Transcriber

本ページにはプロモーションが含まれています

MP4 の動画を文字起こしする

動画ファイルを選ぶと、音声トラックだけを取り出して文字に起こします。動画そのものがアップロードされることはありません。結果は動画を再生しながら字幕として重ねて確認でき、字幕用の SRT でも書き出せます。

お使いの環境を確認しています…

日本語では、句読点を打つためのモデル（約 92 MB）も初回に取得します

有効

通常は「自動」のままで構いません。結果の話者数が実際と明らかに違うときだけ指定してください

ファイルがないときは、マイクで録音できます。録音を止めたあとで文字起こしします（この端末と選んだモデルでは約 分まで）。録音した音声も外部に送信されません。

MP4 の動画を文字起こしする手順

  1. モデル・言語・話者分離を先に設定します。動画を読み込んだ時点で文字起こしが始まるためです。日本語・中国語・韓国語以外の言語で BGM や効果音を含む動画では、モデルを Small 以上にしてください。
  2. 動画ファイルをドロップするか、クリックして選びます。音声トラックの取り出しもブラウザ上で行われ、確定した行から順に画面へ表示されます。
  3. 終わったら動画を再生し、字幕として重なった結果を見ながら文言と時刻を直します。直し終えたら「ファイルに保存」から、SRT・VTT の字幕か TXT・Word などの文書を選んで書き出します。字幕として使うときの注意は「字幕（SRT）の作成」のページにまとめています。

動画の種類ごとの読み込み方

動画を文字起こしするときの流れ

動画からは音声だけを抜き出して処理するため、解像度やコーデックは結果に影響しません。ただし音声トラックを持たない動画は処理できません。また BGM や環境音が大きいと精度が落ちるので、そうした素材では、あらかじめ音量を整えておくと改善します。日本語・中国語・韓国語以外の言語では、モデルを Small 以上にすることも効果があります。

文字起こしが終わると、動画の上に結果を字幕として重ねて再生できます。動画を見ながら文言を直し、翻訳機能を使えば訳文の字幕で見ることもできます。書き出しは字幕（SRT・VTT）のほか、テキスト（TXT）・Word・PDF などにも対応しています。SRT にはタイムコードが含まれるので、動画編集ソフトや YouTube にそのまま読み込ませられます。話者分離を有効にすると、誰が話した行かも一緒に記録されます。

Zoom や Teams など、オンライン会議の録画を文字起こしする手順は「会議・議事録の文字起こし」のページにあります。

うまくいかないとき

関連するガイド

よくある質問

どの動画形式に対応していますか？

MP4・MOV・MKV・WebM・AVI・WMV・FLV・MPG・MPEG-TS・3GP に対応しています。いずれも音声トラックだけを取り出して文字起こしします。

動画ファイルもサーバーに送信されますか？

送信されません。動画の読み込みと音声の取り出しはブラウザ上で行われるため、ファイルが外部に送信されることはありません。なお、不具合を直すための処理の統計（端末の性能やエラーの種類など）は当サイトのサーバーに送信されますが、音声・文字起こしの結果・ファイル名・IP アドレスは含みません。この送信は、ページ下部の「サービス品質向上へのご協力のお願い」にあるスイッチをオフにすると停止できます。

字幕ファイルとして使えますか？

使えます。SRT で書き出すとタイムコード付きの字幕になり、動画編集ソフトや YouTube の字幕として読み込めます。書き出す前に動画を再生して字幕の内容とタイミングを画面上で確かめ、文言を直すこともできます。

長い動画でも処理できますか？

できます。ファイルの大きさにも時間にも上限はありません。一度に処理できる長さは端末のメモリと選んだモデルで決まり、収まらないときは処理を始める前に画面で案内します。処理中はタブを開いたままにしておく必要があります。

音声・動画の用意と、文字起こしの後に

MP3 の文字起こしMP3 ファイルを選ぶだけでテキストにします。M4A の文字起こしiPhone のボイスメモなどの M4A をテキストにします。字幕（SRT）の作成音声や動画からタイムコード付きの字幕を作ります。Whisper AI で文字起こしインストールせずに Whisper で文字起こしします。会議・議事録の文字起こし会議の録音を話者ごとに分けてテキストにします。録音の文字起こしIC レコーダーなどの録音や、長い録音をテキストにします。すべての機能を見る音声・動画ファイルをブラウザだけで文字起こしできます。無料・会員登録不要・アップロード不要で、時間・回数の制限もありません。音声データは外部に送信されません。Whisper AI による文字起こしに加え、話者分離と SRT 字幕の書き出しに対応し、MP3・WAV・M4A・MP4 など主要形式を読み込めます。

サービス品質向上へのご協力のお願い

うまくいったときも失敗したときも、そのときの状況を送っていただけると原因の特定に役立ちます（失敗率の算出には両方が必要です）。どの端末・どの設定で失敗しやすいのかが分かれば、推奨設定の見直しや不具合の修正に反映できます。差し支えなければ、このままオンにしていただけると助かります。

送信する情報

端末の性能（GPU の種類・メモリ・コア数）、ブラウザと OS、選んだモデルと言語、話者分離の設定（有無と指定した話者数）、画面の表示言語、どの段階まで進んだか（途中で中断した場合やページを閉じた場合を含む）、エラーの種類と内容、ファイルの形式とおおよそのサイズ・長さ、処理にかかった時間。同じタブでの処理を結びつける一時的な番号（タブを閉じると削除されます）。結果の画面での、話者名の変更・行の分割などの編集・翻訳・要約・字幕ファイルの読み込みの回数、「ファイルに保存」で選んだ形式、「テキストをコピー」と「まとめて保存」の回数、翻訳の言語の組み合わせ。

送信しない情報

音声データ、文字起こし結果（本文・話者名・訳文）、ファイル名、IP アドレス。送信先は当サイトのサーバーのみで、外部の事業者には提供しません。