日本語の音声を文字起こし：会議や講義の録音をスマホでテキストに

スマホで日本語の音声をテキストにする方法は？

方法は大きく3つあり、かかる手間はそれぞれ違います。

• スマホの標準機能。録音アプリやキーボードの中には、話した内容をテキストにできるものもあります。ただし対応する言語やファイルは、機種や OS のバージョンによって異なります。日本語で頼る前に、お使いの端末で確認しておきましょう。
• パソコンのソフト。機能は十分ですが、まずファイルをパソコンに移す必要があります。ツールによっては、特定の形式に変換しないと読み込めないこともあります。
• スマホの音声文字起こしアプリ。録音はもうスマホの中にあるので、転送の手間がかかりません。Zeepit ならファイルを保存場所からそのまま受け取り、一字一句の全文テキストを返したうえで、短め・標準・長めの要約も付けられます。

チームの会議、講義、取引先との通話、電車の中で残したメモなど、日本語の録音の多くは3つ目の方法がいちばんの近道です。インストール直後の最初の変換は長い録音も含めて無料で、アカウント登録もカード登録も不要、広告もありません。利用状況はアプリ内に表示されます。

日本語の音声認識が英語よりつまずきやすい理由

日本語は、どんな音声認識にとっても手ごわい言語です。誤りが出やすい場所を先に知っておくと、確認がぐっと楽になります。

• 単語の間にスペースがない。書き出す前に単語の区切りを判断しなければならず、区切りを一つ間違えるだけで、節全体の意味が変わることがあります。
• 同音異義語と漢字の選択。「きしゃ」は貴社にも記者にも汽車にもなります。たいていは文脈で決まりますが、社名や専門用語は定番の間違いどころです。
• 相づち。会話には「はい」「ええ」「なるほど」といった相づちが、相手が話している最中にも入ります。それがすべてテキストに残るため、読みにくくなります。
• カタカナ語と助数詞。カタカナで書く英語由来の用語や、「三本」「三名」のような数え方は、もう一度目を通しておきたいところです。

裏を返せば、これは安心材料でもあります。きれいに録れた音声なら、直すのは人名や数字、いくつかの漢字だけで、段落ごと書き直すことはまずありません。1時間の音声でも数分の校正で済み、書き直しにはなりません。

手順

1. iPhone か Android にアプリを入れる

   App Store または Google Play から Zeepit をインストールします。最初の変換は長い録音も含め、アカウントもカードも登録せずに始められます。

2. 日本語の音声ファイルを選ぶ

   アプリ内で、「ファイル」アプリや Google Drive など、録音の保存場所からファイルを選びます。mp3, m4a, wav も動画ファイルも、そのまま読み込めます。

3. または、ほかのアプリから共有する

   ボイスレコーダーや WhatsApp, Telegram, Google Drive で「共有」をタップして、Zeepit を選びます。パソコンからのアップロードも、ファイルの変換も必要ありません。

4. テキストを読み、要約を追加する

   言語は自動で判別されます。一字一句の全文テキストが届いたら、読む人に合わせて短め・標準・長めの要約を選びます。

5. 校正して、書き出すか共有する

   人名と数字を直したら、テキストをコピーまたは共有するか、PDF, Word, プレーンテキストのファイルに書き出します。海外の人が読むなら、翻訳もできます。

対応している音声ファイルは？録音は何時間まで？

お使いの録音アプリで作ったファイルは、ほぼそのまま使えるはずです。一般的な音声ファイル mp3, m4a, wav, caf, ogg, opus, aac, flac, amr, webm に対応しています。mp4, mov, mkv, avi の動画ファイルも読み込め、使われるのは音声トラックだけです。撮影したセミナーや、オンライン会議の画面録画にも便利です。

• 変換は不要。iPhone のボイスメモで録った m4a を、先に mp3 へ変換する必要はありません。
• 長さ。1件あたり最長4時間なので、2時間の会議も一度で処理できます。丸一日のワークショップは、いずれにせよセッションごとに分けたほうが扱いやすくなります。
• リンク。YouTube 動画やポッドキャスト、ウェブページのリンクからも要約を作れます。

見慣れない拡張子のファイルをお持ちなら、対応している音声形式の一覧で細かいケースまで確認できます。

きれいに書き起こせる日本語の録音のコツ

テキストの精度は、ツールよりも録音の質で決まります。差がつくのは次の5つの習慣です。

1. マイクを近づける。話し手と話し手のあいだの机にスマホを平らに置くだけで、かばんやポケットの中で録るよりずっときれいに録れます。
2. 雑音を断つ。エアコン、にぎやかなカフェ、駅のアナウンス。こうした途切れない雑音は、静かな部屋で少し離れた話し手の声よりも、はるかに多くの言葉を消してしまいます。
3. 一度に話すのは一人だけ。発言の重なりは、抜け落ちのいちばんの原因です。会議では、相手が話し終えるまで待つよう最初にお願いしておくと効果があります。
4. 最初に全員に名乗ってもらう。あとで校正するとき、誰の発言かがわかり、名前の読みも確かめられます。漢字の表記まで一言添えてもらえれば、さらに確実です。
5. 大事なところはゆっくり。製品名や取引先の名前、数字を通話の最後にはっきり繰り返しておくと、修正の手間が何分も減ります。

大事な会議の前には、30秒だけ試し録りをしましょう。そのテキストがきれいなら、本番の録音もきれいに仕上がります。

日本語のテキストを送る前に確認したいこと

自分の名前で出す文書に、書き起こしたままのテキストを貼り付けるのは禁物です。まずは次の項目を確認しましょう。

• 人名・社名。最優先で確認します。同じ読みでも、表記は一つとは限りません（斉藤、斎藤、齋藤）。
• 敬称と肩書き。「様」と「さん」の使い分け、部署名、役職名。
• 数字・日付・助数詞。金額、数量、期限など、読み手がそのまま動く根拠になる情報すべて。
• カタカナ語。業界で使う英語由来のカタカナ語は、修正や補足が必要になることがよくあります。
• フィラー。「はい」「ええ」「えーと」を取り除くだけで文章はかなり短くなり、読みやすくなります。

目で追うだけでは見落としがちな誤りを拾うコツがあります。テキストを読み上げて、耳で聞くことです。Zeepit はどんなテキストも読み上げられます。聞き間違いで入った語や区切りのおかしな箇所は、画面ではもっともらしく見えても、耳で聞くと不自然さに気づきやすくなります（同音異義語は音では区別できないので、そこだけは目で確認しましょう）。

ついでに、段落の区切りと話者名も入れておきましょう。どれほど正確でも、切れ目のない文字の塊は読みにくいものです。

長い録音を議事録・メモ・翻訳に仕上げるには

書き起こしたテキストは、あくまで素材です。実際に求められるのは、たいていもっと短いものです。

• 要約。さっと読むなら短め、社内で回すなら標準、決定事項とその理由の両方が大事なときは長めを選びます。議事録を作るなら要約を土台にして、合意した内容だけは書き起こしから発言どおりの文言を貼り付けましょう。
• 送れるファイル。Zeepit では、テキストと要約をコピーしたり共有したりできるほか、PDF, Word (DOCX), プレーンテキストのファイルとして書き出せます。ファイルはスマホ上で作成されます。
• 翻訳。言語は自動で判別されるため、日本語の録音も何も選ばずに認識されます。海外の同僚が読む必要があるときは、数十の言語に翻訳できます。

定例会議が主な用途なら、録音から議事録を作る流れを一度決めておくと楽になります。保存先のフォルダ、要約の長さ、書き出し形式を毎回同じにしておけば、そのつど迷うことがなくなります。

よくある質問