音声入力で文字起こし

話す速さで文字にする

人が話す速さは1分あたり130〜150語、キーボードで打つ速さは40語ほどと言われます。頭の中にある文章をそのまま形にする作業——下書き、メール、打ち合わせ直後のメモ、親指では長すぎるメッセージ——では、その差がそのまま時間の差になります。このページは話した言葉をその場で編集できるテキストに変えます。アカウントもインストールも要りません。

仕組み

使っているのは、ブラウザにもともと備わっている音声認識、Web Speech APIです。ChromeとEdgeではGoogleのエンジン、Mac・iPhone・iPadのSafariではAppleのエンジンが動きます。音声はマイクからそのエンジンへ送られ、文字が返ってきます。このサイトが音声を受け取ることはなく、何も保存しません。テキストはこのページの入力欄に残り(下書きはブラウザ自身の保存領域に置かれるので、再読み込みしても消えません)、書き終わったらコピーするかダウンロードします。Firefoxには音声エンジンがないため、マイクの代わりに案内が表示されます。

きれいな文章にするコツ

• 始める前に言語を選ぶ。選択肢は35言語で、エンジンはその言語として聞き取ります。
• 単語だけでなく文として話す。エンジンは間の取り方や抑揚から句読点を補うので、まとまった文のほうが精度が上がります。
• 位置を正確に決めたいときは記号を口に出す。Chromeではほとんどの言語で「コンマ」「句点」「改行」が使えます。
• 長い沈黙があるとエンジンは自分で止まりますが、ページが自動で再開するのでそのまま話し続けて大丈夫です。
• 入力欄はふつうのテキストエリアです。どこでもクリックして手で直せます。

できないこと

ライブの音声入力は「いま話している言葉」のためのものです。ファイルや他人の録音、すでに終わった会議を文字にすることはできません。またChromeではネットワーク接続が必要です。録音済みのものには、このサイトのファイル用ツールをどうぞ。どんな音声でも最初の5分は無料です。それより長いもの、あるいは話者ラベル付きの文字起こし・要約・検索できるライブラリが欲しい場合は、SozAIアプリが長さを問わず録音と読み込みに対応します。最初の30分は無料です。