音声をテキストに翻訳
話された内容の構造をしっかりと保つ音声テキスト化ツールです。ScribeToAny は録音を約 98 言語で文字起こしし、誰が話しているかを識別してラベル付けし、英語以外の音声を直接英語へ変換することも可能です。セグメントの区切りやタイムスタンプはそのまま正確に保持されます。これはインタビューや会議で非常に重要です。行をクリックすればその背後にある元の音声を聞き返すことができ、聞き取れなかった箇所を確実に確認できます。
- 134+ 翻訳対応言語
- AI 文字起こし
- 暗号化。ファイルを AI の学習に使うことはありません
録音ファイルから始める
音声・動画ファイルをここにドロップ、またはクリックして選択。
字幕ファイルをお持ちですか？ここで翻訳できます
SRT・VTT・ASS などの字幕ファイルをアップロードし、Google 翻訳で 134 以上の言語に翻訳。元のタイミングのままダウンロードできます。
実際の書き起こし結果
話者識別をオンにして書き起こした、2名（合成音声）による64秒のインタビューの無編集テキストです。冒頭の数行のみを表示しています。
SPEAKER_00 (0:00) Welcome back to Small Shop Stories. SPEAKER_00 (0:02) Today I'm talking to Maya, who runs a tiny bakery on the SPEAKER_00 (0:05) corner of Mill Street. SPEAKER_01 (0:07) Thanks for having me. SPEAKER_01 (0:08) It's really small, just two ovens and a counter. SPEAKER_00 (0:12) So how does a normal day start for you?
1 00:00:00,000 --> 00:00:01,680 [SPEAKER_00] Welcome back to Small Shop Stories. 2 00:00:02,160 --> 00:00:05,320 [SPEAKER_00] Today I'm talking to Maya, who runs a tiny bakery on the 3 00:00:05,320 --> 00:00:06,320 [SPEAKER_00] corner of Mill Street.
原稿と照合したところ、189語中相違があったのはわずか4語でした（「eighty」に対して「80」と表記されたものを誤りとカウントした場合の単語誤り率は2.1%）。また、全14回の話者の交代もすべて正確に認識されています。明瞭な音声による結果であり、ノイズの多い録音や会話の重複がある場合はスコアが下がります。 全文の書き起こしと評価方法を見る
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
翻訳
文字起こしを Google 翻訳で 134 以上の言語に開けます。タイムスタンプはそのまま。開始前に「英語で文字起こし」を選ぶこともできます。
ScribeToAny が選ばれる理由
- 約 98 言語に対応した高精度音声認識。英語以外の音声も一度の処理で直接英語へ変換。
- 翻訳後も元のタイムスタンプが保持されるため、翻訳された字幕トラックは同じ音声と同期します。
- 各翻訳は元の文字起こしテキストの横に専用トラックとして保存され、任意の行をクリックすると元の音声を再生できます。
よくある質問
文字起こしを元の音声と照らし合わせられますか？
はい。文字起こしの各セグメントは元の文のタイムスタンプを保持しているため、クリックするとその瞬間の音声が正確に再生されます。おかしな箇所があっても推測することなくすぐに元の音声を確認できます。英語以外の録音を直接英語に文字起こしした場合も同様です。
どの言語に対応していますか？
言語の自動検出機能により約98言語の文字起こしに対応しており、そのいずれも1回の処理で直接英語に変換できます。完成した文字起こしを翻訳する際、簡体字中国語と繁体字中国語は別々の対象言語となっており、ブラジルポルトガル語とヨーロッパポルトガル語も同様です。字幕においてその違いが明確に表れるためです。
対応している音声形式は？
MP3、WAV、M4A、AAC、OGG、OPUS、WMA など、加えて任意の動画コンテナにも対応します（音声トラックは自動で取り出されます）。ノイズの多い録音は、先に任意の AI 音声復元を通せます。電話の録音やカフェで録ったものには有効です。
翻訳すると文字起こし時間が消費されますか？
いいえ。分数がカウントされるのは音声の文字起こし時のみです。完成した文字起こしテキストの翻訳は Google Translate で行われ、どのプランでも無料のため、必要なだけ言語を追加できます。
「英語で文字起こし」と「翻訳」— 他の言語からより精度の高い英語を得られるのはどちらですか？
両者は仕組みが異なります。「英語で文字起こし」は、音声モデルが1回の処理で直接英語を作成します。処理は高速ですが、モデルが聞き取った元の言語のテキストを確認することはできません。最初に元の言語で文字起こしを行ってから「翻訳」を使用すると、翻訳前に文字起こしテキストを修正できるため、認識エラーが英語に引き継がれず、両方のバージョンを同じタイムスタンプで保持できます。公開や引用を予定しているコンテンツには、後者の方法の方が確認しやすくなります。