音声からテキスト
録音を編集できるテキストに変換。原音を聞きながら確認し、文章や字幕ファイルとして保存できます。登録不要。
2 時間以内の音声または動画を選択してください。
MP4 · MOV · M4A · MP3 · WAV · AAC · FLAC · WebM · 最長2時間 / 最大2 GB
Whisper baseがブラウザー内で認識します。モデルはこのサイトからダウンロードします。クラウドを選んで開始するまで、音声は送信されません。
文字起こしを準備中
長さを確認し、一定メモリの音声ストリームを準備しています。
時刻を押して原音を聞き、テキストを編集して保存できます。
サンプル：校正済みの英語文字起こしです。新たな音声認識は行っていません。
一致する区間はありません。
端末に保存できる場合、最新の下書きを7日間保持します。再読み込み後は同じファイルを選ぶと再開できます。
端末内のファイルを選ぶか、用意されたサンプルを試します。端末内またはクラウド処理と音声の言語を選びます。クラウド処理では人名や専門用語を任意で入力できます。
文字起こし後、時刻を押すとその位置から再生できます。速度を調整し、語句を検索して、人名や数字、聞き取りにくい箇所を直接修正します。
全文をコピーするか、TXT・SRT・VTT・JSONで保存します。編集内容は出力に反映されます。検索で非表示になった区間も、出力ファイルには含まれます。
入力はMP3・M4A・WAV・AAC・FLAC・MP4・MOV・WebMなど。実際の対応はコーデックによります。1ファイル最長2時間・最大2 GBで、ブラウザーのメモリや保存容量によってさらに制限される場合があります。動画の音声を認識し、映像中の文字は読み取りません。
| 形式 | 用途 |
|---|---|
| TXT | 時刻を含まないプレーンテキスト。録音メモや取材の引用、文書への貼り付けに適しています。 |
| SRT | 連番と開始・終了時刻を含む字幕。SubRipに対応した動画編集ソフトやプレーヤーで使えます。 |
| VTT | 対応するウェブプレーヤー向けのWebVTT字幕。映像に字幕を焼き込んだ動画ではなく、独立した字幕ファイルです。 |
| JSON | 言語・文章・区間の時刻を構造化して保存します。利用可能な場合は単語の時刻も含みますが、手動で編集した区間では古い単語時刻を削除します。 |
現在、登録や支払いなしで利用できます。1ファイル最長2時間・最大2 GBで、処理はモデルサービスとブラウザーのリソースに依存します。無制限の処理能力を提供するものではありません。
対応するMP3やM4Aを選択できます。必要に応じてボイスメモを「ファイル」に保存してから選んでください。録音アプリやメッセージのアカウントにアクセスする機能はありません。
読み取れる音声トラックに発話があれば可能です。MP4・MOVなどを選び、確認後にSRTやVTTを保存します。画面上の文字の認識や、映像への字幕の焼き込みはこのページでは行いません。
クラウドでは自動検出も利用できます。端末内処理では言語を指定します。英語・中国語・スペイン語・ポルトガル語・日本語・韓国語・フランス語を指定できます。元の言語の認識を助ける設定で、録音を翻訳する設定ではありません。
時刻付きの文字起こしを作成するツールです。話者の自動ラベル、会議の要約、マイクによるリアルタイム入力には対応していません。複数人が同時に話す部分は原音を確認してください。
端末内処理では音声を送信しません。クラウド処理では音声区間と入力した用語をCloudflare Whisperに送信します。映像は端末に残ります。保存可能な場合、最新の文章・編集・設定をブラウザー内に7日間保持します。最初からやり直すかサイトデータを消去すると削除できます。下書きに音声や動画のコピーは保存しません。
小さな音量、雑音、珍しい用語、声の重なりは認識に影響します。非対応コーデックやメモリ不足では準備が止まる場合もあります。短いファイルや別の対応形式で再試行し、原音と比較してください。
はい。端末で文字起こしと録音の言語を選びます。初回にモデルと実行ライブラリー約100 MBをダウンロードし、ブラウザー内で認識します。キャッシュは保存容量によります。クラウドは別の選択肢で、音声と用語をCloudflareに送信します。自動でクラウドには切り替わりません。