AI 音声テキスト変換 - 話者ラベル付きで音声をオンライン文字起こし
title
subtitle
audio_upload
audio_upload_tip
diarize_hint
tag_events_hint
keyterms_hint
advanced
public_hint
empty_title
empty_hint
Speech to Text を選ぶ理由
あらゆる録音を、タイムスタンプと話者ラベル付きの検索可能なテキストに変換
高精度な文字起こし
音声をアップロードするだけで、引用や字幕制作に使える単語レベルのタイミング付きの読みやすい書き起こしを取得。
話者ラベル
話者分離を有効にすると誰が何を話したか区別可能——インタビュー、会議、複数人のポッドキャストに最適。
キーワード強化
製品名・専門用語・固有名詞を登録すれば、最初から正しく表記された書き起こしが得られます。
すぐ使えるエクスポート
テキストをコピー、.txt をダウンロード、またはタイミング済みの .srt 字幕ファイルをエクスポート。
音声の文字起こし方法
3つの簡単なステップで完成した文字起こしへ
音声をアップロード
最長60分のMP3、WAV、M4A、FLAC、OGGファイルをドロップ。長さは自動で確認されます。
言語とオプションを選択
音声の言語を設定するか自動検出。話者ラベルの切り替えやキーワードの追加も可能。
読んでエクスポート
タイムスタンプ付きで話者ごとの書き起こしを確認し、コピーまたは .txt/.srt をダウンロード。
活用シーン
ジャーナリスト、ポッドキャスター、研究者、録音を扱うチーム向け
技術仕様
Speech to Text は音声を、単語レベルのタイミング・オプションの話者ラベル・字幕エクスポート付きの構造化された書き起こしに変換します。
- 最大300MBのMP3、WAV、M4A、AAC、FLAC、OGG、OPUS、WebMに対応
- 音声の最大長：60分
- 言語自動検出、または19+言語から選択
- 1分あたり2クレジット（キーワード使用時2.4）— 確認済み長さで課金
- プレーンテキストまたはタイミング付きSRT字幕でエクスポート
- 書き起こしは個人・商用プロジェクトで利用可能
よくある質問
Speech to Text について知っておくべきこと
音声を単語レベルのタイムスタンプ付きの読みやすい書き起こしに変換します。話者分離や音声イベントタグもオプションで利用でき、コピーまたは .txt/.srt でエクスポートできます。
最大300MB・最長60分のMP3、WAV、M4A、AAC、FLAC、OGG、OPUS、WebM。言語はデフォルトで自動検出、または英語・中国語・スペイン語・フランス語・ドイツ語・日本語・韓国語など19+言語から選択できます。
音声1分あたり2クレジット、キーワード使用時は2.4クレジット。30秒のクリップは1クレジットです。正確な料金は確認済みの長さから計算され、実行前に表示されます。
キーワードは最大100個の単語または短いフレーズ——製品名・専門用語・固有名詞——で、書き起こしが正しく表記するのに役立ちます。各キーワードは最大5単語です。
有効にすると書き起こしが話者ごとにグループ化され、誰が何を話したか分かります——インタビューや会議に便利です。セグメントには03:42のようなタイムスタンプが付きます。
単語レベルのタイムスタンプから標準的な字幕キューを構築します——話者の切り替わり、7秒、約42文字で改行されるため、.srt はほとんどの動画編集ソフトにそのまま読み込めます。