音声文字起こし

ファイルを選ぶと読み込みと文字起こしが始まります。途中で中止でき、別のファイルに変更すると前の処理を止めます。結果を編集してコピーするか、TXTで保存できます。

1ファイルにつき30分・100MBまでで、長さと容量の両方が上限以内である必要があります。WAV・MP3・M4A・AAC・WebM・OGG・FLACのうち、お使いのブラウザで再生できる形式に対応します。音声の区間ごとに進捗と途中結果が表示されます。

例えば20分でも100MBを超えれば読み込めず、容量が小さくても40分の録音は対象外です。この画面には、長いファイルを短い音声ファイルへ分割して保存する機能はありません。上限を超える録音は、元の録音を残した上で、別の音声編集機能などで各部分を用意してから、1ファイルずつ選ぶ流れになります。

分けたファイルを連番や時間帯で整理すると、TXTをまとめる際に順番を照合しやすくなります。話の区切りとファイルの切れ目が重なる部分は、語の欠けや重複を原音と比べる箇所です。録音の長さと処理にかかる時間は同じではなく、30分以内なら一定時間で終わるという保証ではありません。

固有名詞・数字・小さな声・重なった発言は、原音と照合してから利用してください。軽量なWhisper baseモデルを使い、誤認識することがあります。話者の分離や翻訳は行いません。長い録音の区切りでは語が欠けたり重複する場合があります。

音声と認識結果はサーバーへ送信しません。初回のみ当サイトから約91MBの認識用データを取得します。保存可能なブラウザではモデルをキャッシュします。ブラウザを閉じると入力音声と編集結果は失われるため、必要な結果はTXTで保存してください。