開発者について
元 ByteDance のエンジニアである Ray Mac です。ScribeToAny を個人で開発・運営しており、2026年7月に最初のバージョンを公開しました。ブログに掲載している検証済みガイドも私が執筆しており、公開前に実際の録音やファイルを使って記載内容を検証しています。
英語は私の母国語ではなく、普段見たり扱ったりするコンテンツの多くも英語ではありません。ByteDance を離れた後、同じ問題に何度も直面しました。録音をテキストや字幕に変換するツールは英語優先で、ミーティング向けが中心、すぐに上限に達してしまうものばかりでした。そこで自分が求めていたツールを作りました。約 98 言語の入力、134+ の出力に対応し、字幕の読取速度をチェックでき、1回限りの試用ではなく毎月更新される無料枠を用意しています。
ScribeToAny は米国法人である Scribe Saas, LLC が運営しています。
仕組み
アップロードされたファイルはブラウザから暗号化ストレージへ直接送信されます。文字起こしは専用 GPU 上で Whisper クラスの音声モデル（faster-whisper）を実行し、話されている言語を自動検出して話者を識別します。字幕の表示速度もチェックされ、表示が早すぎるキューはフラグが付けられます（勝手に書き換えられることはありません）。
技術ノート：Cloudflare Workers から GPU 上で Whisper を動かすテスト方法
測定結果をそのまま公開しています（至らない点も含みます）：
- 精度：原稿付きのテスト録音では、189 語中 4 語が原稿と異なり（単語誤り率 2.1%）、14 回の話者交代はすべて正しく識別されました。 詳細を見る
- 字幕ファイル：破損した 16 個の SRT ファイルを ffmpeg と独自のパーサーで処理したところ、パーサーに 3 つのバグが見つかり、現在は修正済みです。 詳細を見る
- 言語：タイ語、ラオス語、ビルマ語の録音で音声の欠落が発生した際、原因を突き止めたところ 2 つのデコード設定にあり、それらの文字体系向けに設定を変更しました。
- 料金：Otter、Rev、Sonix、HappyScribe との比較では、それらのサービスが ScribeToAny より優れている点も記載しています。 詳細を見る
あなたのファイル
- 元の音声や動画は文字起こし完了後に自動的に削除されます。処理が失敗した場合は、再試行できるように最大 7 日間保持されます。
- 文字起こしデータは、ご自身で削除するまでアカウント内に保持されます。
- アップロードしたデータを当社が AI モデルの学習に使用することは一切ありません。