音声・動画をテキストに変換

音声をテキストに変換

アイデアは話す方が速い。どのデバイスでも録音してファイルをアップロードすれば、ScribeToAny があなたの声を句読点付きのクリーンなテキストに変換します — 下書き・メモ・ToDo が音声の中に眠ったままになりません。

  • 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

  • MP3、MP4、M4A、MOV、AAC、WAV、OGG、OPUS、MPEG、WMA、WMV、FLAC、MKV、AVI 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

句読点は自動で付きますか?

はい、モデルが句読点と文の区切りを自動で挿入するため、出力は生の単語の羅列ではなく書き言葉として読めます。

背景ノイズには対応できますか?

中程度のノイズは問題なく処理できます。非常にノイズの多い録音には、最も強力なモデルを使う高精度モードを選んでください。

どの言語に対応していますか?

約 98 言語に対応し、言語は自動検出されます — 複数言語が混ざった録音も文字起こしできます。

関連ツール