ポッドキャストの文字起こし
ポッドキャストの文字起こし:話者、タイムスタンプ、字幕ファイル付き
エピソードをアップロードするか、YouTubeのリンクを貼り付けます。SozAIが、声ごとのラベルと各箇所の時刻が付いた文字起こしを99言語で書き、音声と照らして確かめられる要点と引用も抜き出します。
iOSとAndroidに対応。文字起こし30分無料、カード不要です。
ポッドキャストを文字起こしするには?
自分の番組なら、エピソードのファイル(500 MBまで)をSozAIアプリまたはweb.sozai.appにアップロードするか、エピソードのYouTubeリンクを貼り付けます。話者ラベルとタイムスタンプ付きの文字起こし、TXT・SRT・VTTのダウンロード、要点と引用のノートが得られます。最初の30分は一度だけ無料で、Premiumは週$4.99、または年$79.99からです。
他人の番組なら、まずApple PodcastsかSpotifyでそのエピソードを見てください。多くのエピソードで、各アプリが自前の文字起こしを表示しています。または、当サイトのYouTube文字起こしの公開ライブラリを検索してください。SozAIはRSSフィードを読み込まず、文字起こしをポッドキャストのホスティングサービスに代わりに公開することもしません。
自分のエピソードを文字起こしする
入口は2つあります。完成したファイル(MP3、M4A、WAV、または動画ファイル、500 MBまで)を、iPhone、Android、Mac、iPadのアプリまたはweb.sozai.appにアップロードします。Webでは複数のファイルを一度に選べます。エピソードがYouTubeにあるなら、リンクを貼り付けます。アプリが動画そのものを文字起こしするので、字幕の有無に関係なく使えます。
1時間のファイルは、たいていアップロードが終わってから1〜2分で完成します。YouTubeのリンクは、数分長くかかります。話者ラベルは、アップロードしたファイルでは声から付きますが、YouTubeのリンクでは、話の内容からAIモデルが推測するので、複数人のトーク番組は、公開前に確認してください。
話者に名前を付けるのは、Webでもスマートフォンのアプリでも、声1つにつき1クリックです。聞き間違えた単語の修正は、今のところスマートフォンのアプリでの作業です。WebとMac・iPadのアプリでは、読む、話者名の変更(Web)、書き出しはできますが、テキストの編集はできません。
公開済みのポッドキャストの文字起こしを入手する
多くの番組はYouTubeでも公開されていて、sozai.appで誰かがリクエストしたYouTubeの文字起こしは、すべて当サイトの公開文字起こしライブラリに入ります。2026年10月24日時点で27,000本以上、84言語です。番組ごとのページもあり、たとえばEasy German、Learn German with Falk、Japanese with Shun、Go Englishがあります。
まだエピソードがないときは、そのリンクを無料のYouTube文字起こしツールに貼り付けてください。動画の字幕を読むので無料で速いのですが、字幕のない動画ではそこでは文字起こしが得られず、1時間に10本までです。誰の言葉かも忘れないでください。数行を引用して番組にリンクするのは構いませんが、エピソード全体を自分のページとして再公開してはいけません。
ビデオポッドキャストの字幕
動画のエピソードには、SRTまたはVTTをダウンロードします。どちらも各行の時間を持っています。SRTには話者名は入らず、アプリのVTTには入ります。これが大事なのは、VTTファイルが話者を特定していると、Apple Podcastsが文字起こしの表示で話者の名前を表示するからです。Apple Podcasts Connectは、購読者向けエピソードのVTTまたはSRTのアップロードを受け付け、Spotify for Creatorsは、タイムスタンプ付きで5 MBまでのVTTまたはSRTを受け付けます。当社のファイルをどちらのプラットフォームのチェックにも通してはいないので、アップロードする前に、一度ファイルを開いて確かめてください。
Apple PodcastsとSpotifyの文字起こし:できること、できないこと
両方のアプリがすでに自前で文字起こしを作っているので、読みながら聞きたいだけなら、まずそこから始めてください。ただし、プレーヤーの中で聞くための仕組みで、テキストを別の場所へ持ち出すためのものではありません。
| Apple Podcasts | Spotify | SozAI | |
|---|---|---|---|
| 対象のエピソード | iOS 17.4以降の多くのエピソードにAppleの文字起こしが表示され、たいてい公開から少し後。Appleは制作者に、少なくとも24時間待つよう求めています | 「一部の番組」で自動生成の文字起こしが提供され、すべての制作者がこの機能を使えるわけではありません | アップロードしたファイル、または貼り付けたYouTubeリンクならどれでも |
| 言語 | Appleは11言語を挙げています:英語、デンマーク語、オランダ語、フィンランド語、フランス語、ドイツ語、イタリア語、ノルウェー語、ポルトガル語、スペイン語、スウェーデン語 | 制作者向けヘルプページには記載なし | 99言語、自動検出 |
| テキストを取り出す | リスナーは最大200語まで選択してコピーできる | リスナーはモバイルアプリで読む。ヘルプページにはコピーについての記載なし | 全文コピー、またはTXT、SRT、VTTをダウンロード(アプリではPDFとJSONも) |
| 自分のファイル | 購読者向けエピソードはPodcasts ConnectでVTTまたはSRTをアップロード。それ以外はRSSの文字起こしタグ | タイムスタンプ付きで5 MBまでのVTTまたはSRT。自動生成を有効にすると置き換えられる | そこにアップロードするSRTまたはVTTを書き出す |
| 編集 | 自分のファイルで直して、アップロードし直す | Spotify for Creatorsでは不可:VTTをダウンロードし、編集して、再アップロード | スマートフォンのアプリで1行ずつ |
| 制限 | 音楽の歌詞は対象外。10時間を超えるエピソードは文字起こしされない場合があり、プライベートフィードのエピソードには付かない | Spotify for Creatorsのモバイルアプリには非対応 | 1ファイル500 MB、30分無料(一度だけ) |
AppleとSpotifyの列は、2026年10月25日に、Transcripts on Apple PodcastsとManaging episode transcripts on Spotifyで確認しました。どちらのページにも更新日がないので、細部に頼る前にもう一度確認してください。
文字起こしをプレーヤーの外へ持ち出す必要がある場合、つまり番組のメモ、ブログ記事、ニュースレターの引用、YouTube版の字幕、またはどちらのアプリも対応していない言語のエピソードでは、SozAIのほうが向いています。
今すぐ試す
ブラウザで録音を文字起こし、無料
ファイルをドロップすると、最初の5分をテキストで確認できます。登録不要。続きはアプリで。
エピソードを手で書き起こすか、下書きを確認するか
SozAIが出すのは確認するための下書きであり、公開用に完成した文字起こしではありません。人が同時に話す箇所や、名前、専門用語は、直す必要があります。
自分で打ち込む
会話を手で書き起こすには、エピソードの長さよりずっと長い時間がかかります。
人が話を重ねている箇所をすべて繰り返し再生する すべての行の前に話者の名前を打ち込む 字幕の行を一つずつ時間に合わせる 記憶を頼りに番組のメモを書く 言語ごとに最初からやり直す
SozAIなら
エピソードをアップロードしたら、あとは人の手が必要なところ、つまり名前と引用に時間を使います。
1時間のファイルをアップロードした後、1〜2分で文字起こし アップロードしたファイルと録音のすべてに話者ラベル 時間を保ったSRTとVTTの字幕ファイル 文字起こしからの要点とタイムスタンプ付き引用 スマートフォンのアプリで1行ずつ修正
1つのエピソードから得られるもの
まず文字起こし。そして、収録後に手で書くことになるものを、その後に。
名前を付けられる話者
アップロードしたファイルの声には、それぞれラベルが付きます。話者Aをゲストの名前に一度付け直すと、その名前が文字起こし全体に、そしてPDF、VTT、JSON、TXTの書き出しにも引き継がれます。例外はSRTで、名前は入りません。
名前の変更は、スマートフォンのアプリとweb.sozai.appでできますが、MacとiPadのアプリではまだできません。YouTubeのリンクでは、ラベルは内容からAIモデルが推測したものなので、4人のパネルディスカッションは丁寧に見る必要があります。
名前を付けられる話者
番組メモの素材
「ビデオ・ポッドキャスト用ノート」のテンプレートを選ぶと、SozAIが重要なポイント、タイムスタンプ付きの引用、次に見る・読むとよいもののリストを書きます。5分より長い録音は、タイムスタンプ付きの章に分けられます。たいてい1分もかかりません。
素材として扱ってください。番組メモに入れる前に、すべての引用を音声と照らして確かめてください。公開する引用の責任は、モデルではなく、あなたにあります。
番組メモの素材
言語ごとの測定結果
SozAIは、話されている言語を自分で検出し、99言語に対応します。そのうち10言語を公開テストセットで測定し、単語誤り率はスペイン語の1.8%、ポルトガル語の8.0%、アラビア語の19.6%、カザフ語の50%でした。
これは静かな部屋で読み上げた短い文での結果で、二人のホストが笑いながら話を重ねる場面ではありません。盛り上がるエピソードでは、修正が増えると考えてください。方法とすべてのファイルは、精度テストのページにあります。アプリでは、文字起こしを他の言語に翻訳することもできます。
言語ごとの測定結果
必要な行を見つける
すべての箇所にタイムスタンプがあるので、切り出したい発言がされた瞬間は、検索1回で見つかります。Webでテキスト内検索を使い、そのままプレーヤーの該当時刻に移動してください。
言い回しが違うときは、書き出す前にスマートフォンのアプリで1行ずつ直します。Webとデスクトップのアプリはまだテキストを編集できないので、たくさん直すなら、スマートフォンから書き出してください。
必要な行を見つける
文字起こしが役に立つ番組
文字起こしの効果が大きい形式と、そうでない形式があります。効果が出る場面を挙げます。
インタビュー番組
話者ラベルでホストとゲストが分かれ、タイムスタンプ付きの引用で、SNSの投稿やエピソードのページに使いたい行をすぐに取り出せます。
パネルや共同ホストの番組
3、4人の声は、ラベルがいちばん役に立ち、いちばん確認が必要になるところです。話者に一度ずつ名前を付け、話が重なる箇所を読み直してください。
語学学習のポッドキャスト
学習者は読みながら聞きます。YouTubeにすでにある番組でどう見えるかは、当サイトの語学学習の文字起こしで分かります。
ビデオポッドキャスト
YouTubeへのアップロード用にSRTまたはVTTを書き出し、エピソードのページ用にTXTを手元に残します。
しくみ
完成したエピソードから、公開できるファイルまで、3ステップ。
エピソードを追加
音声または動画ファイル(500 MBまで)をアップロードするか、アプリで録音するか、YouTubeのリンクを貼り付けます。
文字起こしを得る
話者ラベルとタイムスタンプは、1時間のファイルをアップロードした後、1〜2分で届きます。YouTubeのリンクは数分長くかかります。
確認、名前付け、書き出し
話者に名前を付け、スマートフォンのアプリで行を直してから、TXT、SRT、VTTをダウンロードします。アプリではPDFとJSONも使えます。
一人で、リモートで、動画で
録音のしかたによって、文字起こしで確認するところが変わります。
ひとり語りのエピソード
声は1つなので、ラベルは簡単です。製品名や、声に出して綴った言葉を確認してください。
リモートのインタビュー
録音ツールが書き出すファイルをアップロードしてください。人ごとに別トラックがある場合は、ミックスしたファイルを。SozAIは、1つのファイルの中で声にラベルを付けます。
ビデオポッドキャスト
動画ファイルをアップロードするか、YouTubeのリンクを貼り付けて、字幕用にSRTまたはVTTを書き出します。
過去の配信分を、シーズンごとに
RSSのインポートはないので、過去の配信分はファイルとして入れます。いちばん手早い方法です。
複数のエピソードを一度にアップロード
web.sozai.appでは、複数のファイルを一度に選べます。それぞれが分数を消費します。Premiumは最大700時間分です。
シーズンごとに1フォルダ
フォルダはアプリでもWebでも同じように使えるので、シーズンはどこで開いてもまとまったままです。
テキストをまとめてダウンロード
Webのライブラリでは、選んだ文字起こしを、TXTファイルとして一度にダウンロードできます。
文字起こしでできること
以下はすべて、すでにある文字起こしの上で動き、新しくアップロードする必要はありません。
すべての箇所にタイムスタンプ
各箇所に時刻が付いています。SRTとVTTは時間を保つので、字幕が音声に合います。
タイムスタンプ付きの引用
「ビデオ・ポッドキャスト用ノート」は、引用を、それが話された時刻とともに選び出すので、投稿する前に、一つずつ音声で確認できます。
翻訳
アプリまたはWebで文字起こしを別の言語に翻訳できます。第二言語のエピソードページや、自分で読むために使えます。
エピソードについて質問する
チャットで質問すると、そのエピソードの文字起こしから答えが返ります。たとえば、どのゲストが本に触れたか、などです。
書き出し形式
スマートフォン、Mac、iPadのアプリ:PDF、TXT、SRT、VTT、JSON。Web:TXT(タイムスタンプと話者の有無を選べます)、SRT、VTT。Word形式の書き出しはありません。
番組やシーズンごとのフォルダ
アプリでもWebでも、エピソードをフォルダに整理できます。フォルダは自分専用で、チームで共有するフォルダはまだありません。
エピソードの行き先
短く、確認できる形で。パートナーの全一覧は、サブプロセッサーのページにあります。
通信は暗号化
アップロードもダウンロードも、HTTPSで行われます。
ドイツに保存
録音と文字起こしは、ドイツのHetznerにある自社サーバーに保存されます。
自分で削除できる
エピソードも、アカウント全体も、ご自身で削除できます。削除すると、音声とそこから作られたものすべてが当社のサーバーから消えます。暗号化されたデータベースのバックアップは、最大12か月保持されます。
音声を学習に使わない
録音を販売することはなく、自社のコードがモデルの学習に使うこともありません。
音声を処理するのは誰か
音声認識とAI機能は、名前を挙げたパートナーが担当しており、それぞれの国とともにサブプロセッサーのページに載せています。保存、バックアップ、削除については、セキュリティのページで説明しています。
ポッドキャストのネットワークとエージェンシーの方へ
現在は、チームの一人ひとりが自分のSozAIアカウントと自分のフォルダを持ちます。共有ワークスペースや管理者ロールはまだありません。TeamプランとEducationプランのシートは、web.sozai.appでカード払いで購入でき、1シートあたり月額$12.99または年額$99.99で、請求書は組織名で発行されます。チーム向けの購入の流れをご覧ください。チームでの使い方は、チーム向けSozAIで紹介しています。
料金
最初の30分は、カード登録なしで一度だけ無料です。その後のPremiumは、App StoreまたはGoogle Play経由で、週$4.99または年$79.99で、文字起こしは最大700時間分です。ファイルは1つあたり500 MBまで使えます。詳しくは料金のページをご覧ください。
回答
ポッドキャストの文字起こしのよくある質問
制限も含めた、短い答えです。
ポッドキャストを文字起こしするには?
エピソードのファイルをSozAIアプリまたはweb.sozai.appにアップロードするか、YouTubeリンクを貼り付けます。1時間のファイルは、アップロードの後たいてい1〜2分で、話者ラベルとタイムスタンプ付きで文字起こしされます。話者に名前を付け、必要ならスマートフォンのアプリで行を直し、TXT、SRT、VTTをダウンロードしてください。最初の30分は一度だけ無料です。
ChatGPTでポッドキャストを文字起こしできますか?
チャットボットが最も得意なのは、すでにあるテキストです。確実な方法は、先に文字起こしを手に入れてから、要約やブログの下書きを頼むことです。1か所で済ませたいなら、SozAIが文字起こしから要点とタイムスタンプ付きの引用を書き、チャットではそのエピソードについての質問に答えます。
ポッドキャストの文字起こしを無料で入手するには?
まず、Apple PodcastsかSpotifyでエピソードを確認してください。多くのエピソードで、各アプリが自前の文字起こしを表示しています。番組がYouTubeにあるなら、当サイトの公開文字起こしライブラリを検索するか、動画のリンクを無料のYouTube文字起こしツールに貼り付けてください。字幕を読み取る方式で、1時間に10本の動画までです。自分のファイルなら、SozAIの最初の30分は無料です。
1時間のエピソードにはどのくらいかかりますか?
たいていアップロードが終わってから1〜2分です。YouTubeのリンクは、動画をリンクから処理するため、数分長くかかります。要点と引用のノートは、さらに1分ほどです。大きなファイルは、回線が遅いとアップロードに時間がかかり、その待ち時間は処理が始まる前に入ります。
SozAIはホストとゲストを区別できますか?
アップロードしたファイルや録音なら、できます。声ごとにラベルが付き、Webまたはスマートフォンのアプリで名前を付け直せます。話が重なっている箇所や、似た声の2人は混同されることがあるので、そこは読み直してください。YouTubeのリンクでは、ラベルは声ではなく内容からAIモデルが推測したものです。
公開する前に、文字起こしを編集できますか?
はい、iPhoneとAndroidのアプリで、1行ずつ、またはテキスト全体をまとめて編集できます。WebとMac・iPadのアプリはまだテキストを編集できず、読む、コピーする、書き出すことができ、Webでは話者名を変更できます。別のツールで編集するなら、TXTまたはVTTを書き出して、そこで編集してください。
ポッドキャストで使える書き出し形式は?
スマートフォン、Mac、iPadのアプリはPDF、TXT、SRT、VTT、JSONを書き出します。Webはタイムスタンプと話者の有無を選べるTXTに加え、SRTとVTTを書き出します。SRTには話者名は入らず、アプリのVTTには入ります。Word形式の書き出しはないので、文書が必要な場合は、テキストをお使いのエディターに貼り付けてください。
過去の配信分をまとめて文字起こしできますか?
はい、ファイルとして。RSSのインポートはないので、ホスティングサービスからエピソードをダウンロードしてアップロードしてください。web.sozai.appでは複数のファイルを一度に選べ、1つあたり500 MBまでです。エピソードはすべて分数を消費します。Premiumは最大700時間分で、1時間のエピソードならおよそ700本分です。
文字起こしは、ポッドキャストが検索に出るのに役立ちますか?
文字起こしのあるページは、検索エンジンに読める言葉を与えます。音声プレーヤーだけでは、ほとんど与えられません。それがリスナーにつながるかどうかは、ページとテーマ次第で、アクセスを約束することはできません。現実的な始め方は、短い要約と主な引用を上に、全文の文字起こしを下に置いたエピソードのページです。
文字起こしの後、音声はどうなりますか?
削除するまで、文字起こしとともにアカウントに残ります。録音またはアカウントを削除すると、音声とそこから作られたものすべてが当社のサーバーから消えます。暗号化されたデータベースのバックアップは、最大12か月保持されます。録音を販売することも、自社のモデルの学習に使うこともありません。音声を処理するパートナーは、サブプロセッサーのページに載せています。
次のエピソードを文字起こししよう
ファイルをアップロードするか、YouTubeのリンクを貼り付けて、公開前に話者名を確認してください。最初の30分は一度だけ無料です。
まずは30分無料でお試し。クレジットカード不要。
