ScribeToAny
言語

中国語音声を文字起こし

標準中国語は Whisper クラスモデルが最も得意とする言語のひとつです。中国語の会議・講座・インタビューをアップロードすれば、正しい句読点付きの正確な文字起こしが簡体字または繁体字で得られます。

  • AI 文字起こし
  • 98 の言語
  • 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。

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。

文字起こし (TXT)
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?
字幕 (SRT)
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. 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. 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. 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

  • 標準中国語と各種アクセント：標準的な普通話（Putonghua）で最高精度を発揮。台湾華語や地域特有の訛りにも対応しますが、極端に強い訛りは精度が低下することがあります。
  • 漢字表記：通常は簡体字で出力されます。簡体字/繁体字の切り替えスイッチは未実装のため、繁体字が必要な場合はOpenCCなどのツールで変換してください。
  • 中英混合音声：中国語と英語が混ざった発話もそのまま書き起こし、英単語はラテン文字で保持。珍しいブランド名などは必要に応じて修正してください。
  • 中国語に最適化された字幕：約32文字上限で「。，、」で区切る仕様。英文の行長基準ではなく、中国語の読みやすさに合わせた字幕レイアウトです。

よくある質問

中国語と英語のコードスイッチングに対応していますか？

はい — テックやビジネスの場でよくある中国語/英語混じりの発話も、そのまま文字起こしされます。

簡体字ですか、それとも繁体字ですか？

文字起こし結果は通常、簡体字で出力されますが、現時点では簡体字/繁体字の切り替えスイッチがないため、クリップによっては稀に繁体字で出力されることがあります。特定の字体が必要な場合は、公開前にOpenCCなどの変換ツールで変換してください。

中国語動画に字幕を付けられますか？

はい、任意の中国語動画に対して発話に揃ったタイミングの SRT/VTT をエクスポートできます。

標準中国語（普通話）にはどの言語オプションを選択すべきですか？

音声が標準中国語（普通話）だと分かっている場合は、「音声の言語」で「简体中文」を選択してください（台湾華語も同じオプションを使用します）。自動検出は約最初の30秒間から判断するため、音楽や英語の導入で始まるクリップは別の言語と認識される可能性があります。手動で言語を選択すればその推測を省けます。

中国語の字幕はどのように行分割されますか？

中国語の字幕キューは、英語で使われる84文字ではなく約32文字（約16文字×2行）を上限とし、文の途中で不自然に途切れないよう「。，、」での分割を優先します。Whisperクラスのモデルは通常、中国語の句読点を付与しますが、句読点がない箇所は文字数に応じて長さを分割します。読みにくさが残るキューは、エディタ上で簡単に手動分割できます。

関連ツール