ツール › 音声
音声をテキストに文字起こし
インタビュー、講義、ポッドキャスト、ボイスメモをタイムスタンプ付きのテキストにします。Whisper がブラウザー内で動くため、録音が端末の外に出ることはありません。TXT・SRT・VTT でダウンロードできます。
音声認識モデルは一度だけこの端末にダウンロードされます。録音が端末の外に出ることはありません。 ファイルを選ぶまで何も始まりません。
しくみ
- MP3、M4A、WAV、OGG、または動画をドロップします。音声はこの端末でデコードされ、Whisper 用に 16 kHz モノラルに変換されます。
- 長い録音は間のところで最大 30 秒ずつに区切られるので、1 時間のインタビューも問題ありません。テキストはパートごとに表示され、残り時間の目安も出ます。
- 単語やタイムスタンプはその場で修正でき、テキストをコピーするか、時刻あり・なしの TXT でダウンロードできます。
よくある質問
どの言語に対応していますか？
Whisper が対応する 99 言語すべてです。英語、スペイン語、ヒンディー語から日本語、アラビア語、トルコ語まで。言語は自動判定され、自分で選ぶこともできます。
本当にプライベートですか？
はい。モデルは一度だけダウンロードされ、このタブの中で動きます。録音の内容がどこかに送られることはありません。
話者を区別できますか？
まだできません。タイムスタンプ付きの言葉は得られますが、話者ラベルは付きません。
精度はどのくらいですか？
はっきりした話し声ならほぼ一語一句そのまま書き起こせます。BGM、話者の重なり、強いなまりがあると誤りが増えます。「高精度」モデルが役立ちます。