音声の文字起こしを無料でする方法|おすすめツール比較と精度のコツ
スマートフォンに40分の録音が残っています。インタビューや講義、散歩中に思いつくまま吹き込んだボイスメモかもしれません。これを文字にしたい、それもできればお金をかけず、午後の時間をつぶさずに、という場面はよくあります。
いちばん手早い無料の方法は、録音ファイルをオンラインの文字起こしサービスにアップロードすることです。たとえば Laxis なら、Web アプリにアップロードした録音から、話者とタイムスタンプ付きの文字起こしが返ってきます。Laxis の無料アカウントで使えるのは毎月300分です。ただ、方法はアップロードだけではなく、いつもそれが最適とも限りません。ここでは、音声を文字起こしする5つの方法を、費用とそれぞれが向いている場面とあわせて、正直に紹介します。
この記事のポイント
- 手元にある録音ファイル:オンラインの文字起こしサービスにアップロードし、数分待ってテキストをダウンロードします。
- Microsoft 365 か iPhone 12 以降があるなら:Word のトランスクリプト機能とボイスメモが、追加費用なしで文字起こしします。
- ChatGPT:音声のアップロードは有料プランのみです。
- 毎週の会議やインタビュー:専用アプリなら、話者ラベル、要約、検索まで付いてきます。
- 短いクリップや、公開する発言の引用:自分で書き起こすか、AI の下書きを1行ずつ音声と照らし合わせます。
音声を文字起こしする5つの方法(早見表)
| 方法 | 費用 | 向いている用途 | 知っておきたい制限 |
|---|---|---|---|
| オンラインの文字起こしサービス | 無料枠のあとはサブスクリプション | 手元にある録音 | 月間の分数、1ファイルの長さとサイズ |
| 標準機能(Word、ボイスメモ、Pixel の「レコーダー」) | Microsoft 365 やスマートフォンに含まれる | ふだん使っている端末にあるファイル | アカウント、端末、言語の条件 |
| ChatGPT | ChatGPT の有料プラン | 要約もしたい短い録音 | 無料プランは音声のアップロード不可、サイズと長さの制限あり |
| 文字起こし専用アプリ | 無料プランあり、有料は月 $8〜$30 程度 | 定例会議、インタビュー、講義 | 無料プランでの話者ラベルと履歴 |
| 手作業での文字起こし | 自分の時間 | 短いクリップ、音質の悪い音声、正確な引用 | 時間がかかる |
1. オンラインの文字起こしサービスにアップロードする
手元にある録音なら、これがいちばん手間のかからない方法です。ファイルをアップロードするとサービスが音声認識にかけ、数分後にはテキストをダウンロードできます。同じ仕組みのサービスは多くありますが、ここでは Laxis での流れを紹介します。
- laxis.com で無料登録するか、ログインします。
- Laxis の Web アプリを開き、New Recording の横にある矢印をクリックして Upload Audio File を選びます。
- 録音ファイル(会議、インタビュー、講義、ボイスメモなど)と、話されている言語を選び、Upload をクリックします。
- 文字起こしが終わると、録音が会議の一覧に表示されます。開いて、話者ごとに分けられタイムスタンプが付いた文字起こしを読みながら、人名や数字を直していきます。
- テキスト、Word、PDF、字幕(.srt)のいずれかの形式でダウンロードします。必要なら要約とタイムスタンプも含められます。
Laxis の Web アプリにアップロードできるのは m4a、mp3、wav、flac のファイルで、1ファイル200MBまでです。無料の Basic プランには毎月300分が含まれます。アップロードできるのは音声ファイルだけなので、動画は先に音声を取り出してください。やり方は後半のファイル変換の項で紹介します。
2026年11月16日時点で知っておきたい、ほかのサービスの無料枠は次のとおりです。
- TurboScribe:1日3ファイル、各30分まで。アップロードは1度に1ファイルずつです。
- Otter:無料プランで毎月300分。ただし1回の会話は30分まで、ファイルのインポートは累計3回だけです。
- Notta:無料プランで毎月120分。ただし1回の会話は3分までです。
つまずきやすいのは、月間の合計とは別に決められている1ファイルあたりの上限です。何百分もの無料枠があるツールでも、90分のファイル1本は受け付けないことがあります。長い録音は、アップロードして失敗する前に、この上限を確認しておきましょう。
日本語の音声に強い無料ツールを比較
ここまでのツールは、主に英語圏で使われているものです。日本語の音声を扱うなら、日本でよく使われている選択肢も並べて比べておくと安心です。日本語は同音異義語が多く、固有名詞でもつまずきやすいので、自分の音声でどこまで正確に起こせるかは、短い録音を1本試して確かめるのが確実です。
| ツール | 無料でできる範囲 | 話者ラベル | 向いている用途 |
|---|---|---|---|
| 文字起こしさん | 登録なしで短い音声を試せる無料枠あり | なし | 短い音声を今すぐ1回だけ |
| LINE WORKS AiNote | 毎月300分 | あり | 日本語の会議・取材 |
| Notta | 毎月120分(1回の会話は3分まで) | あり | 短い音声をこまめに |
| TurboScribe | 1日3ファイル・各30分 | あり | 1日にまとめて処理する |
| Laxis | 毎月300分 | あり | 毎週の会議・商談を継続的に |
文字起こしさんは、アカウントを作らずに短い音声を試せるのが強みです。とりあえず1本試したいときに、手間がほとんどかかりません。
LINE WORKS AiNote は、2025年7月末で提供を終えた CLOVA Note β の後継として、LINE WORKS が提供している文字起こしサービスです。無料のフリープランでも毎月300分まで使え、話者の分離にも対応しています。日本語の会議や取材を無料で試すなら、候補に入れておきたいサービスです。
Notta は毎月120分の無料枠がありますが、無料プランでは1回の会話が3分までなので、長い録音をまとめて起こす用途には向きません。
話者が複数いる長めの日本語の音声なら、話者分離に対応した LINE WORKS AiNote が無料の範囲では扱いやすく、短い音声を1回だけ処理したいなら、登録不要の文字起こしさんが手軽です。スマートフォンだけで済ませたいなら、iPhone のボイスメモや Pixel の「レコーダー」のほか、ブラウザから文字起こしサービスにファイルをアップロードする方法もあります。どれを選んでも、精度を左右するのはツールよりも、マイクとの距離と周りの静かさです。
無料枠の数字は、どのサービスも随時改定されます。上の内容は2026年11月16日時点のものです。長いファイルをアップロードする前に、月間の合計とは別に1ファイルあたりの上限を公式サイトで確認しておけば、アップロードしてから弾かれる無駄を防げます。
2. 手元にある標準機能を使う
何かに登録する前に、すでに持っている端末で何ができるか確認しましょう。
Microsoft Word のトランスクリプト機能。Microsoft 365 を契約していれば、Word でアップロードしたファイルを文字起こしできます。「ホーム」タブで「ディクテーション」のドロップダウンを開き、「トランスクリプト」を選んで、音声ファイルをアップロードします。対応形式は .wav、.mp4、.m4a、.mp3 で、話者を「話者 1」「話者 2」のように分け、区間ごとにタイムスタンプを付けます。80を超える言語・地域に対応しています。Microsoft 365 のサブスクリプションでは、アップロードした音声を毎月300分まで文字起こしでき、音声は OneDrive の「Transcribed Files」というフォルダーに保存されます。使えるかどうかはアプリやアカウントの種類によって異なるので、「ディクテーション」の下に「トランスクリプト」があるか確認してください。一方、Word の「ディクテーション」ボタンは、その場で話した言葉を入力する機能です。こちらは Word で音声入力する方法で解説しています。
iPhone のボイスメモ。iPhone 12 以降では、ボイスメモで録音した音声を10の言語で文字起こしできます。録音をタップし、「その他」ボタンをタップして「文字起こしを表示」を選びます。「文字起こしをコピー」で全文を取り出せます。手順や、文字起こしが表示されないときの対処は、ボイスメモを文字起こしする方法にまとめています。
Pixel の「レコーダー」。Pixel スマートフォンでは、「レコーダー」アプリが録音しながら文字起こしします。
Google ドキュメントの音声入力もこの話題でよく名前が挙がりますが、これはマイクに向かって話した言葉を入力する機能です。音声ファイルは開けず、録音をスピーカーで再生して聞かせても、よい結果は出ません。得意なことは Google ドキュメントの音声入力ガイドで紹介しています。
3. ChatGPT に頼む
ChatGPT でも、制限付きで音声を文字起こしできます。OpenAI のヘルプセンターによると、音声ファイルのアップロードは ChatGPT の有料プランで利用でき、無料プランでは使えません。ファイルのサイズと長さにも制限があります。ChatGPT が真価を発揮するのは、その次の工程です。貼り付けた文字起こしを整えたり、決定事項やアクションアイテムを抜き出したりする作業です。
注意点が2つあります。テキストの整理を任されたモデルは、内容を落としたり言い換えたりすることがあるので、引用、人名、数字は音声と照らし合わせて確認してください。また、機密性の高いものをアップロードする前に、データの設定(「設定」→「データコントロール」)を確認しておきましょう。
プランやファイルの制限、プロンプトについては、ChatGPT で音声を文字起こしできる?で詳しく解説しています。
4. 文字起こし専用アプリを使う
定期的に文字起こしをするなら(毎週の会議、調査のインタビュー、講義など)、専用アプリを使うと、アップロードしては整える作業の繰り返しから解放されます。お金を払う価値があるのは、文字そのものより、その周りの機能です。話者ラベル、要約、録音をまたいだ検索、そしてアプリから直接録音できることです。
- Laxis は、デスクトップアプリとスマートフォンアプリで会議や対面の会話を録音でき、ファイルのアップロードにも対応しています。話者ラベル付きの文字起こしに加えて、要約とアクションアイテムが返ってきます。60以上の言語に対応しています。詳しくは後ほど紹介します。
- Otter と Notta も、会議の録音とファイルのアップロードを組み合わせた同じような使い方ができます。無料プランは上で紹介したとおりで、Pro プランは年払いでそれぞれ月 $8.33、$8.17 からです。
- Rev は文字起こしを分単位で販売しています。AI による文字起こしは1分 $0.25、人による文字起こしは1分 $1.99 で、99%の精度保証付き、12時間以内に納品されます。
- Whisper は OpenAI のオープンソースの音声認識モデルで、MIT ライセンスのもと自分のパソコンで動かせます。費用はかかりませんが、セットアップにはある程度の技術的な知識が必要です。
インタビューについては、インタビューを文字起こしする方法で、書式や引用の扱いまで解説しています。
文字起こしが読みにくくなる理由と、本当に効く対策
使える文字起こしと、読めない文字の塊を分けるのはここです。しかも、どのツールを選んだかとは意外なほど関係がありません。今のエンジンは、クリアな音声ならうまく処理します。差が出るのは、エンジンに渡す音声のほうです。
- 背景ノイズ:空調、車の音、混んだカフェ、スマートフォンのマイクに当たる風。声に対してノイズが大きくなると、エンジンは推測で文字を当て始めます。
- マイクとの距離:話し手の近くにあるマイクは、声全体を拾います。部屋の反対側にあるノートパソコンが拾うのは、細く反響した声です。
- 複数人が同時に話す:発言が重なると、どのエンジンでも追いきれません。話者ラベルがずれるのも、まさにこういう場面です。
- 人名と専門用語:固有名詞、製品名、技術用語は、優れたツールでもまだつまずくところです。言語を正しく設定すると改善し、カスタム語彙を使えばさらに改善します。
この4つのうち3つは、録音ボタンを押す前に対策できます。マイクを近づけ、窓を閉め、扇風機を止めましょう。10秒の準備で、長い修正作業を省けます。
もう1つよくある不満は、結果の形です。名前も段落も要約もない、切れ目のない文字の塊が返ってくることです。話者ラベル(話者分離)は無料プランで真っ先に省かれがちな機能なので、ツールを使い続けると決める前に、対応しているか確認しましょう。
話者、タイムスタンプ、要約を一度に手に入れたいなら、Laxis を無料で試してみてください。無料プランでも話者を区別でき、新規アカウントには14日間の Premium トライアルが付きます。クレジットカードは不要です。
5. 手作業で文字起こしする
手作業での文字起こしにも、まだ出番があります。2分のクリップ、公開する予定の発言の引用、機械がお手上げになるほど音質の悪い音声などです。いくつかの習慣で、作業はぐっと楽になります。
- 再生速度を落とす:たいていのプレーヤーは0.75倍以下にできるので、止める回数が減ります。
- キーボードショートカットを使う:ドキュメントから離れずに、一時停止や数秒の巻き戻しができます。頻繁に書き起こすなら、フットペダルを使えば両手が完全に空きます。
- 先に打ち、書式はあとで:まず言葉を書き出し、話者、段落、タイムスタンプは2回目に付けます。
- 下書きから始める:数分を超える音声なら、まず AI で文字起こしし、音声と照らし合わせて直します。確認するほうが、打つよりずっと速く済みます。
ファイルがアップロードできないときは、先に変換する
つまずく原因が文字起こしではなく、ファイルそのものにあることはよくあります。よくあるケースはどの音声変換ツールでも対応でき、コマンドラインに慣れているなら ffmpeg でもかまいません。
- iPhone の M4A:ボイスメモは .m4a 形式で保存されます。ツールやフォームが MP3 しか受け付けないなら、先に MP3 に変換しましょう。
- 巨大な WAV:WAV は非圧縮で、CD 音質のステレオなら1分あたり約10MBになります。20分の録音で、もう Laxis のアップロード上限である200MBに届きます。192kbps の MP3 に変換すれば、同じ1分が約1.4MBで済みます。
- 動画ファイル:Laxis にアップロードできるのは音声だけなので、先に音声トラックを取り出します。編集アプリから音声を書き出すか、変換ツールや ffmpeg を使いましょう。動画を文字起こしする方法では、1行で済む ffmpeg のコマンドをはじめ、動画についての情報をまとめています。
会議なら、アップロードの手間を省く
文字起こしするのが自分の会議や営業の電話、インタビューなら、1本ずつアップロードするのはすぐに面倒になります。AI 会議アシスタントなら、会話を録音しながらその場で文字起こしします。Laxis は Teams、Zoom、Google Meet の通話をパソコン自体の音声から録音するので、初期設定では会議に何も参加しません。希望すれば、会議に参加する目に見えるアシスタントボットをオンにすることもできます。電話や対面の会話は、スマートフォンアプリで録音できます。どの録音も話者ラベル付きの文字起こしになり、冒頭に要約とアクションアイテムが付きます。
使う前に知っておきたいことは次のとおりです。
- 処理はクラウドで行うため、オンラインである必要があります。
- Basic は無料です。毎月300分で、会議と Voice Keyboard での音声入力の合計でカウントされます。1回の録音は45分で終了して自動保存され、履歴画面に表示されるのは30日分です。それより古いものは削除されず、アーカイブに移ります。
- Premium は年払いで月 $9.99(月払いなら $15.99)で、上限が毎月2,000分、1回の録音が最長2時間に広がります。CRM 連携(HubSpot、Salesforce)は Business プランで使えます。
- Laxis は米国の HIPAA に準拠しておらず、BAA も締結しないため、患者の情報は扱わないでください。
ほかの人を録音するなら、ボットの有無にかかわらず、そのことを伝える責任があります。Laxis も、参加者に知らせるようリマインドします。法律で同意が求められる場合は、同意を得てください。ルールは国や地域によって異なり、この記事は法的助言ではありません。詳しくは会話の録音は違法?で整理しています。
まとめ
文字起こしは、もう難しい作業ではなくなりました。エンジンが十分に優秀になったので、ボトルネックは録音する前の数秒と、そのあとのツール選びに移っています。1回きりのファイルなら、無料枠のあるサービスにアップロードしましょう。すでに Word や iPhone にあるなら、標準機能を使いましょう。毎週の会話なら、文字起こし、話者、要約がまとめて届く場所で録音しましょう。
Laxis をダウンロード:14日間の Premium トライアル付き、クレジットカード不要。
よくある質問
音声を無料で文字起こしするにはどうすればいいですか?
音声を無料で文字起こしするいちばん簡単な方法は、無料枠のあるオンラインの文字起こしサービスにファイルをアップロードすることです。Laxis は Web アプリでアップロードしたファイルを文字起こしし、無料アカウントで毎月300分使えます。TurboScribe は1日3ファイル、各30分まで対応しています。iPhone 12 以降なら、ボイスメモが自分で録音した音声を無料で文字起こしします。
Microsoft Word で音声を文字起こしできますか?
はい。Microsoft 365 を契約していれば、Microsoft Word で音声ファイルを文字起こしできます。「ホーム」タブで「ディクテーション」のドロップダウンを開き、「トランスクリプト」を選んで、音声ファイルをアップロードします。Word は .wav、.mp4、.m4a、.mp3 に対応し、話者を区別してタイムスタンプを付けます。サブスクリプションでは、アップロードした音声を毎月300分まで文字起こしできます。
ChatGPT で音声を文字起こしできますか?
OpenAI のヘルプセンターによると、ChatGPT は有料プランなら音声ファイルを文字起こしできますが、無料プランではできません。ファイルのサイズと長さにも制限があります。いちばん役立つのは、手元の文字起こしを整えたり要約したりする作業です。整理の過程で言い回しが変わることがあるので、あとから人名、引用、数字を録音と照らし合わせましょう。
話者が複数いる録音はどう文字起こしすればいいですか?
話者が複数いる録音には、話者ラベル(話者分離、ダイアライゼーションとも呼ばれます)に対応したツールを使います。各行に、誰が話したかのタグが付きます。無料プランでは省かれていることが多いので、アップロードする前に確認しましょう。発言が重なるとラベルはずれやすいので、話者が切り替わる箇所は重点的に確認してください。
どんな音声形式を文字起こしできますか?
ほとんどの文字起こしツールは MP3、M4A、WAV に対応し、多くは FLAC にも対応しています。Laxis にアップロードできるのは音声ファイルだけで、m4a、mp3、wav、flac の200MBまでのファイルです。ファイルが大きすぎたり形式が合わなかったりするときは、音声変換ツールか ffmpeg で変換しましょう。大きな WAV も MP3 にすればずっと小さくなり、M4A を受け付けないフォームやツールでも MP3 なら使えます。
音声の文字起こしにはどのくらい時間がかかりますか?
一般的な録音なら、AI による文字起こしは数分で終わることが多く、録音そのものの長さを超えることはめったにありません。人によるサービスはもっと時間がかかり、Rev の人による文字起こしは12時間以内の納品です。自分で打つのは群を抜いて時間がかかるので、短いクリップ以外は AI の下書きから始めて直すのがおすすめです。
関連製品
Laxis 会議アシスタント
議事録を今日から自動化。
- Zoom・Google Meet・Teams も対面会議も、ボットなしで記録
- AI 要約・アクションアイテム・フォローアップを 60 以上の言語で
- Mac・Windows・iPhone・Android 対応、無料プランあり
無料で始められます。クレジットカードは不要です。
詳細を見る ▷