無料のAI文字起こし3つの方法を比較。外に出せない音源はパソコンの中だけで文字にするやり方

録音した打ち合わせや取材を文字にしたいけれど、お金はかけたくない。AIの文字起こしを無料で済ませたい、という前提で書いています。無料でできる方法はいくつもありますが、選ぶときにいちばん大事な軸は精度でも速さでもなく、音源を外に出していいかどうかだと私は思っています。社外秘の打ち合わせ、個人的な相談、まだ公開していない企画。クラウドに預けたくない音声こそ、自分のパソコンの中だけで文字にできます。無料の選択肢を三つに整理したうえで、手順と精度のコツまで書いていきます。

無料でAI文字起こしをする方法は、大きく三つ

無料と言っても中身はばらばらで、できることも制限もかなり違います。ざっくり分けると三つです。1つ目が、スマホやパソコンにもとから入っている機能を使う方法。2つ目が、Webの文字起こしサービスの無料枠を使う方法。3つ目が、公開されている文字起こしのAIモデルを自分のパソコンにダウンロードして動かす方法です。

三つを比較するときの分かれ道は、料金ではなく音源の性質でしょう。誰に聞かれても困らない音声なら、いちばん手軽な①か②で十分です。逆に、社外に出せない打ち合わせや、本人の許可なく他社のサーバーへ預けたくない相談ごとなら、③まで来る価値があります。

iPhoneのボイスメモやスマホ標準機能で、どこまでいけるか

いちばん手軽なのが、手元の端末にもとから入っている機能です。新しいiOSのiPhoneなら、ボイスメモで録音した音声の文字起こしを画面に表示できます。お使いのバージョンによっては出ないこともあるので、まず一度ボイスメモを開いて確認してみてください。Androidでも、録音アプリに文字起こしが載っている機種があります。パソコンならGoogleドキュメントの音声入力を開いて、しゃべった内容をそのまま文章にする手もあります。

標準機能が強いのは「ひとりが、静かな場所で、はっきりしゃべる」場面です。思いついたことを口で流し込むメモや、5分程度のボイスメモなら十分でしょう。一方で、複数人が同時にしゃべる会議、雑音の多いカフェ、1時間を超える長い録音になると、抜けや取り違えが一気に増えます。標準機能はメモ用であって、長い会議用ではないと割り切ると失敗しません。歩きながら声で指示を出す使い方については音声入力とAIを組み合わせた使い方に別途まとめています。興味があれば、ぜひご覧ください。

クラウドサービス無料枠の速さと、上限・行き先の注意点

ブラウザに音声ファイルを放り込むと数分で文字が返ってくるタイプのサービスも、無料枠を用意しているものが多くあります。精度は高く、話している人ごとに発言を分けてくれるものもあります。公開前提のイベント録音や、急ぎの取材音源なら、迷わず使っていいでしょう。

気をつけたいのは二点です。ひとつは無料枠の上限で、月に何十分まで、と決まっているものが多いです。上限が月60分なら、1時間の会議を二本流した時点で、あとは月が変わるのを待つことになります。もうひとつが、音声の行き先です。無料で使わせてもらう代わりに、送った音声やテキストが品質改善に使われる場合があります。規約の書き方はサービスごとに違うので、仕事で使うなら一度は目を通しておいたほうが安心です。

私は、公開してもいい音源はクラウド、社外に出せない音源はパソコンの中、と最初から分けています。毎回悩まずに済むので、どちらを使うか考える時間がほぼゼロになりました。

外に出せない音源は、パソコンの中だけで文字にする

仕事をしていると、どうしてもクラウドに上げたくない音声が出てきます。取引先との条件のすり合わせ、まだ社内でも一部しか知らない企画、名前を出せない相談ごと。話している相手は「AIに読ませていい」とは一言も言っていません。相手の同意がない音声を、勝手に他社のサーバーへ送らない。文字起こしで一番大事な線引きだと思っています。

助かるのが、文字起こし用のAIモデルが無料で公開されていて、手元のパソコンにダウンロードして動かせることです。よく使われているのが、OpenAIが公開しているWhisperというモデルです。無料で配布されていて、日本語もそれなりの精度で書き起こしてくれます。通信を切ったままでも動くので、音声もテキストも外に出ません。私自身、打ち合わせや動画素材の文字起こしは、ほとんどパソコンの中だけで済ませています。処理の速さは使っているパソコン次第ですが、1時間の録音が数分から十数分で終わる程度には実用になります。会議中にメモを取るのをやめて、あとから全部読み返せるようになったのが、いちばん楽になった点です。

ローカルで文字起こしを始める手順と、最初にかかる時間

難しそうに聞こえますが、やることは四つだけです。ひとつ、文字起こし用のアプリかコマンドをパソコンに入れる。Macなら音声ファイルをドラッグするだけで動くMacWhisperのようなアプリがありますし、コマンドの操作に抵抗がなければ、Whisperを軽く速く動かせるようにしたwhisper.cppやfaster-whisperを使う手もあります。ふたつ、精度とサイズの違うモデルの中から一つ選んでダウンロードする。みっつ、音声ファイルを渡す。よっつ、テキストが書き出されるのを待つ。日常的に使う段階になると、音声ファイルをドラッグして待つだけになります。

正直に書くと、つまずくとしたら最初の準備です。私の場合、アプリを入れてモデルを落として、試しに5分の音源を流して結果を確かめるまでで1時間ほどかかりました。精度の高いモデルはファイルが数GBになるものもあるので、ダウンロードの待ち時間がそこそこ長いです。ただ、一度動いてしまえば以降はファイルを渡すだけなので、初日だけの手間だと思っていいでしょう。最初の1時間さえ越えれば、あとは何時間ぶんでも無料で文字起こしができます。

もし途中で止まったら、エラーの文言をそのままAIに貼り付けて聞くのが早いです。私はClaude Codeに手順ごと相談しながら入れました。どのモデルを選ぶか、手持ちのパソコンの性能で動くのか、といった判断まで付き合ってもらえるので、詳しくなくても最後までたどり着けます。AIで自分の作業から少しずつ自動化していく進め方はAIで業務効率化を個人から始める手順に書いています。あわせてどうぞ。

文字起こしの精度を上げる、四つのコツ

同じAIを使っても、録り方しだいで結果はかなり変わります。私が何度か失敗して覚えたことを四つ挙げます。

1つ目は、マイクの位置です。机の真ん中にスマホを置くより、話す人の口元から30センチくらいのところに寄せるほうが、聞き取りははっきりします。会議室なら、いちばん遠い席の側に置くと全体が拾えます。2つ目は、話す速さと声の重なりです。早口そのものより、複数人が同時にしゃべる時間帯で文字が崩れます。相づちを言葉ではなくうなずきに変えるだけでも、書き起こしはずいぶん読みやすくなります。

3つ目が、固有名詞を先に渡すことです。社名、商品名、人の名前、業界の略語。AIは知らない単語を似た音の一般語に置き換えてしまうので、先に用語のリストを用意しておくと直しが激減します。辞書の欄があるツールなら先に登録し、なければ書き出したあとに一括置換でも構いません。4つ目は、録音そのものの静かさです。エアコンの風、キーボードの打鍵音、店内のBGM。雑音を減らすほうが、あとから重いモデルに変えるより手っ取り早いでしょう。精度は録音した時点でほぼ決まっている、というのが私の実感です。

文字起こしは下ごしらえで、本番は要約から

書き出されたテキストは、そのままだと読めたものではありません。1時間の会話なら2万字前後になることもありますし、「えー」「あの」も、言い直しも、脱線も全部入っています。文字起こしのゴールは全文を読むことではなく、決まったことと次にやることを取り出すことです。

私は、書き出したテキストをClaudeに渡して、決定事項・保留になったこと・誰の宿題か・発言の温度感、の四つに分けてもらうところまでを一つの流れにしています。Claude Codeを使うとファイルをそのまま読ませられるので、長文をコピーして貼り付ける手間もありません。外に出せない音源の場合は、要約までパソコンの中で完結させるか、社名や個人名を伏せ字に置き換えてから渡すか、どちらかにしています。議事録として使える形にするまでの具体的な渡し方はAIで議事録を要約するやり方にまとめました。よければあわせて読んでみてください。

ChatGPTでも同じことはできますし、入口としては使いやすいと思います。私が普段Claudeを本命にしているのは、優劣を比べた結果というより、長い文章を扱う自分の仕事がClaudeで一通り回っているからです。慣れと好みもあります。手元の仕事に合うほうを選べば十分でしょう。

よくある質問

Q. 無料の文字起こしと有料サービスで、精度はどれくらい違いますか？
A. 静かな場所でひとりが話した音声なら、無料でもかなり読める水準になります。差が出るのは、複数人が同時に話す会議や、雑音の多い録音、専門用語の多い場面です。有料サービスは話者の区別や用語辞書が整っている分、直しの手間が減ります。まず無料で試して、修正に時間を取られるようなら有料を検討する順番でよいでしょう。

Q. iPhoneのボイスメモの文字起こしだけで、議事録は作れますか？
A. 短い打ち合わせなら作れます。ただ、複数人の会議や1時間を超える録音では、抜けや取り違えが増えて直しに時間を取られがちです。会議の記録として使うなら、録音はボイスメモで済ませて、文字起こしはパソコン側でやる組み合わせが現実的だと思います。

Q. 1時間を超える音声も、無料で文字起こしできますか？
A. できます。クラウドの無料枠だと時間の上限に引っかかりやすいので、長い音源は自分のパソコンで動かす方法が向いています。時間制限がなく、何本流しても料金は増えません。かかるのは処理を待つ時間と、パソコンの電気代くらいです。

Q. パソコンで動かすには、高性能なパソコンが必要ですか？
A. 高価なパソコンでなくても動きます。Whisperのモデルは軽いものから重いものまで選べるので、手持ちの性能に合わせれば大丈夫です。軽いモデルは速いかわりに取りこぼしが増え、重いモデルは精度が上がるかわりに待ち時間が延びます。まず軽いほうで試して、物足りなければ一段上げるのがおすすめです。

まとめ

AIの文字起こしを無料でやる方法は、標準機能・クラウドの無料枠・自分のパソコンで動かす、の三つに整理できます。人に聞かせられない音源を抱えている人ほど、パソコンの中で完結させるやり方を知っておくと気が楽になります。準備に必要なのは最初の1時間ほどで、以降は音声ファイルを渡して待つだけです。録音の段階でマイクを近づけ、固有名詞を先に渡しておけば、直しの手間もかなり減ります。要約まで含めて一つの流れにできると、会議のあとにメモを清書する時間はほとんど要らなくなるはずです。手元に眠っている録音があれば、一本だけ試してみてください。