音声をテキストに変換

本ページはあらゆる音声ファイルをテキスト化するための総合入口です。搭載する Whisper エンジンは全コンテナに対応していますが、フォーマット別ツールでは固有の用途に最適化した案内を行っています（無圧縮スタジオ録音の WAV、ポッドキャスト向けの MP3、iPhone ボイスメモの M4A、音声メッセージの OPUS など）。形式が決まっている場合は各専用ページもご活用ください。

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。

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 ファイルを並列で文字起こしできます。

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。