音声の文字起こしのやり方:アップロードなしで、Mac でも Windows でも
音声を文字起こしするには、文字起こしソフトの Lesskeys にファイルを追加します。お使いのコンピュータ上で文字起こしして話者ラベルを付け、何もアップロードしません。インターネットをオフにしても動作します。
macOS 13+(Apple Silicon) · サブスクリプションなしWindows 10 と 11 · サブスクリプションなし
最終確認日
ドロップする
音声を文字起こしする手順
- Lesskeys を開き、文字起こしを選んでファイルを追加します。
- 言語は自動判別のままでも、最大 4 つまで固定することもできます。
- 話した人数を設定します(既定は 2)。話した人数を指定します。1 から 4 を選ぶか、任意の数を入力します。
- 開始します。結果はライブラリで読めます。行の再生ボタンを押すとそこから再生でき、すべてコピーもできます。
初回は、話者識別用の小さなファイル一式をダウンロードします。
誰が何を話したか
すべての行に話者ラベル
どの行にも話者ラベルが付きます。
話者 1 を実名に変更したり、1 人の声が分かれてしまった場合は 2 つのラベルを結合したりできます。名前を付けた声は、以降の録音でも認識できます。声紋はお使いのコンピュータに残ります。ラベルが間違う原因は話者ラベルで説明しています。
お使いのコンピュータ
ファイルがコンピュータの外に出ることはありません
変換サイトはファイルをアップロードします。Lesskeys はファイルをディスクから読み込み、テキストをその隣に書き出します。
- 何もアップロードされません
- オフラインインターネットなしでも動作
- 99言語
Wi-Fi をオフにして試してください:動画をアップロードせずに文字起こしする方法。
確認する
音声の文字起こしが間違うとき
文字起こしの出来は、録音の状態次第です。
- ノイズと距離
- 名前と専門用語
- 2 人が同時に話す
- 長いファイルは途中で止まることがある
名前や専門用語は確認してください。長いファイルでは、音声認識モデルが終わりの部分を落としたまま完了と表示することがあります。最後の数行を音声と照らして確かめてください(Whisper が途中で止まるとき)。すべての言葉を人が確認する必要がある場合は、人が担当するサービスを使ってください。精度の数値はオンデバイス文字起こしとはに載せています。
Mac の場合
Mac で使えるファイルと、処理の速さ
音声でも動画でも、一般的な形式なら変換は不要です。
- 音声:MP3、M4A、WAV、AIFF
- 動画:MP4、MOV、M4V
ほかの形式は開けないことがあるので、先に変換してください。Apple M1 Max 1 台で行ったテストでは、より精度の高いモデルで 1 時間の音声に約 5 分かかりました。話者の判別には時間が加わり、古い Mac ではもっと遅くなります。
Windows の場合
Windows で使えるファイル
音声でも動画でも、ファイル選択で一般的な形式を選べます。
- 音声:WAV、MP3、M4A、FLAC、OGG、WMA、AIFF
- 動画:MP4、MOV、M4V、MKV、AVI、WEBM、WMV
特定のファイルが開けるかどうかは、エンコード方法によります。開けない場合は、先に MP4 か M4A に変換してください。Windows での速度はここでは測定していないため、数値はありません。初回の文字起こしでは、小さな話者モデル一式をダウンロードします。まだファイルがない場合は、先にWindows で音声メモを録音してください。
質問
音声の文字起こしについてのよくある質問
音声をアップロードせずにテキストにするには、どうすればよいですか?
オンデバイスの文字起こしアプリを使います。Lesskeys は音声ファイルと動画ファイルをお使いのコンピュータ上で文字起こしします。ファイルはディスクから読み込まれ、テキストはその隣に書き出され、何もアップロードされません。アカウントも不要です。
どんなファイル形式に対応していますか?
Mac では、音声は MP3、M4A、WAV、AIFF、動画は MP4、MOV、M4V に対応しています。MKV、WEBM、WMA、AVI などのほかの形式は開けないことがあるので、先に MP4 か M4A に変換してください。Windows では、ファイル選択で WAV、MP3、M4A、FLAC、OGG、WMA、AIFF と、一般的な動画形式を選べます。開けないファイルは変換してください。
1 時間の会議のような長い録音も文字起こしできますか?
はい。1 時間の会議は通常の作業です。長い録音は短いクリップより時間がかかり、処理の遅いコンピュータではさらにかかります。途中で切れていないか、文字起こしの最後の数行を音声と照らして確認してください。
精度はどのくらいですか?
コンピュータよりも、録音の状態に左右されます。公開音声 6,086 語で行った私たちのテストでは、最も精度の高い音声認識モデルで、100 語のうち約 2 語が誤りでした。クラウド型の変換サービスはテストしていないため、同等とは主張しません。ご自分の音声でお試しください。
もっと見る