音声の文字起こしを無料で｜ブラウザでテキストに変換

音声をテキストに変換する方法

1. 音声の言語を選択します。「自動検出」のままでも使えます。
2. マイクボタンを押して録音し、終わったら停止します。または、ファイルを選択します。MP3、M4A、WAV、OGG、FLAC、WebMや動画（MP4、MOV、WebM）に対応しています。ファイルをページにドラッグすることもできます。
3. 初回はブラウザが音声認識モデルをダウンロードします（高速は約77 MB、高精度は約249 MB）。次回からはすぐに使えます。
4. 文字起こし中にテキストが表示されます。必要に応じて編集し、コピーするか、.txt形式、またはタイムスタンプ付きの.srt / .vtt字幕ファイルとしてダウンロードできます。

プライバシーに配慮：音声は端末内で処理

多くの文字起こしサイトでは録音データをサーバーにアップロードします。また、無料では1日に数分しか使えないサービスも少なくありません。このツールはOpenAIのWhisper音声認識モデルをブラウザ上で直接実行します。音声や文字起こし結果がパソコンやスマートフォンの外に送信されることはないため、インタビュー、会議、講義、ボイスメモなど、アップロードを避けたい録音にも適しています。

「高速」と「高精度」の違いは？

• 高速（Whisper base、約77 MB）は処理が速く、広く話されている言語のクリアな音声に適しています。一般的なノートパソコンでは、1分の音声を約15秒で文字起こしできます。
• 高精度（Whisper small、約249 MB）は、なまりや背景雑音、固有名詞、日本語・韓国語・中国語などの認識ミスが少ない設定です。処理には約3倍の時間がかかります。古いスマートフォンでは「高速」をお使いください。

対応ファイルと言語

ブラウザで再生できる音声・動画形式に対応しています。MP3、M4A（iPhoneのボイスメモ）、WAV、OGG、Opus（WhatsAppの音声メッセージ）、FLAC、AAC、WebM、MP4、MOVが使えます。動画ファイルは音声のみを処理します。Whisperは日本語、英語、スペイン語、ポルトガル語、フランス語、ドイツ語、イタリア語、韓国語、中国語、ロシア語、アラビア語、ヒンディー語、トルコ語を含む99言語を認識します。英語に翻訳にチェックを入れると、これらの言語の音声を英語に翻訳できます。

字幕を作成する（SRT・VTT）

文字起こし結果にはタイムスタンプが記録されるため、SRTまたはWebVTTの字幕ファイルとしてダウンロードし、YouTubeや動画編集ソフト、メディアプレーヤーで利用できます。タイムスタンプをオンにすると、各文の開始時刻を確認できます。

よくある質問

本当に無料で使えますか？

はい。アカウント登録は不要で、透かしも入りません。ファイル数や利用時間の制限もありません。このページは広告によって運営されています。

文字起こしの精度はどのくらいですか？

クリアな音声であれば、Whisperは通常10語のうち9語以上を正しく認識します。雑音や強いなまりがある場合は「高精度」の方が優れています。テキストを使う前に、人名、数字、専門用語を確認してください。音楽や複数の声の重なり、音量が非常に小さい録音は精度が下がります。

録音時間に制限はありますか？

決まった制限はありません。文字起こしは端末上で実行されるため、長いファイルほど処理に時間がかかります。「高速」設定の場合、最近のノートパソコンでは1時間の録音に約15分かかります。処理が終わるまでタブを開いたままにしてください。

初回の文字起こしに時間がかかるのはなぜですか？

初回はブラウザが音声認識モデルをダウンロードして保存するためです。次回からはブラウザのストレージから読み込まれるので、オフラインでも使えます。

スマートフォンでも使えますか？

はい。AndroidとiPhoneのChrome、Safari、Edge、Firefoxの最新バージョンで使えます。スマートフォンはパソコンより処理が遅いため、「高速」設定がおすすめです。

話者を区別できますか？

いいえ。文字起こし結果はタイムスタンプ付きのひと続きのテキストになり、誰が話したかは表示されません。

先に録音して、後から文字起こしできますか？

はい。ボイスレコーダーで録音してMP3をダウンロードし、文字起こししたいときにファイルをここにドロップしてください。