音声文字起こし：音声をテキストに変換

このページに録音をドロップし、言語を選んで「文字起こし」を押します。ブラウザ内で動くAI音声認識モデルがタイムスタンプ付きでテキストを書き出し、コピーやダウンロードができます。登録不要で、分数の制限もありません。

いいえ。音声認識モデルはブラウザにダウンロードされてそこで動作するため、音声が端末の外に出ることはありません。プライベートなインタビュー、会議、ボイスメモに向いています。

静かな部屋での明瞭な話し声は非常によく文字起こしされます。強い背景ノイズ、強い訛り、重なった発話、質の低い録音では精度が下がります。「高精度」モデルは遅いものの、難しい音声に強いです。人名や数字は必ず確認してください。

モデルは約100言語を理解し、英語、スペイン語、フランス語、ドイツ語、ポルトガル語、ヒンディー語、アラビア語、日本語などに対応します。ツールは言語を推測しないため、開始前に録音で話されている言語を選んでください。

初回はブラウザが音声認識モデル（選択により約40〜250 MB）をダウンロードします。ブラウザのキャッシュに保存されるため、2回目以降はすぐに始まります。

はい。SRTまたはVTTファイルをダウンロードして、YouTube、Vimeo、SNS動画、ほとんどの動画編集ソフトで字幕として使えます。

制限はブラウザと端末のメモリです。1.5 GBを超える録音は失敗することがあり、長いファイルは端末が処理するため時間がかかります。スマートフォンは短いクリップに向いています。

このように、音声認識モデルをブラウザ内で実行するツールを使います。ファイルをドロップし、言語を選んで「文字起こし」を押すだけ。サーバーには何も送られません。

はい。スマホや会議アプリのM4A、MP3、WAVファイルをドロップし、話されている言語を選ぶと、コピーやTXT書き出しができるタイムスタンプ付きテキストが得られます。