5GB、スマホで400MBまでです。
1時間の音声の文字起こしに、どのくらいかかりますか？
WebGPUが使えるノートパソコンなら、「高速」で数分ほどのことが多いです。WebGPUがない場合やスマホでは、もっと長くかかります。作業中はテキストが少しずつ表示され、残り時間の目安も出ます。
iPhoneのボイスメモを文字起こしできますか？
はい。ボイスメモの共有メニューから「“ファイル”に保存」を選び、Safariで「ファイルを選択」から録音を選びます。その場で「マイクで録音」してもかまいません。スマホでは「高速」がおすすめで、「高精度」は録音の長さの数倍かかることがあります。
日本語の音声を英語に翻訳できますか？
英語へなら、できます。「英語に翻訳しながら文字起こし」にチェックを入れると、日本語の録音から英語のテキストができます。英語以外の言語への翻訳には対応していません。
話者を分けられますか？
まだできません。文字起こしは時間付きの文に分かれますが、話者の名前は付きません。直すときに名前を書き足してください。
ひと休み
