音声文字起こしの完全ガイド（2026）：ポッドキャスト・会議・講演

日本での 「文字起こし アプリ」 検索は月間 27,100件 — ポッドキャストカタログ、会議録音、講演、何時間にも及ぶインタビュー。それぞれが音声より文字として有用。AIが変換を十分に高速かつ安価にした今、音声を未処理のまま放置する理由はもうない。

2026年における「音声を文字起こし」の意味#

3つの実用的な道：

1. AI文字起こし — クリーン音声で精度92-97%
2. 人間文字起こし — 精度99%以上、納期24-48時間、料金1分あたり1-2ドル
3. デバイス上 / 内蔵 — 無料、プライベート、長さ制限（~30分）

6つのツール比較#

ツール	最適	無料プラン	有料	話者分離	言語	WER
Voqusa	一般用途、登録不要	無制限	9.90$/100クレジット	✅	80+	1.85%
Otter.ai	定期会議	月300分	月16.99$	✅	英語優先	2.13%
Sonix	日本語/中国語/その他	30分トライアル	10$/時	✅	49+	~2-3%
Descript	編集 + 文字起こし	月1時間	月12$	✅	23	~2-3%
Rev.ai (AI)	従量課金	なし	0.25$/分	✅	30+	~2-4%

ワークフロー1：ポッドキャストエピソード#

45分、2話者のポッドキャスト：

1. DAWから最終ミックスを書き出す — MP3 64-128 kbps、モノラル
2. 話者分離付きツールを選ぶ — Voqusa、Otter、Sonix
3. アップロード（またはURL貼り付け） — Voqusaは登録不要
4. 5-10分処理待ち
5. 話者ラベルを確認 — 2話者で約90-95%自動正解
6. Word/DOCXでエクスポート — エピソード説明文ドラフト用

合計：45分エピソードに約25分。

ワークフロー2：長時間インタビュー#

ジャーナリズム、研究のための1時間ソースインタビュー：

1. 静かな部屋で良いマイクで録音 — 各話者にUSBラベリエ
2. 未圧縮 .wav で保存 — ディスクに余裕があれば
3. タイムスタンプと話者分離の良いツールを選ぶ — Voqusa、Sonix、Rev.ai
4. アップロード、処理、レビュー — 1時間あたり約20分のレビュー
5. 公開する引用は音声と照合

機密性の高いインタビュー（匿名情報源、法的、医療）には、デバイス上 OR 明示的なゼロデータ保持ポリシー付きツール。

ワークフロー3：講演を勉強用に#

大学の講義、会議の発表、研修：

1. 教室で録音 — ほとんどの携帯で十分
2. 専門語彙対応ツールで文字起こし（化学、ML、法律ラテン語）
3. タイムスタンプを省いてテキストとして出力
4. 聴きながら読み直す — 二重感覚入力は記憶を改善

AIが間違いツールである時#

1. 法廷証言と裁判記録 — 認証された人間サービス
2. 患者記録に流れる医療口述 — 医療専門サービス
3. モデルがあまり対応していない言語の音声

精度を最大化する：ツールを変えずに#

90%から96%へ：

• DAWでゲインを-6dBピークまで上げる
• 音楽イントロ/アウトロを文字起こし前に削除
• 長い無音を1秒に切り詰める
• 専門用語のカスタム語彙リストを追加

よくある質問#

音声ファイルを無料で文字起こしする方法は？ 30分以下のファイルなら iPhone Voice Memos の文字起こしまたは Pixel Recorder が無料、デバイス上、プライベート。長いファイルは Voqusa が登録不要の無料文字起こし提供。

2026年のAI文字起こし精度は？ クリーンなスタジオ音声で単一話者なら 95-98%。複数話者、アクセント、ノイズで 3-15 ポイント低下。

文字起こしと音声入力の違いは？ 文字起こし＝既存の音声ファイルからテキスト。音声入力＝話しながらドキュメントへリアルタイム。

3時間の音声を1回でアップロードできるか？ ほとんどのモダンツールが対応 — Voqusa、Sonix、Rev.ai、Descript。

英語以外の音声を文字起こしする方法は？ Sonix が非英語向けに最強（49+言語）、続いて Voqusa（80+言語）。

ツールは文字起こし後に音声を保存するか？ 保持期間はバラバラ。Voqusa と Rev は処理後に保持しない、と明記。

どこから始めるか#

ほとんどの「音声ファイルがある、テキストが欲しい」ケースでは、答えは：無料AIツール にアップロードして10分以内に文字起こしを得る。