外国語の音声・動画を英語のテキストに翻訳する方法

音声の英語化は「文字起こし」と「翻訳」の2工程です

どのツールを使っても、外国語の話し言葉を英語のテキストにする作業は次の2段階に分かれます。

1. 文字起こし — 話された言語のまま、言葉を文字にします。
2. 翻訳 — そのテキストを英語に書き換えます。

期待外れの結果になる原因は、たいていこの順番で説明がつきます。翻訳が扱えるのは、最初の段階で聞き取れた内容だけです。人名や数字、専門用語が聞き間違えられていれば、英語版はその間違いをそのまま自然な文章として繰り返します。しかも、出力のどこにも「ここが怪しい」という印は出ません。

ですから、翻訳がおかしいときの対処は、より優れた翻訳エンジンを探すことではありません。音声そのものをきれいにするか、元の言語を正しく判定できるツールを使うことです。

大事な内容なら、両方のバージョンを残しておきます。元の言語の文字起こしが証拠になります。英文が不自然に見えたとき、その行の元の発言に戻れば、言い回しの問題なのか録音の問題なのかが分かります。

スマホで音声ファイルを英語に翻訳する手順

外国語の音声は、たいていスマホに届きます。ボイスメッセージ、録音した会議、同僚から送られてきたファイル。わざわざパソコンに移しても、工程が1つ増えるだけで得るものはありません。

Zeepit は iPhone と Android 向けのアプリで、手元の端末だけで最初から最後まで完結します。「ファイル」アプリでも Google Drive でも、置いてある場所からアプリ内でファイルを選ぶだけで、一言一句そのままの文字起こしと、要点だけ先に知りたいときの即時要約、そして英語の翻訳が手に入ります。

始める前に知っておくとよいことがあります。

• mp3 , m4a , wav , caf , ogg , opus , aac , flac , amr , webm に対応しているので、変換が必要になることはほとんどありません。
• 元の言語は自動で判定されます。
• 1本の録音は最長4時間まで扱えます。
• インストール直後は最初の変換を無料で試せます。長い録音も含まれ、アカウント登録もカード登録も広告もありません。その先は定期購入になり、利用状況はアプリ内で確認できます。

手順

1. ファイルを探す（どこにあっても構いません）

   録音の置き場所は「ファイル」アプリでも、写真でも、Google Drive でも、チャットのやり取りの中でも構いません。移動も、名前の変更も、事前の変換も必要ありません。

2. アプリで開くか、共有で送る

   Zeepit の中からファイルを選ぶか、WhatsApp , Telegram , ボイスレコーダーで音声を開いて共有をタップし、Zeepit を選びます。iPhone でも Android でも操作は同じです。

3. 言語は自動で判定させる

   元の言語は自動で判定されるので、聞こえているのがポルトガル語なのかスペイン語なのかを自分で見分ける必要はありません。録音は最長4時間まで扱えます。

4. 文字起こしを読み、それから英語を読む

   一言一句そのままの文字起こし、要点だけでよいときの即時要約、そして翻訳が手に入ります。人名と数字は元の行と照らし合わせて確認します。

5. 残す、共有する、書き出す

   テキストをコピーする、メールやチャットに共有する、レポートや保管のために端末上で生成される PDF , Word , テキストファイルとして書き出す、といったことができます。

他のアプリに届いたボイスメッセージはどう翻訳しますか？

いちばん多いのがボイスメッセージで、ファイルをあちこちにコピーする手間がいちばん響く場面でもあります。メッセージを先に端末へ保存しておく必要はありません。

iPhone でも Android でも、WhatsApp , Telegram , Signal , ボイスレコーダー , Google Drive などでメッセージを開き、共有をタップして Zeepit を選ぶだけです。音声はそのまま渡り、テキストになって、英語で戻ってきます。写真を送るときと同じ共有の操作です。

次の2つを習慣にすると、結果がぐっと扱いやすくなります。

• 重要なメッセージなら、翻訳より先に元の言語の文字起こしに目を通します。特に人名と金額は確認する価値があります。
• 相手が問題なければ、返信はテキストで返します。次の往復がまるごと省けます。

WhatsApp で届いたメッセージなら、WhatsApp のボイスメッセージを自分の言語に翻訳する方法の記事で、この流れを手順ごとに説明しています。

動画やリンクも同じように翻訳できますか？

音声トラックを読めるツールなら、できます。動画ファイルは入れ物にすぎません。文字起こしに映像は関係なく、必要なのは音だけです。

Zeepit は mp4 , mov , mkv , avi に対応し、音声トラックだけを使います。スマホで撮った講義、通話の画面録画、同僚から転送されたクリップも、ボイスメッセージと同じようにファイル選択か共有メニューから渡せます。

リンクは少し扱いが違います。YouTube のリンク、ポッドキャストのリンク、Web ページは要約にできます。長い動画を最後まで見なくても中身をつかみたいときに役立ちます。

元がメッセージではなく動画ファイルなら、動画をテキストに書き起こす方法の記事で、対応形式や長時間の録画についてさらに詳しく扱っています。

英語訳の精度を決めるもの、そして壊すもの

機械翻訳は、内容を理解する、納期を決める、講義についていくといった用途には十分です。署名して確定させる用途には足りません。法律、医療、契約に関わるものは、両方の言語を話せる人に確認してもらってください。

その範囲の中では、品質のほとんどは録音そのもので決まります。

• マイクとの距離。部屋の反対側に置いたスマホでは子音が失われ、失われた子音は別の単語になります。
• 声の重なり。2人が同時に話す場面は、どの言語でも、どのツールにとってもいちばん難しい条件です。
• 言語の混在。1文の途中で言語を切り替える話者は、自動判定を揺さぶります。その付近では不自然な行がいくつか出ると考えてください。
• 固有名詞と数字。もっとも予測が効かず、もっとも間違いやすい部分です。元の文字起こしと突き合わせて確認します。

BGM や、何度も録り直して転送され圧縮が重なった音声も精度を下げます。できるだけ元のファイルから作業してください。

翻訳するとき、ファイルはどこへ行くのですか？

ボイスメッセージには、住所や口座情報、検査結果が入っていることがあります。どんなサービスに送る場合でも、次の3点を確かめる価値がありますし、その答えは簡単に見つかるはずです。

• 処理のあと、ファイルは保管されるのか、削除されるのか。
• 製品の改善のために再利用されるのか。
• できあがったテキストはどこに残るのか。サーバーか、端末か。

Zeepit の場合、ファイルはサーバーに送られ、文字起こしされ、その直後に削除されます。保管も再利用もなく、録音が AI の学習に使われることもありません。文字起こしと要約は端末に残ります。デスクトップ版も Web アップロードの仕組みもないのはそのためで、すべては音声がすでに入っている端末の中で行われます。

そこからテキストをコピーしたり共有したり、端末上で生成される PDF , Word 文書 , テキストファイルとして書き出したりできます。翻訳したインタビューを、そのままレポートに載せられます。

よくある質問