ScribeToAny
言語

日本語音声を文字起こし

日本語の文字起こしは漢字変換のせいで手作業では非常に時間がかかります。ScribeToAny は音声から自然な漢字かな交じり文を直接出力します — アニメクリップ、ビジネス会議、インタビュー、語学学習に。

  • 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

  • 漢字と仮名の自然な混和表記：母語話者が自然に入力する漢字仮名交じり文で出力。珍しい人名や同音異義語は適宜確認をおすすめします。
  • 発話通りの敬語表現：尊敬語、謙譲語、丁寧語の各形式を不自然に標準化せず、話された通りのニュアンスで記録します。
  • 外来語と略語の認識：カタカナ外来語や英語の頭字語（略語）を的確に認識。最新の専門用語や製品名は必要に応じて確認してください。
  • 日本語に最適化された字幕：約32文字上限で「。」や「、」で区切る仕様。欧文の行長基準ではなく、日本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

出力は漢字ですか、かなですか？

ネイティブスピーカーが入力するのと同じ自然な交ぜ書きです — 適切な箇所は漢字、それ以外はかなで出力されます。

日本語の学習に役立ちますか？

大いに役立ちます — リスニング教材を文字起こしし、クリック再生の音声と一緒に読み、フラッシュカード用にテキストをエクスポートできます。

日本語動画に字幕を付けられますか？

はい、タイミングの揃った SRT または VTT をエクスポートできます。

日本語を手動で選択すべきですか、それとも自動検出のままにすべきですか？

録音が日本語だと分かっている場合は、「音声の言語」で「日本語」を選択してください。自動検出は約最初の30秒間から判断するため、音楽、無音、または英語の導入で始まるファイル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。テーマ曲から始まるアニメのクリップなどは、事前に言語を指定しておくべき典型的な例です。

日本語の字幕はどのように行分割されますか？

日本語の字幕キューは、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「。」や「、」での分割を優先します。日本語には単語間のスペースがないため、英語以上にこの配慮が重要になります。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