AUDIO · TRANSCRIBE
音声文字起こし
Whisper AI がブラウザ上で直接音声を認識します。初回実行時にモデル（約 240MB）をダウンロードし、以降はキャッシュを使用します。
初回実行時にエンジン（40–240MB）をダウンロード
- 1.音声または動画ファイルをドラッグします
- 2.認識言語を選択します
- 3.‘文字起こし開始’ボタンを押します（初回はモデルをダウンロード）
- 4.文字起こしテキストをコピーまたはTXTで保存します
→ 生成物: 文字起こしされたテキスト（TXT保存可）
選択したモデルを初回のみダウンロードします（高速<標準<高精度 の順に大きい）。以降はブラウザキャッシュから即時読み込み。
音声ファイルをアップロードすると、Whisper がテキストに変換します。
このツールについて
Whisper 音声認識モデルで音声をテキストに書き起こします。モデルがブラウザ内で動くためファイルはサーバーに送られず、議事録や相談の録音など外に出しにくい音にも使えます。
こんなときに
- —会議録音を議事録にする最初の一歩として使うとき
- —インタビュー音声から引用箇所を探すために文字にするとき
- —外部サービスに上げられない録音を書き起こすとき
知っておきたいこと
- —初回はモデルの取得に時間がかかり、長いファイルは処理にも時間がかかります。
- —人名・社名・専門用語はよく間違えます。固有名詞は必ず照合して直してください。
- —複数人が重なって話す場合や背景の騒音が大きい場合は精度が大きく落ちます。マイクの近くで 1 人ずつ話した録音が最も向いています。