無料音声文字起こし

実例

MP3で保存された30分のインタビューは約27MBです。「高精度」モデル（初回81MBダウンロード、その後キャッシュ）を使用した場合、一般的なノートパソコンで約30分かかります。これは、ツールが1秒の音声を約1秒で処理し、起動に約45秒かかるためです。「高速」モデル（45MB）では約半分の時間で済みます。予想時間は開始前に表示され、最初のウィンドウ処理後に修正されます。結果はSRT、VTT、ASS、プレーンテキスト、LRCで保存できます。

使用する設定と制限事項

• デバイスのメモリが少ない場合を除き、「高精度」を使用してください。 「高精度」は約81MB、「高速」は約45MBのダウンロードです。どちらも初回使用後はブラウザに保持されます。スマートフォンの場合や、実行に失敗した場合は「高速」を試してください。
• 自動検出が不確かな場合は、話されている言語を設定してください。 「自動検出」はクリアな音声には有効です。録音が音楽で始まったり、言語が切り替わる場合は、「話されている言語」で言語を選択してください。「英語に翻訳」は、他の言語の音声から英語のテキストを生成します。
• 長さの制限に注意してください。 パソコンで2時間、スマートフォンで30分を超える録音の場合、ツールが警告を表示します。パソコンで5時間、スマートフォンで90分を超えると、最初の部分のみが文字起こしされ、その旨が表示されます。残りは別ファイルに切り出して、次に処理してください。
• いつでも停止して、テキストを保持できます。 「停止してここまでを保存」は処理を終了し、それまでに文字起こしされたすべてをコピーまたはダウンロードできる状態にします。スマートフォンでは、バックグラウンドタブでブラウザが一時停止することがあるため、タブを開いたまま画面をオンにしておいてください。
• 書き出す前に編集しましょう。 時刻をクリックするとその瞬間を聞け、その場で文言を修正したり、検索と置換を使えます。コピーとすべてのダウンロードには編集が反映されます。複数のファイルをまとめてドロップすると、順番に文字起こしされ、ZIPで保存されます。

よくある問題とその解決方法

ファイルを選択した後で、変更または移動されたと表示されます。

ブラウザがファイルにアクセスできなくなりました。通常、ファイルが移動された、名前が変更された、またはクラウドストレージから同期中であることが原因です。ファイルをもう一度選び直してください。最初にローカルディスクにコピーしたファイルが最も信頼性が高いです。

ファイルを読み取れなかったため、何も文字起こしされませんでした。

この場合、モデルはダウンロードされません。ファイルが動画の場合は、音声抽出ツールで音声をMP3として保存し、それを文字起こししてください。音声ファイルの場合は、MP3またはWAVで再出力してからもう一度お試しください。

モデルのダウンロードが停止したか、完了しませんでした。

接続の切断やタブを閉じたことによりダウンロードが中断されます。接続を確認し、もう一度「文字起こし」を押してください。モデルが一度ダウンロードされるとキャッシュされ、以降の実行では再ダウンロードは不要です。

文字起こしが完了しなかったか、途中で止まりました。

これは通常、ブラウザのメモリ不足か、タブがスリープ状態になったことが原因です。「高速」モデルを試すか、他のタブを閉じて、このタブを前面に表示したままにしてください。途中で停止した場合でも、それまでの文字起こし結果は表示され、ダウンロードできます。

録音に音声が見つかりませんでした。

音声が無音、ほとんど音楽、または非常に小さい可能性があります。元のファイルを再生して確認してください。音声がかすかな場合は、先に音声ノーマライザーで音量を上げてから、その結果を文字起こししてください。音声トラックのないファイルは文字起こしできません。

比較

ブラウザで文字起こしを行うということは、録音データがデバイスから一切出ないことを意味し、インタビュー、医療メモ、法的な録音にとって重要です。その代償は速度とセットアップです。初回実行時にはモデルをダウンロードし、スマートフォンはノートパソコンより数倍遅くなります。モデルは小さなWhisperモデルであるため、強い訛り、背景雑音、専門用語に対しては、最大のモデルよりも精度が劣ります。エディタでざっと読み返して修正することを前提としてご利用ください。