音声を文字起こし
どんな録音もコピーできるテキストに。タイミング付きの字幕もおまけで付きます。
インタビュー、講義、ポッドキャスト、会議、ボイスメモ。ファイルをドロップすれば全文が手に入ります。タイムスタンプも付くので、SRTやVTTの字幕としても保存できます。
文字起こしは、OpenAIのオープンな音声認識モデルWhisperを使ってブラウザ内で行われます。音声がアップロードされることはありません。ダウンロードされるのはモデル本体だけで、それも最初の1回のみ。その後はブラウザに保存されるので、次のファイルからはすぐに始まります。
音声モデル：OpenAIのWhisper（MIT）。Transformers.js（Apache-2.0）で動作します。
使い方
- ファイルをドロップ 音声でも動画でもOK：MP3、M4A、WAV、MP4、MOV、WebM、OGGなど。
- 言語を選ぶ 話されている言語を選びます。雑音の多い録音やなまりの強い話し方には「高精度」を選んでください。
- 文字起こしして保存 テキストをコピーするか、TXT、SRT、VTT形式の字幕として保存します。
よくある質問
精度はどのくらいですか？
はっきりした話し声なら、Whisperはたいてい単語の90%以上を正しく認識します。BGM、複数人の同時発話、強いなまりがあると精度は下がりますが、その場合は「高精度」モデルが役立ちます。
録音はアップロードされますか？
いいえ。文字起こしはあなたの端末で行われます。ダウンロードされるのは音声モデルだけで、音声が送信されることはありません。
長さの制限はありますか？
こちらでは制限を設けていません。長いファイルほど時間がかかります。ChromeまたはEdgeを使った最近のパソコンなら、1時間の音声で約10分です。スマホや古いパソコンではもっと遅くなります。
どの言語に対応していますか？
Whisperは約100の言語を理解します。日本語、英語、スペイン語、ドイツ語、フランス語、ポルトガル語、ヒンディー語、アラビア語、インドネシア語なども含まれます。話者の多い言語ほど精度が高くなります。
無料ですか？
はい。アカウント不要、時間の制限なし、透かしもありません。