AIで音声を文字起こし：無料、サインアップなし
文： Sam Ridder · 最終更新日：2026年9月
変換 音声からテキストへ 無料で利用できる機能：インタビュー、ボイスメモ、録音された通話、講義。
録音をアップロードすると、コピー・検索・編集ができるテキストとして返ってきます。アカウント登録も透かしも分単位の課金も不要です。一般的なあらゆる形式に対応した、音声ファイルからテキストへの変換ツールとしてお使いいただけます。
いいえ。 一日10回録音 60分までのファイルに対応し、制限は午前0時にリセットされます。
今すぐ音声を文字起こし →従量課金なしの音声からテキストへの変換
多くの「無料」の文字起こしツールでは、1日の利用時間に制限があったり、有料版にアップグレードしないと出力ファイルに透かしが入ったりします。ScribeGrabは独自のGPUで動作するため、1分あたりのクラウド利用料金は発生しません。1日に10件の録音、個々のファイルは最大60分、1.5GBまで対応し、約100言語を自動で検出し、アップロードしたファイルは処理が完了するとすぐに削除されます。
言語は自分で選択する必要はありません。録音された音声から自動的に言語が判別され、その言語で文字起こしされたものが表示されます。もし別の言語で表示したい場合は、その後に表示される別のボタンをクリックしてください。その際、時間情報はそのまま維持されます。詳細は、こちらをご覧ください 字幕の翻訳.
このAIは、外部APIを借りたものではなく、自社のGPU上で動作する音声認識モデルです。だからこそ、ここでの音声からテキストへの変換AIには分単位の課金がありません。この無料の音声テキスト変換オンラインツールでは、文字起こし自体は常に無料です。有料パスを利用すると、より長いファイルや追加機能が使えるようになるだけです。ライブマイクが必要なGoogleのDocsの音声入力とは異なり、こちらはすでに手元にあるファイルから処理します。
どのデバイスでも同様に動作します：Excel、メール、または耳の不自由な読者の場合でも
Windows speech to textはブラウザのタブで動作するため、デスクトップアプリやspeech to text Chrome extensionをインストールする必要はありません。Android speech to textも同様のタブから利用可能です。スマートフォンでは、ボイスメモやWhatsAppの音声ノートをアップロードしてテキストを取得できます。古いディクタフォンの録音も同様に動作します。もしiPhone独自の音声入力に問題がある場合（speech to text iPhoneが動作しないのは通常、設定の問題です）、通常通りにボイスメモを録音し、代わりにそのファイルをここにアップロードしてください。
無料プランではExcelやWordへの直接エクスポートには対応していませんが、セルや文書、メールに貼り付けられるプレーンテキストが得られます。Google Docsの音声入力を使う習慣がある方も、同じように結果を貼り付けるだけで使えます。また、完全な文字起こしは、スピード重視の方だけでなく、聴覚に障がいのある方や難聴の方にとっても役立ちます。
その比較方法と、音声データをテキストに変換する方法
speech to text ツールの適切な選び方は、ご自身の録音データの文字起こし結果を確認することです。精度はブランドよりも録音状態に大きく依存するため、当社の精度分析では録音条件に焦点を当てています。MP3、電話のメモ、ビデオファイルはすべて同様にアップロードでき、無料で録音を文字起こしする場合、アカウントは不要です。Zoomの録音も他のファイルと同様に動作します。詳細は Zoom会議の文字起こし をご覧ください。複数人の通話であれば、話者ラベル付きのバージョンが利用できます。Restreamの文字起こし機能から乗り換える方へ:考え方は同じで、配信プラットフォームに組み込まれていないだけです。ここで音声をテキストに変換する方法は、次の4つのステップです。
- ScribeGrabを開き、「ツールを開く」をクリックします。
- 録音ファイルをドラッグ＆ドロップしてください（最大60分/1.5GB）。
- 当社のGPUで処理を実行します。数秒から数分で完了します。
- テキストをTXT形式、またはタイミング情報付きのSRT/VTT形式でダウンロードできます。
すべての単語にタイムスタンプが付けられます。
テキストデータに加えて、SRT形式とVTT形式の字幕ファイルも生成されます。これらのファイルでは、各行に開始時間と終了時間が記録されており、2時間の録画動画の特定の箇所に、スクロールすることなく直接移動できます。複数の人が話している場合、 話者ラベル 誰が何を言ったのかをマークする。
対応形式：MP3、WAV、M4A、FLAC、OGG、AAC、および一般的なビデオファイル。事前に変換する必要はありません。
どの程度正確なのでしょうか？
明確な英語の発話において、当社の測定では100単語中約2単語が誤って認識されます。強いアクセント、話し手の重なり、または騒がしい部屋での録音は、あらゆるツールにとって困難であるため、それらの箇所は一度読み直してください。私たちは、以下の詳細な分析をまとめました。 AIによる文字起こしは、実際にはどの程度正確なのか句読点は、発話の間の間や文法から推測されるため、長時間の連続した発話であっても、人が息継ぎをする箇所で区切られて表示されます。
ソース
- 単語誤り率 - Wikipedia：単語誤り率（Word error rate）は、音声認識の精度を測る標準的な指標です
- トランスクリプト | Web Accessibility Initiative (WAI) | W3C：文字起こしは、耳の不自由な方や難聴の方に役立ちます
決定する前に、他の無料の選択肢を比較したいですか？こちらのリストをご覧ください： 最高の無料文字起こしツール、各ツールの無料制限を並べて表示しています。
よくある質問
音声からテキストへの変換は本当に無料ですか？
はい。1日10件の録音まで、分単位の課金なし、透かしなし、アカウント登録も不要です。ファイルは1件あたり最大60分・1.5GBまで対応しています。この無料の音声テキスト変換プランは、多くの競合サービスの無料枠を上回っており、TXT、SRT、VTTの完全なエクスポートも含まれています。
どの言語に対応していますか？
録音から自動的に検出される言語は約100言語で、広東語、チェコ語、ベンガル語、オランダ語、ドイツ語、スペイン語などが含まれます。言語を選択する必要はありません。
テキストと一緒にタイミング情報も取得できますか？
はい。通常のテキストはTXT形式で、SRT/VTT形式では各行に開始時間と終了時間が記録されます。
文字起こしされたテキストはどのような形式で返ってきますか?
1行につき1文で、句読点は自動的に追加されます。複数の声が検出された場合は「Speaker 1:」「Speaker 2:」といったラベルが付きます。これは一続きの文字起こしであり、トピックごとにメモとして分割するのは後から手動で行う作業になります。
録音されたファイルはどうなりますか？
トランスクリプトが完了した瞬間に削除され、結果は45分以内（パスがある場合は無料または有料を問わず24時間以内）に消去されます。
以前から持っている録音からテキストを書き起こすことはできますか？
はい、まさにその通りです。スマートフォンのボイスメモやボイスレコーダーから音声をアップロードすれば、数分後には無料の文字起こしをTXT、SRT、VTTのいずれかでダウンロードできます。インタビューを手作業で文字に起こす手間を省けます。
音声認識とテキスト読み上げの違いは何ですか？
音声からテキストへの変換は、録音を文字に変えるものです。テキストから音声への変換はその逆で、書かれたテキストを読み手ではなく聞き手のために読み上げます。ScribeGrabはその両方に対応しています。 文字起こし と テキスト読み上げ.
音声認識の精度はどのくらいですか？
クリアな英語の音声では、当社の測定で100単語につき約2単語が誤って認識されます。激しい背景ノイズ、クロストーク、ささやき声、または強い訛りがある場合は、さらに増えます。以下をご覧ください。 精度の内訳 測定方法については。
ここでのtalk to textは、話した内容がリアルタイムで入力されるものですか?
いいえ。これは録音ファイルに対して動作します。まずスマートフォンやお好みのアプリで録音し、そのファイルをここにドロップしてテキストを取得してください。ライブ入力としてのtalk to textの使い方をお探しの場合、それはスマートフォンやWordに搭載されているディクテーションボタンの役割です。すでに手元にある録音ファイルであれば、このtalk to textページはキーボードを一切使わずに処理できます。Google Docsの音声入力もライブ型の一種です。
このページでMicrosoft Wordの音声テキスト変換は使えますか?
いいえ。Microsoft Wordの音声テキスト変換はWord自体に搭載されているディクテーション機能で、Copilotのディクテーション機能もMicrosoftのアプリ内で動作します。どちらもマイクでのリアルタイム入力が必要です。このページは別の仕組みで、録音ファイルをアップロードして文字起こし結果を文書に貼り付ける形になります。これが、Wordで音声テキスト変換を使いたい方がファイルを文字起こしする方法です。
PC用にダウンロードできる音声テキスト変換ソフトや、Chrome拡張機能はありますか?
ダウンロードや speech to text のChrome拡張機能は必要ありません。PC向けの speech to text とは、単にブラウザでこの speech to text ウェブサイトを開き、ファイルをアップロードして文字起こし結果を受け取ることを意味します。Windowsユーザー向けの speech to text は、Mac、Linux、Chromebook、またはスマートフォンでも同様に動作します。
ChatGPT、ElevenLabs、Evernoteと比べてどう違いますか?
ChatGPTやClaudeはそもそもチャット形式のインターフェースであり、長時間の録音ファイル向けには作られていません。ElevenLabsはわずかな無料枠を超えると料金が発生し、アカウントも必要です。Evernoteの文字起こし機能はノートアプリの中に組み込まれています。このページは1ファイルあたり60分まで無料で、アカウントもノートアプリも不要です。
Azure、Bedrock、その他のクラウドAPI上に構築されていますか?
いいえ。本サービスは、MicrosoftやAmazonからレンタルしたクラウドAPIではなく、独自のGPUと音声認識モデルで動作しています。そのため、無料プランを充実させることができています。対してBuzzは、ご自身でインストールしていただくオープンソースのデスクトップアプリです。
SRTファイルはCapCutやDaVinci Resolveで使えますか?
はい。ここでSRTファイルを生成し、標準的な字幕ファイルと同様に、CapCutの「テキスト」パネルやResolveの字幕トラックに字幕として読み込んでください。
ここでの音声テキスト変換には高速な回線が必要ですか?
ファイルをアップロードできる程度の回線があれば十分で、その後は当社サーバー上で処理されます。アップロードが完了するまでタブを開いたままにしてください。閉じてしまうと、最初からやり直しになります。
文字数によって料金は変わりますか?
いいえ、どちらの場合も無料です。制限があるのはファイルの長さと1日あたりの録音数のみです。小さな声やささやき声の場合は、何よりもマイクに近づいて話すことが効果的です。
音声ファイルではなくビデオファイルの文字起こしをするにはどうすればよいですか？
ビデオをそのままアップロードしてください。オーディオトラックが自動的に抽出され、文字起こしに加えてSRTおよびVTT字幕ファイルを取得できます。
MP3のspeech to textは、他のフォーマットと何か違いがありますか？
いいえ。MP3はWAV、M4A、FLAC、OGG、AACと同様に直接読み込まれるため、アップロード前に変換する必要はありません。