音声をテキストに変換

録音を手で書き起こすのはもうやめましょう。任意の音声ファイルをアップロードすると、ScribeToAny が数分でタイムスタンプ付きの正確な文字起こしに変換します — 約 98 言語を理解し話者を聞き分ける Whisper クラスの AI を搭載。

無料で文字起こしを始める無料プラン: 1 日 2 ファイル、月 100 分。クレジットカード不要。

使い方

1
アップロード
音声・動画ファイルをドロップするか、リンクを貼り付けてください。一般的な形式にすべて対応しています。
2
文字起こし
AI がタイムスタンプ付きで文字起こしします。話者ラベルも選択可能で、通常は数分で完了します。
3
エクスポート
オンラインでセグメントを編集し、TXT、SRT、VTT、TSV、CSV、JSON、PDF、DOCX でエクスポートできます。

ScribeToAny が選ばれる理由

MP3、MP4、M4A、MOV、AAC、WAV、OGG、OPUS、MPEG、WMA、WMV をアップロード可能 — 動画からは音声を自動抽出します。
専用 GPU 上の Whisper クラスのエンジンにより、自動検出付きで約 98 言語に対応。
8 つのエクスポート形式: TXT、SRT、VTT、TSV、CSV、JSON、PDF、DOCX — さらに一括 ZIP エクスポートにも対応。
話者認識がすべてのセグメントにラベルを付けます。任意の文をクリックすると対応する音声を再生できます。

よくある質問

どの音声形式をアップロードできますか？

ScribeToAny は 13 のアップロード形式に対応しています。音声は MP3、WAV、M4A、AAC、OGG、OPUS、WMA、WEBM、さらに MP4、MOV、MPEG、MPG、WMV の動画コンテナも受け付けます — 音声トラックはサーバー側で自動抽出されるため、事前の変換は不要です。ファイルはブラウザから暗号化クラウドストレージへ直接アップロードされます。無料プランでは 1 ファイルあたり最大 30 分、有料プランでは 1 ファイルあたり 3 時間・5 GB まで拡大されます。

文字起こしの精度はどのくらいですか？

ScribeToAny は専用 GPU 上で Whisper クラスの音声モデルを実行し、高速・バランス・高精度の 3 モードを提供します。クリアな録音であれば、高精度モードは約 98 言語でプロの人力文字起こしに匹敵し、句読点や文の区切りも含まれます。強い訛り・背景ノイズ・話し声の重なりなど難しい音声には、高精度モードとオプションの AI 音声復元をあわせてご利用ください。すべてのセグメントはその後もブラウザで編集でき、文をクリックすると該当の音声が再生されるため、数秒で内容を確認できます。

無料ですか？

はい。無料アカウントでは 1 日 2 回の文字起こし、月 100 分、1 ファイル最大 30 分まで利用でき、クレジットカードは不要です — 日常的な個人利用には十分です。有料プランでは月 3000 分、1 ファイル 3 時間・5 GB まで上限が拡大し、最大 6 ファイルの並列文字起こしと高優先度処理により、結果がより速く返ってきます。

どのエクスポート形式が利用できますか？

8 形式です: プレーンテキスト（TXT）、タイミング付き字幕（SRT、VTT）、表計算向けテーブル（TSV、CSV）、セグメントごとのタイムスタンプ付き構造化 JSON、印刷にも適した PDF・DOCX 文書。文書形式ではセグメントごとのタイムスタンプの有無を切り替えられ、高度なエクスポートでは複数形式を 1 つの ZIP として一括ダウンロードできます — クライアントが Word ファイルと字幕を同時に求めるときに便利です。