🎙 音声をテキストに変換

音声をテキストに変換するオンライン文字起こしツール

あらゆる録音の話し声を、90+ 言語で編集可能なテキストに変換。TXT、DOCX、SRT、VTT でダウンロードできます。

✨ Powered by AI

クリックまたはドラッグ&ドロップで音声・動画ファイルをアップロード

MP3・MP4・WAV・M4A・AAC・OGG・FLAC・WebM・AMR・OPUS・WMA・AIFF・CAF・3GP など 20 種類以上に対応

プライバシー重視の設計 · 24時間後に自動削除
超高速処理 · GPU アクセラレーション
多言語対応 · 90 言語以上に対応

音声をテキストに変換する 3 つのステップ

01

音声ファイルをアップロード

MP3、M4A、WAV、FLAC、OGG などの音声ファイルをドロップしてください。どんな長さの録音でも受け付けるので、事前にカットする必要はありません。

02

AI が音声を文字起こし

話されている言語は自動で判別され、90+ 言語のどれでも、内容がタイムスタンプ付きで書き起こされます。

03

TXT、DOCX、SRT、VTT をダウンロード

テキストをコピーして Word や Google Docs で開くことも、動画編集ソフトやウェブプレーヤー向けにタイムスタンプ付きの字幕をダウンロードすることもできます。

音声の文字起こしとは?

音声の文字起こし(音声をテキストに変換、音声認識とも呼ばれます)とは、録音に含まれる話し言葉を文章に書き起こす作業です。ポッドキャストの 1 回分、録音したインタビュー、ボイスメモなど、すでに手元にあるファイルから始めて、読んだり、検索したり、編集したり、共有したりできるテキストが得られます。

これは、口述入力や音声入力とは異なります。口述入力はマイクに向かって話している間にその内容を書き取るものですが、音声の文字起こしはすでに存在する録音に対して行います。そのため、以前に作られた素材、他の人が作った素材、別の端末で録音された素材に適しています。

音声をオンラインで文字起こしするには、録音をアップロードします。90+ 言語のどれでも、各行にタイムスタンプが付いた 1 つのテキストが得られます。テキストには誰が話しているかは示されません。会話の場合は、話者名付きの台本ではなく、言葉が順番に並んだものが得られます。音声ファイルではなく動画から始める場合も手順は同じです。動画をテキストに変換をご覧ください。

変換できる音声フォーマット

一般的な音声フォーマットは、そのままアップロードできます。先に MP3 に変換する必要はなく、フォーマットによって料金が変わることもありません。料金はファイルサイズではなく、音声の分数で決まります。

フォーマット主な入手元変換
MP3ポッドキャスト、音楽プレーヤー、ほとんどのレコーダー、ダウンロードサイトMP3をテキストに変換
M4AiPhone などの Apple 製デバイスのボイスメモ、iTunesM4Aをテキストに変換
WAVフィールドレコーダーや音声ソフトによる非圧縮の録音WAVをテキストに変換
FLACロスレス音楽やアーカイブ録音FLACをテキストに変換
OGGWhatsApp、Telegram、オープンソースアプリのボイスメッセージOGGをテキストに変換
OPUSWhatsApp のボイスノート、WebRTC や VoIP の通話OPUSをテキストに変換
AACApple や Android の録音、動画から抽出した音声AACをテキストに変換
WMA古い Windows のレコーダーや Windows Media のアーカイブWMAをテキストに変換
AIFFMac の音声ソフトやスタジオ録音AIFFをテキストに変換
AMR古い携帯電話、通話録音、留守番電話AMRをテキストに変換
MP2ラジオ放送や古いデジタルアーカイブMP2をテキストに変換

Apple 製デバイスの CAF ファイルもアップロードできます。音声と動画の全フォーマットは対応フォーマットに掲載しています。

どんな音声を文字起こしできますか?

話し声がはっきり聞こえる録音であれば、オンラインの音声テキスト変換ツールでテキストにできます。ここでは、特によくある種類と、それぞれの注意点を紹介します。

ポッドキャスト

1 回分がまるごと検索できる文字起こしになり、音声と並べて公開したり、番組のメモに再利用したりできます。2 時間の番組でも、事前の編集は不要です。

インタビュー

録音したインタビューは、発言された順序のままテキストになり、各行にタイムスタンプが付きます。引用箇所を見つけて録音と照らし合わせるのが簡単になります。

講義・授業

録音した講義が、検索やハイライトのできるノートになります。教室の後ろから録った音声でも使えますが、話し手の近くに置いたスマートフォンのほうがはっきりと良いテキストになります。

電話の通話

通話録音は AMR、M4A、WAV で保存されることが多く、そのままアップロードできます。電話の音声は帯域が狭いため、精度はスタジオ録音よりやや低くなるのが一般的です。

留守番電話

留守番電話をテキストにすれば、メッセージ全体を聞かずに一目で読めます。発信者が話した内容を文章として残しておくこともできます。

ボイスレコーディングとメモ

どんなレコーダーやスマートフォンアプリのボイスメモ、会議の録音、個人的なメモでも、編集可能なテキストになり、そのまま文書やメールにコピーできます。

90+ 言語で音声を文字起こし

音声認識は 90+ 言語に対応し、言語は自動で判別されるため、アップロード前に選ぶ必要はありません。特に多く使われているのは、英語、スペイン語、フランス語、ドイツ語、ポルトガル語、イタリア語、ロシア語、中国語(標準語と広東語)、日本語、韓国語、アラビア語、ヒンディー語です。精度は言語と録音によって異なります。話者の多い言語と明瞭な話し声で、最も良い結果が得られます。

テキストができたら、そのテキストや、そこから作った字幕を 29 言語に翻訳し、翻訳版を同じフォーマットでダウンロードできます。動画ファイルの場合は、同じ機能を動画翻訳で利用できます。中国語の音声は、句読点付きの簡体字で返されます。

AI による文字起こしか、手で入力するか

文字起こしを手で入力すれば完全にコントロールできますが、何度も聞いては止める作業が必要です。最初の下書きが音声認識から得られるようになると、その状況が変わります。

TextifyALL手入力
タイムスタンプ各行に自動で付く付けるとしても手作業
言語90+ 言語、自動判別自分が知っている言語のみ
出力TXT, SRT, VTT, DOCX、すぐにダウンロード可能書式はすべて自分で整える
コスト1 分あたり、料金は下記をご覧ください自分の時間
向いているケースあとから読んで修正する、完全な最初の下書き短いクリップや、一語ずつ確認が必要な法務レベルの文言

どちらの方法でも、公開する前に文字起こし全体に目を通してください。人名、数字、専門用語は最も聞き間違えやすい部分です。

より正確な文字起こしを得るには

音声が明瞭な録音では、精度は最大 98% に達します。きれいな文字起こしと乱れた文字起こしの違いの大半は録音そのものに由来するため、次の習慣が役に立ちます。

話し手の近くで録音する

マイクの性能よりも距離のほうが重要です。話している人のそばに置いたスマートフォンは、部屋の反対側にある高価なマイクよりも、たいてい良い結果になります。

背景ノイズを減らす

音楽、交通音、ほかの会話は声と競合します。扇風機のような一定のノイズは、大きくなったり小さくなったりする音よりも影響が少なくて済みます。

一度に話すのは一人

複数の人が同時に話すと、両方の声を認識するのが難しくなります。会議やインタビューでは、話者の間に短い間を置くと効果的です。

元のファイルをアップロードする

音声を別のフォーマットに変換すると、細部が失われるだけです。録音機器やアプリが作成したファイルを、フォーマットを問わずそのままアップロードしてください。

人名と数字を確認する

人名、数字、専門用語は最も聞き間違えやすい部分です。公開する前に、テキスト内で検索して録音と照らし合わせてください。

まず無料の分数を試す

最初の 15 分は無料なので、長いファイルの料金を支払う前に、ご自身の録音がどのように文字起こしされるかを確認できます。

音声の文字起こしにはいくらかかりますか?

最初の 15 分は登録なしで無料です。無料アカウントを作成すると、さらに 20 分の無料枠がもらえます。その後は 1 分あたり $0.035、$1.99 から。すべてのプランは料金ページでご確認いただけます。

文字起こしを TXT、Word、字幕としてエクスポート

無料の分数を含むすべてのプランで、4 つのフォーマットすべてでテキストをダウンロードできます。

フォーマット向いているケース
TXTテキストを読む、検索する、どこにでも貼り付ける
DOCXMicrosoft Word や Google Docs で編集する場合は、MP3をDOCXに変換をご覧ください
SRT動画編集ソフトや YouTube 向けの字幕は、MP3をSRTに変換をご覧ください
VTTHTML5 プレーヤーやウェブ上のポッドキャスト向けの字幕は、MP3をVTTに変換をご覧ください

字幕の各行は、画面で楽に読める短さに保たれます。

音声ファイルは非公開ですか?

音声ファイルは長期間保存されません。処理が終わり次第、削除されます。作成した文字起こし、字幕、翻訳ファイルは、ダウンロードできるよう 24 時間保管され、その後は完全に削除されます。

ファイルは暗号化された通信で送信され、お客様のコンテンツが販売されたり、AI モデルの学習に使われたりすることはありません。テキストを作成するため、音声認識と AI 言語処理の外部サービスが、音声と文字起こしを処理します。詳細はプライバシーポリシーをご覧ください。

音声のテキスト変換を使う人

ポッドキャスト制作者

各回に文字起こしを添えて公開すれば、リスナーが内容を検索できます。音声を再生し直さなくても、SNS 投稿や番組メモ用の引用を取り出せます。

ジャーナリスト・研究者

インタビューを文字起こしして、引用の確認、調査の回答のコード化、元の録音と並べた文書での記録の保管に役立てられます。

学生

録音した講義やセミナーをテキストにして、授業全体を聞き直す代わりに、必要な部分を検索できます。

チーム

会議の録音を文字起こしして、参加できなかった人とメモを共有し、決定事項の記録を残せます。

料金プラン

透明な価格設定。大容量クォータ。純粋な生産性。

あなたのワークフローに合ったプランを選び、完全なプライバシーを保ちながら比類ない文字起こし速度を実現。

従量課金

必要な分だけクレジットを購入。サブスクなし、縛りなし。

有効期限なしサブスク不要即時チャージ
$270分
+5% 初回チャージ +10% · ボーナス10分

あと$8で +10% ボーナス

安全な決済 · ファイルは24時間後に削除

月払い年払い

Starter

お試しに最適

$0

永久無料

無料で試す
  • 登録なしで 15 分無料、無料アカウントでさらに 20 分
  • クラウドAPI処理
  • すべての出力形式(TXT・SRT・VTT・DOCX)
最も人気

Pro

日常的なプロフェッショナル向け

$19.90/月

含む 4,000 クレジット/月(約66時間)

サインアップして25%の追加ボーナスを獲得

  • 優先クラウドターボエンジン
  • 暗号化通信・ファイルは24時間後に自動削除
  • すべての出力形式(TXT・SRT・VTT・DOCX)

Max

パワーユーザー・チーム向け

$49.90/月

含む 15,000 クレジット/月(約250時間)

サインアップして25%の追加ボーナスを獲得

  • Proのすべての機能
  • 最高優先度キュー
  • 商用ライセンス
  • APIアクセス(近日公開)

よくある質問

はい。ファイルの最初の 15 分は、登録なしで無料で文字起こしできます。無料アカウントを作成すると、さらに 20 分の無料枠がもらえ、履歴も保存されます。

ほとんどのファイルは数分で完了し、長い録音もひとつの完全な文字起こしとして返されます。

いいえ、長期間は保存しません。アップロードされた音声は、処理が終わると削除されます。生成した文字起こし、字幕、翻訳ファイルは、ダウンロードできるよう24時間保存され、その後完全に削除されます。お客様のコンテンツが販売されたり、AIモデルの学習に使われたりすることはありません。

このページに音声ファイルをアップロードすると、文字起こしが自動で始まります。言語は自動で判別され、話した内容がタイムスタンプ付きで書き起こされます。完了したら、ブラウザでテキストを読むか、TXT、DOCX、SRT、VTT でダウンロードしてください。ソフトのインストールは不要です。

実際には違いはありません。どちらも録音された話し言葉を文章にすることを意味し、音声認識も同じことの別の呼び名です。「音声をテキストに変換」はツールの一般的な名称で、「音声の文字起こし」は作業とその結果、つまり文字起こしそのものを指して使われます。

すでにお持ちのフォーマットです。音声認識に特別なフォーマットは必要なく、ファイルを再変換すると品質が下がるだけです。新しく録音する場合は、WAV、FLAC、高品質の M4A のような非圧縮または軽く圧縮されたフォーマットが最も細部を保てますが、通常の MP3 ファイルでも問題なく文字起こしできます。

はい。どんなスマートフォンアプリやレコーダーのボイスメモ、口述、録音でも、M4A、MP3、WAV、AMR などのフォーマットのままアップロードできます。タイムスタンプ付きのテキストが得られ、TXT または Word でダウンロードできます。

はい。ただし、ノイズが大きくなるほど精度は下がります。エアコンのような一定のノイズは、音楽、重なり合う声、マイクから遠い話し手よりも影響が少なくて済みます。可能であれば話し手の近くで録音してください。すでにある録音の場合は、ノイズが最も大きい部分を確認してください。

長さやファイルサイズに固定の上限はありません。長い録音も 1 つの完全な文字起こしとして返され、計算は音声の分数で行われます(1 クレジット = 1 分)。

はい。文字起こしの後、テキストや字幕を 29 言語に翻訳し、翻訳を TXT、DOCX、SRT、VTT でダウンロードできます。動画の場合は動画翻訳をご覧ください。