音声を文字起こし

Whisper large-v3を使用。MP3・M4A・WAV・全角ｍｐ３・議事録の録音もそのまま処理。

DeluxeScribeはWhisper large-v3を使った音声文字起こしツールです。 MP3、M4A、WAV、OPUS(WhatsApp音声)、OGGに対応。 ｍｐ３(全角)もmp3(半角)も、そのまま処理します。 無料で生涯60分まで利用可能 — 月ごとの更新ではありません。 音声データはEU(フランクフルトAWS)に保存し、30日後に自動削除します。 クレジットカード登録は不要です。
  • 生涯60分無料
  • クレジットカード不要
  • 100+言語
  • 音声データはEU(フランクフルト)保存、30日で自動削除

最終確認: 2026年8月16日

3ステップで音声を文字起こし

要約: DeluxeScribeはWhisper large-v3を使った音声文字起こしツールです。 MP3、M4A、WAV、OPUS(WhatsApp)、OGG、そして全角ｍｐ３にも対応。 生涯60分無料で、月額課金の隠れた更新はありません。 音声はAWSのEU(フランクフルト)リージョンに保存され、 30日後に自動削除されます。

  1. ファイルをアップロード — MP3・M4A・WAV・MP4など、一般的な音声/動画ファイルをドラッグ&ドロップ。
  2. 日本語を選択 (多言語音声の場合は「自動検出」でもOK)
  3. テキストをダウンロード — 数秒〜数分でタイムスタンプ付きテキストが完成。 TXT・DOCX・PDF・SRT・VTTで書き出し可能。

ソフトのインストールは不要 — すべてブラウザで完結します。

対応フォーマット

MP3、M4A、WAV、MP4、OGG、OPUS、FLAC、AAC、WebMに対応。 動画ファイル(MP4、MOV、AVI)は音声を自動抽出して文字起こしします。

  • MP3 — 最も一般的な音声フォーマット
  • ｍｐ３(全角) — 半角mp3と同じ扱い。ファイル名や検索クエリに全角文字が含まれていても、内部処理は同一です
  • M4A — iPhoneボイスメモやMac QuickTimeの標準形式
  • OPUS — WhatsAppの音声メッセージ形式
  • WAV — 非圧縮の高音質フォーマット
  • MP4/MOV — 動画ファイル(音声部分を文字起こし)

議事録・会議録音の文字起こし

日本の業務利用で最も多いのは「議事録」用途です。 Zoom・Meet・Teams・ICレコーダー・スマホのボイスメモで録音した会議音声を DeluxeScribeにアップロードすると、数分でテキスト化されます。 1時間の会議録音なら通常2〜5分、2時間の会議でも5〜10分で完了します。

議事録として整形する流れ

DeluxeScribe自体には議事録テンプレートを自動生成する機能はありません。 ワークフローとしては、録音 → DeluxeScribeで文字起こし → TXT/DOCXで書き出し → Notion・Googleドキュメント・Wordの既存テンプレートに貼り付けという流れになります。 議事録テンプレートを自動生成したい場合は、NottaやRimo Voiceの方が向いています(下記の比較表を参照)。

複数話者の会議で精度を上げるコツ

Whisper large-v3は複数の話者が同時に話す音声で精度が下がります。 可能であれば、

  • 各人にマイクを配布(会議ツールの個別トラック機能を利用)
  • 参加者を離して着席(マイクの分離を物理的に確保)
  • 司会者が発言前に名前を呼ぶ(誰の発言か文字起こし後に判別しやすい)

なお、DeluxeScribeには現時点で話者分離(スピーカーダイアリゼーション)機能はありません。 「発言者A」「発言者B」を自動で分けたい場合は、Notta・Otterなどの他ツールをご検討ください。

講義・授業・インタビューの録音

大学の講義90分〜3時間、企業研修、インタビュー取材など、 長時間の1人〜少人数話者の録音はDeluxeScribeが得意な用途です。 録音品質が良ければ、Whisperの精度 はほぼそのまま実用可能なレベルで出力されます。

音声ファイルの文字起こし全般

「音声ファイル 文字起こし」という広い検索意図に対応します。 ボイスレコーダーで録音したファイル、Zoomなどのクラウド会議のダウンロードファイル、 Skype・LINE通話の録音、スマホの標準ボイスメモアプリの出力ファイルなど、 一般的な音声フォーマットであればほぼすべて処理できます。

典型的な用途: 取材音声・カンファレンス録音・ポッドキャスト原稿作成・ 外国語学習の聞き取り確認・音声メモの検索可能化。

MP3の文字起こし

MP3は最も一般的な音声フォーマットです。 ビットレート(128 kbps、192 kbps、320 kbps)を問わず、そのまま処理できます。 精度は元の音声品質に依存します — ビットレートよりも「静かな環境で録音されたか」「話者がマイクに近いか」の方が重要です。 クリーンな128 kbpsのMP3は、WAV(非圧縮)とほぼ同じ精度で文字起こしされます。

全角ｍｐ３について: 「ｍｐ３ 文字起こし」(全角)で検索する日本のユーザーは意外に多く、 月間検索ボリュームは半角「mp3 文字起こし」と同程度あります。 ｍｐ３(全角)でもmp3(半角)でも、DeluxeScribeでは同じように処理します。 ファイル名に全角文字が含まれていても、拡張子が半角でも全角でも問題ありません。

M4A・WAV・LINE音声など

M4A(iPhoneボイスメモ)

iPhoneのボイスメモや、Macで録音した音声はM4A(AACコーデック)形式です。 そのままアップロードできます。iPhoneユーザー向けの詳しい手順・iOS 18標準文字起こしとの比較はiPhoneボイスメモ文字起こしの専用ページをご覧ください。

WAV(非圧縮の高音質)

WAVは非圧縮のためファイルサイズは大きくなりますが、音質は最高です。 スタジオ収録・複数マイクのポッドキャスト・質的研究のインタビューなど、 一語一句の正確さが必要な場面ではWAV録音を推奨します。 文字起こしの処理速度はMP3と変わりません。

LINE音声メッセージ

LINEのボイスメッセージ(.m4a形式)もそのままアップロードできます。 LINE内で音声を長押し → 転送/共有 → ファイル保存という手順で 音声ファイルを取り出し、DeluxeScribeにアップロードしてください。 「LINE 音声 文字起こし」の月間検索は約480件で、 日本特有のユースケースです。

他ツールとの比較

日本語の音声文字起こしツールには複数の選択肢があります。 以下は主要ツールの正直な比較です。DeluxeScribeがすべての項目で1位ではありません — 用途に応じて選んでください。

ツール無料枠データ保存場所議事録テンプレ話者分離
DeluxeScribe生涯60分(一度きり)EU (フランクフルトAWS)なしなし
Notta月120分米国(推定 — 公開未確認)ありあり
CLOVA Note月300分韓国なしあり
Rimo Voice初回60分日本ありあり
Whisper (ローカル)無制限ローカル(自PC)なし別途pyannote等
Googleドキュメント音声入力無制限(リアルタイムのみ)Google Cloudなしなし

料金・機能は2026年8月16日時点で各社サイトを確認済み。プランは変更される可能性があります。

用途別の選び方

  • データを日本国内に置きたい: Rimo Voice
  • データをEU(GDPR圏)に置きたい: DeluxeScribe
  • 議事録テンプレートを自動生成したい: Notta または Rimo Voice
  • 話者分離が必要: Notta、CLOVA Note、Rimo Voice
  • 無料枠が大きい方がいい: CLOVA Note(月300分)
  • 完全無料でオフラインで使いたい: Whisperローカル
  • リアルタイム文字起こしをMTGしながら使いたい: Otter または tl;dv
  • 正式なDPA(GDPR契約)が必要: エンタープライズ向け製品(DeluxeScribeは現時点で提供なし)

DeluxeScribeの立ち位置

DeluxeScribeは、「Whisper large-v3をブラウザから使い、データをEUに保存して30日で削除する」という設計に振り切っています。 議事録テンプレートや話者分離が必要な業務用途では他社の方が向いていることを正直にお伝えします。 一方で、Whisperの最新モデルを直接使えること・データ処理場所が明示的であること・ 月額の隠れた課金がないこと(生涯60分の無料枠)は、他社にない利点です。

日本語の精度について

DeluxeScribeが使用するWhisper large-v3は、 Googleが公開しているFLEURS Japaneseベンチマークで 単語誤り率(WER)10%前後を達成しています。 英語のWER(FLEURS English、約5%)と比べると日本語は難易度が高く、 これはWhisperに限らず現在のあらゆる音声認識モデル共通の傾向です。 Whisperがどのように精度を測定しているかについては、Whisperの精度に関するガイドをご覧ください。

精度が高くなる条件

  • 静かな環境での録音(BGM・エアコン・雑踏なし)
  • 話者がマイクに近い(スマホなら口元から30cm以内)
  • 単一話者、またはテンポよく交代する2人
  • 標準的な話し方(過度な早口・小声を避ける)

精度が下がる条件

  • 強い方言(関西弁の一部、東北方言、沖縄方言)
  • 専門用語や社内用語(モデルが学習していない語彙)
  • 複数話者の同時発話・声かぶり
  • 音楽のBGMや強いノイズ

他社との比較

Notta・CLOVA Note・Rimo Voiceも独自の音声認識モデルを使っており、 日本語ネイティブに最適化されている点でWhisperより有利な場面があります。 特に固有名詞・企業名・議事録用語などはこれらのツールの方が精度が高いことがあります。 一方でWhisper large-v3は多言語対応(100+言語)と最新モデルへのアクセスに強みがあります。

プライバシーとGDPR

アップロードされた音声はTLSで暗号化して送信し、AWSのEU(フランクフルトリージョン)で暗号化保存します — 米国ではありません。 音声と文字起こし結果は30日後に自動削除されます。 ダッシュボードから即時削除も可能です。 皆さんの音声をAIモデルの学習には一切使いません。

DPA(データ処理契約 / GDPR第28条契約): 現時点では正式なDPAを提供していません。 企業(病院・法律事務所・規制対象の機密データを扱う事業者など)で 正式なDPAが必要な場合は、DeluxeScribeは適切なツールではありません。 DPA対応の他社ツール、またはWhisperのローカル実行(オープンソース・無料・オフライン)を検討してください。

日本国内保存が必要な場合: 法令や社内規定でデータの日本国内保存が必須の場合、 Rimo Voice(日本国内サーバー)などをご検討ください。 EUデータ保存はGDPRには準拠しますが、日本国内保存の要件は満たしません。

個人利用・フリーランス・一般的な業務でクラウドサービス利用が 社内ポリシーで許容されている場合は、EU保存 + 30日自動削除の設計で 多くのユースケースをカバーできます。

まずは手元の音声で試す

生涯60分無料、クレジットカード不要。書き出しフォーマット(SRT/VTT/TXT/DOCX/PDF)は最初から全て利用可能です。

このページの検証方法

精度に関する記述はすべて、Whisper 論文(Radford et al., 2022) および Google の FLEURS ベンチマークに基づいています。 競合他社(Notta、CLOVA Note、Rimo Voice、Otter、TurboScribe)の無料枠数値は2026年8月16日時点で各社公式サイトを確認済み。 プランや上限は予告なく変更される可能性があります — 古い情報にお気づきの場合はチームまでご連絡ください。

関連ページ

よくある質問

WhatsApp / LINEの音声を直接文字起こしできますか?

はい。WhatsAppの音声(.opus形式)とLINEのボイスメッセージ(.m4a形式)は、そのままアップロードできます。フォーマット変換は不要です。iPhoneでもAndroidでも、音声を長押し → 共有 → ファイル保存 → DeluxeScribeにアップロードという流れになります。

ファイルサイズと長さの上限は?

無料プランではファイルサイズやフォーマットに制限はありません(60分の合計クレジット内で利用可能)。Proプラン(月10ドル)では1ファイル最大4時間・2GBまで、Premiumプラン(月29ドル)では1ファイル最大10時間・5GBまで対応します。長時間の会議録音や講義もそのままアップロードできます。

1時間の音声の料金は?

生涯無料の60分クレジット内であれば、1時間(60分)ちょうどで無料枠が使い切れます。それ以降はProプランで月10ドル・1,200分、Premiumで月29ドル・3,600分。1分あたり約0.008ドル(Pro)または約0.008ドル(Premium)です。月ごとの繰り越しはなく、Free枠は「一度きり」で毎月更新はされません。

音声データはどこに保存されますか?

音声ファイルはTLSで暗号化して送信され、AWSのEU(フランクフルトリージョン)で暗号化保存されます — 米国ではありません。音声と文字起こし結果は30日後に自動削除されます。ダッシュボードから手動で即時削除することもできます。皆さんの音声をAIモデルの学習には一切使いません。

DPA(データ処理契約)は提供していますか?

現時点では、GDPR第28条に基づく正式なDPAは提供していません。企業(病院・法律事務所・規制対象の機密データを扱う事業者など)で導入されるにあたり、正式なDPAが必要な場合は、DeluxeScribeは適切なツールではありません。DPA対応の他社ツール、またはWhisperをローカル環境(オープンソース・無料・オフライン)にインストールすることをご検討ください。個人利用・フリーランス・一般的な業務では、標準のプライバシーポリシーで多くのケースをカバーします。

日本語の精度は?

Whisper large-v3(DeluxeScribeが使用するモデル)は、Googleが公開しているFLEURS Japaneseベンチマークで単語誤り率(WER)10%前後を達成しています。日本語は英語より難易度が高い言語ですが、静かな環境・単一話者・標準的な発話であれば、実用的な精度で文字起こしできます。固有名詞・専門用語・強い方言(関西弁の一部、東北方言、沖縄方言)では誤りが増えることがあります。

長時間(2時間以上)の会議録音は対応していますか?

はい。Proプランで最大4時間、Premiumプランで最大10時間の1ファイルに対応します。2時間の会議は通常5〜10分で文字起こしが完了します。複数話者の会議では、各人の声がクリアに分離されている(各人にマイク、または離れて着席)ほうが精度が上がります。

スマホから使えますか?

はい。すべてブラウザ上で動作します — iPhoneのSafari、AndroidのChrome、またはデスクトップから。ネイティブアプリのインストールは不要です。

話者分離(スピーカーダイアリゼーション)には対応していますか?

現時点では話者分離機能は提供していません。文字起こし結果はタイムスタンプ付きの1本のテキストとして出力されます。話者ごとに分けたい場合は、書き出し後にご自身で編集していただくか、話者分離が必要な場面ではNottaやOtterなどの他社ツールをご検討ください。

議事録として使う場合の推奨ワークフローは?

会議を録音(Zoom、Meet、Teams、ICレコーダー、スマホのボイスメモなど) → DeluxeScribeにアップロード → 出力されたテキストを議事録テンプレートに整形、という流れが基本です。DeluxeScribe自体は議事録テンプレート機能を持っていませんが、TXT/DOCX/PDFで書き出せるので、Notion・Googleドキュメント・Wordの既存テンプレートに貼り付けて使えます。議事録テンプレートを自動生成したい場合は、NottaやRimo Voiceの方が向いています。

全角の「ｍｐ３」ファイルも文字起こしできますか?

検索クエリの話であれば、はい — 「ｍｐ３ 文字起こし」(全角)で検索してもこのページにたどり着きますし、扱い方は同じです。ファイル名や拡張子に全角文字が含まれていても問題なく処理します。ファイル形式そのものはMP3(半角)と全く同一なので、内部的にも区別されません。

無料で使うにはどうすればいいですか?

アカウント登録(メールアドレスのみ、クレジットカード不要)で60分の無料クレジットが付与されます。この60分は「一度きり」で、毎月更新はされません。60分を使い切ったあとは、Pro(月10ドル/1,200分)またはPremium(月29ドル/3,600分)にアップグレードできます。無制限に無料で使いたい場合は、Whisperをローカル環境にインストールするのが唯一の選択肢です。

iPhoneのボイスメモを文字起こしできますか?

はい。iPhoneのボイスメモ(.m4a形式)はそのままアップロードできます。使い方の詳しいガイドは、専用ページ「iPhoneボイスメモ文字起こし」をご覧ください。iOS 18標準の文字起こしとの比較や、iPhoneからファイルを取り出す手順も掲載しています。