音声をテキストに変換 無料、1日10件まで、動画にも対応

プレーンなトランスクリプトと字幕はここにあります。ビープ音、翻訳、焼き込み字幕は フルツール.

何もインストールせずにオーディオをテキストに変換する方法

1. 上記のボックスにファイルをドロップします。 MP3、WAV、M4A、FLAC、OGG、AAC、Opusなど、あらゆる音声ファイル形式に対応しています。また、音声のみが必要な場合は、動画ファイルも利用できます。録音した音声ファイルを、変換作業なしに直接テキストに書き起こすことができます。
2. オーディオの1時間あたり約2分待ってください。 音声ファイルをテキストに変換する処理は、お客様のパソコンではなく、当社のサーバーで行われるため、パソコンが熱くなることも、ソフトウェアをインストールする必要もありません。
3. 結果をダウンロード テキストを読む場合はTXT形式、字幕が必要な場合はSRTまたはVTT形式、またはページから直接テキストをコピーしてください。

それだけで完了です。インストールが必要な文字起こしソフトも、登録も一切ありません。スマートフォンで音声を文字起こしするアプリをダウンロードしようとしていたなら、このページはブラウザ上で同じことができますし、そうしたアプリの多くは利用開始前にアカウント登録を求めてきます。音声ファイルをテキストに変換する方法は、どの形式でも同じ3ステップで、動画やスマートフォンの録音からテキストに変換する場合も同様です。メモや引用のために音声ファイルをテキスト形式に変換する方法を知りたい場合も変わりはなく、音声mp3をテキストに変換する場合も手順は同じです。会議やインタビューの録音をテキストに変換するには、まず録音をファイルとして書き出し、そのファイルをアップロードしてください。YouTube上の音声から文字起こしをしたい場合は、代わりにYouTubeページをご利用ください。複数人が話している場合、文字起こしには最初から話者ラベルが付いており、字幕ファイルも別途書き出す必要なく一緒に生成されます。

音声の録音をテキストに変換するのにかかる時間は、スマートフォンのメモでもインタビュー全体でも、音声1時間あたり約2分です。

透かしなしの無料文字起こしサービスと、大容量ファイルの取り扱いについて

音声からテキストへの文字起こしには、落とし穴があってはなりません。ほとんどの「無料」音声文字起こしツールは、1日あたり数分に制限したり、支払うまでウォーターマークを追加したりします。ScribeGrabは、レンタルされたクラウド時間ではなく、独自のGPUで実行されるため、1分あたりプロバイダーに料金を支払う必要はありません、つまり、寛大になることができます：1日あたり10件の録音、個々のファイルは最大60分と1.5 GB、約100言語を自動検出、ファイルは完了した瞬間に削除されます。このボックスは、最大1.5 GBと60分のオーディオとビデオを直接受け入れ、大きなアップロードを自動的に分割するため、大きな音声からテキストへのジョブ、長い講義、大きなWAVエクスポート、数時間の通話録音、はすべてこの1つのアップロードで完了します。} ホームページのフルツール 同じファイルを使って、ピー音処理、翻訳、字幕の焼き込みを追加します。

インタビュー、講演、ポッドキャスト、ボイスメモ

多くの場合は、いくつかの理由のいずれかで録音をアップロードし、そのプロセスは常に同じ3つのステップに従います。まず録音ファイルを入手し、アップロードして、TXTファイルをダウンロードします。インタビューや会議の内容は、検索や引用が可能なテキストに変換されます。通話内容を録音するか、ハンディレコーダーでWAVまたはMP3形式で保存し、録音全体と直接引用を抽出します。講義や授業の録音は、1時間の音声データを、ざっと読み、検索できるノートに変換します。これにより、録音を何度も聞き直す代わりに、資料を一度読めば済むようになります。ポッドキャストは、番組の概要やSEOに役立つ完全なトランスクリプトとして利用できます。ポッドキャストアプリまたは番組のウェブサイトからエピソードをMP3形式で保存し、ブログ記事用にテキスト化します。ボイスメモ（M4A形式で携帯電話に保存したメモ）は、音声ファイルを再生する代わりに、読みやすいテキストとして提供されます。会議の録音の場合は、まず音声をエクスポートします。Zoom、Teams、Meetなどのプラットフォームでは、通話後に録音ファイルをダウンロードできます。ScribeGrabはリアルタイムの通話に参加できないため、まず録音ファイルをダウンロードし、他のファイルと同様にテキスト化します。

MP3、WAV、M4Aなど、さまざまな形式に対応。形式が重要な場合にも対応

ScribeGrabはMP3、WAV、M4A、FLAC、OGG、AAC、Opusファイルを直接読み込めるほか、話し言葉だけが必要な場合は一般的な動画コンテナ形式にも対応しています。事前に変換する必要はないので、音声ファイルをテキストに変換する際は、そのままドロップしてTXTをコピーして取り出すだけです。 MP3 文字起こし ダウンロードしたポッドキャストのエピソードのような作業も、同じ方法で行えます。

スマートフォンに自分で口述したメモのような、ボイスメモのテキスト変換も同じ方法で行えるので、このサイトは口述メモ用の音声テキスト変換ツールとしても使えますし、同じ1日の上限内であれば無料です。マイクを使ったリアルタイムの口述入力としての無料音声テキスト変換を探していた場合は、このツールはマイクからではなく、すでにお持ちの録音データから処理する仕組みである点にご注意ください。

ScribeGrabは、MP3、WAV、M4A、FLAC、AAC、OGG、Opus、AIFFといったファイルを同じ方法で処理するため、得られるテキストの内容はファイル形式によって変わりません。異なるのはファイルサイズと、録音のソースです。MP3は、一般的なポッドキャストやダウンロード形式で、圧縮されており、音質は劣化しますが、1分あたり約1MBとファイルサイズが小さいため、エピソード全体を素早くアップロードできます。M4Aは、iPhoneやボイスメモアプリで録音され、iTunesやApple Musicで使用される形式で、持ち運びやすく、ファイルサイズも小さいです。WAVは、非圧縮のスタジオ品質で、1分あたり約10MBとファイルサイズが大きく、通常、レコーダーやDAWから直接出力されます。FLACは、WAVと同様にロスレスですが、圧縮されており、高音質とファイルサイズの小ささの中間的な形式です。アップロード前にファイル形式を変換する必要はありません。高音質のソースオーディオは、音質が微妙な録音の場合に多少役立ちますが、クリアな音声のシンプルな携帯電話のMP3ファイルでも、スタジオのWAVファイルと同様に、きれいに文字起こしされます。

Evernoteの音声文字起こし機能、Eleven Labs、Kapwing、Clideo、Happy Scribeなどをご利用でしたか？基本的な使い方は同じです。ファイルをアップロードするだけでテキストを取得できます。ただし、ノートアプリやエディター、そして多くのサービスで最初に求められるアカウント登録は不要です。 音声認識（文字起こし） と テキストへの音声 この同じ変換ツールを使えます。そうした録音向けのコツも紹介しています。アップロードするたびに字幕ファイルも生成されるので、詳しくは SRT対VTT どのツールを使うべきか迷っている場合は、こちらをご覧ください。実際に話された内容と、このツールで作成された文字起こしがどれくらい一致するか、ぜひお試しください AIによる文字起こしは、実際にはどの程度正確なのか 率直な分析をご希望ですか？Zoomの録画は、単なる別のビデオファイルです。Zoomで保存された.mp4または.m4aファイルをアップロードするだけで、同じように文字起こしができます。または、こちらをご覧ください ズーム会議の翻訳 話者ラベル版をご利用の場合。英語以外の言語を話していますか？ 音声認識の結果は、話された言語で表示されます。例えば、スペイン語の音声であれば、スペイン語のテキストとして表示されます 字幕の翻訳 その後、英語に翻訳します。

どのような場合に最も高品質な文字起こしが可能になり、いつ見直しを行うべきか

正直に申し上げておくと、後で驚くことがなくなるでしょう。当社の音声認識モデルは確かに優れていますが、録音環境も依然として重要です。

• ほぼ完璧: 1つの明確なスピーカー、マイクの近く、少し背景の騒音、ソロポッドキャスト、指示されたメモ、きれいな講義。
• 速い証拠と非常によい: 2～3人の話し手が交代で話す形式で、音質もまずまず。質疑応答形式のインタビューは効果的ですが、名前や専門用語には注意が必要です。
• より堅い: 録音状態が悪い場合、例えば、複数の人が同時に話したり、周囲の騒音が大きかったり、発音が非常に独特だったりすると、聞き取りにくい音声になることがあります。それでも文字起こしは行われますが、内容をよく確認してからご利用ください。

背景音楽は一般的に問題ではありません、このモデルは、スピーチに焦点を当て、ほとんどの非スピーチの音を無視します。 「95%の正確」が実際に練習で意味するものを含む完全な映像のために、参照して下さい AIによる文字起こしは、実際にはどの程度正確なのか.

ユーザーが実際にアップロードしているもの

2026年7月13日から8月21日までの40日間で、ScribeGrabは5,361個のアップロードされたオーディオおよびビデオファイルをエンドツーエンドで測定しました。平均は18.0分。最長は137.4分で、単一の無料ファイルの60分制限をはるかに超えています。ほとんどのジョブは短いクリップではなく、より長い録音に集中しています：1,063ファイルは34〜68分、817は17〜34分、571は9〜17分で実行されました。アップロードされたすべての73%は制限のはるか下に安全に収まっており、407ファイルは制限の10%以内に収まり、197ファイルは明らかにそれを超えました。人々がここで引っかかる最も一般的な単一の理由は、悪い録音や間違ったフォーマットではありません、それは長さです：「メディアは60分より長くなっています、トリミングしてください」はサイト全体で最も一般的なエラーで、同じ40日間に155回発生しました。

出力されるもの

各アップロードでは3つのファイルが生成されるため、テキストまたはタイムコードが必要な場合でも対応できます。

• TXT、プレーンテキスト形式の書き起こしで、ノート、ブログ記事、メール、またはドキュメントにコピーして使用できます。
• SRT、YouTubeとほとんどのビデオエディタが認識するタイムコードされた字幕。
• VTT、HTML5プレーヤーのWebネイティブサブタイトル形式。

録画が本当にビデオで、トランスクリプトではなくキャプションが必要な場合は、 ビデオ字幕2つの字幕形式から選択するには、こちらをご覧ください SRT対VTT反対方向の変換が必要ですか？つまり、テキストを読み上げると自然な会話になるようにしたいですか？それなら、当社の スピーチへのテキスト.

提供内容と制限

ScribeGrabは、無料で音声ファイルをテキストに変換できるオンラインツールです。ファイルをアップロードする前に、以下の制限をご確認ください。1つのファイルにつき、最大で 60分 と 1.5GBShinobiToolsの有料プラン（月額5ユーロ）に加入すると、利用時間が4時間に延長され、他のツールでもご利用いただけます。録音できる回数は、有料プランの有無にかかわらず1日10回で、毎日午前0時にリセットされます。約100言語が自動的に検出されます。アップロードされたファイルは、文字起こしが完了した時点で削除され、結果も45分後、または有料プランの場合は24時間後に消去されます。有料プランのメリットの一つは、この利用時間の延長です。

このツールでできないこと：リアルタイムの通話に参加したり、マイクの音声を拾ったりすることはできません。また、文字起こしと同時に翻訳を行うこともできません（それは 字幕の翻訳）そのため、自動で要約を作成する機能はありません。実際に話された内容を、一語一句そのまま表示します。

音声からテキストへの変換例

返ってくる結果はこのような形です。2分間のボイスメモを入力すると、TXTファイルには句読点付きで1行に1文ずつ、そのまま貼り付けられる状態で出力されます。 「了解、会議は木曜日に変更になりました。/ Martaに伝えてもらえますか?それと、印刷した見積書も持ってきてください。/ あとは私が対応します。」 2人以上の声が含まれる場合、各行の先頭に「Speaker 1:」のような話者ラベルが付きます。SRTファイルには同じ内容が、それぞれ開始時刻と終了時刻を持つ番号付きのブロックとして収録されており、これは動画プレーヤーが字幕として表示するために必要な形式です。

音声をテキストに無料で文字起こしする方法と、実際の利用上限について

無料の音声テキスト変換ツールには、たいてい何か制限があります。利用できるのは数分だけ、書き出しがロックされている、アップグレードをしつこく勧められる、といった具合です。このページは自社のGPUで動いているため、無料プランもカウントダウン付きの体験版ではありません。利用上限は1日10件、1件あたり最大60分までで、ウォーターマークもアカウント登録も不要です。同じボックスで音声ファイルと動画ファイルの両方を読み込めるため、無料の動画文字起こしツールとしても使えます。日常的な用途であれば無料で音声をテキストに変換できますし、有料パスはより長いファイルや追加機能のためだけに用意されています。

「コンバーター」という言葉について補足します。通常、オーディオコンバーターは一つの形式を別の形式に変換するものなので、MP3をWAVに変換する無料のオンラインコンバーターを使っても、文字は手に入りません。このツールはオーディオをテキストに変換するオンラインコンバーターであり、出力結果が文字起こしになる「音声からテキストへのオンライン変換ツール」と考えてください。アップロードするたびに無料でテキストへの変換が行われ、無料の音声テキスト変換ツールとして使っても、他の機能と同じ1日10回までの上限が適用されます。多くの方はスマートフォンやパソコンから、無料のオンライン音声テキスト変換ツールとして利用しており、この無料プランにはインストール作業が一切ありません。無料のコンバーターサイトの中には数分で処理が止まってしまうものもありますが、ここでは1時間分をまとめて一度に文字起こしできます。

「文字起こし(transcript)」という言葉についても同じことが言えます。ユーザー登録なしで無料の音声から文字起こしへの変換ツールとして使うと、言葉だけでなくタイミング付きの字幕も手に入るので、無料で音声から文字起こしへ変換するという作業の両方をカバーしています。音声をテキストに文字起こしする処理には、録音1時間あたり約2分かかり、無料でオンラインから音声を文字起こしすることも、スマートフォンから無料で音声を文字起こしすることも、どのブラウザからでも無料で音声を文字起こしすることもできます。これは要約ではなく、一字一句そのままの音声テキスト文字起こしです。音声ファイルをテキストに変換するツールであり、行うのは音声ファイルの文字起こしだけなので、ここでの無料の音声ファイル文字起こしとは、プレビューではなく完全な文字起こし全体を意味します。音声ファイルから無料で文字起こしを得るという作業は、1分のメモでも60分のインタビューでも同じように行えます。テキスト、字幕、あるいはその両方をわざわざ指定する必要はなく、アップロードするたびに3種類のファイルすべてが手に入ります。

WordやGoogleドキュメントとの比較

どちらのサービスにもこれに対応する機能がありますが、どちらにも注意点があります。Microsoft Wordの音声からテキストへの機能は、Word for the webにある「Transcribe」ボタンのことです(MS Wordの音声テキスト変換と呼ばれることもあります)が、利用するにはまずMicrosoft 365へのサインインが必要です。Copilotの文字起こし機能も、同じMicrosoft 365のアプリ内にあります。Google Docsの音声からテキストへの機能は「音声入力」で、マイクが拾った音声をリアルタイムで書き起こすものなので、すでに手元にある録音ファイルを開くことはできません。GoogleのGeminiも音声を扱えますが、Googleアカウント内で、その利用制限の範囲内での話です。このページはアカウントもマイクも必要としません。すでに作成済みのファイルからそのまま処理でき、音声ファイルから文字起こしへという作業がすべてで、事前に何かを抽出するような追加の手順はありません。

同じアイデアは、録画の代わりにスキャンされたドキュメントで動作します。 ScanReviverのOCR スキャンしたPDFファイルを、ページ全体の画像ではなく、検索やテキスト選択が可能な形式に変換します。

動画ファイルから始めますか？ ビデオからテキストへ MP4、MOV、MKV、WEBMを直接受け付けます。

文： Sam Ridder、ScribeGrab を自分のハードウェアで、ひとりで開発・運営しています。 プロフィールオンラインで音声ファイルをテキストに変換すると、元の録音ファイルよりもはるかにファイルサイズが小さくなります。そのため、2時間のインタビューもテキストに変換すれば、メールで送信できるようになります。送信前に、テキストと音声を照らし合わせながら、名前、数字、スペルなどを確認できます。

よくある質問