無料AI文字起こしの選び方|制限・出力・修正の手間を比べる確認項目

音声の波形から二つの文字起こし原稿へ進み、虫眼鏡で照合する紙の模型

こんにちは。バナナデスクです。

無料の文字起こしを選ぶとき、「何分まで使えるか」だけで決めていませんか。最後まで起こせても、話者が逆になっていたり、「料金は未定」が抜けたりすると、そのまま仕事の記録には使えません。

比べたいのは、文字が出るまでの速さに加えて、使える記録へ直すまでの手間です。同じ音声を入れ、同じ箇所を確認すれば、自分の用途に合う無料枠を判断しやすくなります。

この記事で用意したのは、公式説明に基づく確認項目と、同じ音声で比較するための試験計画です。今回、音声の収録や2製品での文字起こしは実施していません。台本・予定時刻・所要時間の仮計算を、実測結果と区別して紹介します。

無料Webツールと、アプリの無料枠を分ける

2026年10月1日に確認した提供者の説明では、Waveの無料Webツールは1日5ファイル、各200MBまでで、登録不要です。一方、Waveアプリの録音・保存・契約は別のサービス条件です。「同じ名前だから同じ上限」とは考えないでください。Wave公式・無料Web文字起こし

ClapClipはWindows向けアプリで、提供者はローカル処理、文字起こしの時間制限なし、テキストや字幕形式への出力を説明しています。これは提供者の仕様説明であり、通信や認識精度を独立に検証した結果ではありません。ClapClip公式・AI文字起こし

確認対象 Waveの無料Webツール ClapClipのWindowsアプリ
始め方 ブラウザからファイルをアップロード 対応するWindows環境へ導入
提供者が示す無料条件 1日5ファイル・各200MB 文字起こしの時間制限なし
本文以外で確かめること 話者ラベル、時刻、出力ファイルを使えるか 自分のPCでの処理時間、字幕・テキスト出力
同じ音声で見ること 数字・言い直し・否定・話者の境界・修正の手間

期限付きの無料試用を選ぶ場合は、期間終了日、自動更新の有無、カード登録の要否、終了後に原稿を取り出せるかも確認します。月間枠がある製品では、録音した分数と、実際に全文を閲覧・出力できる分数を分けて見ます。

比較する前に、正解の基準を作る

同じ音声を二つの方法へ分け、処理時間と手直し時間を比較する図
比較の設計図です。音声の生成・文字起こし試験・時間計測の結果ではありません。

教材には、架空のオンライン講座「案内文見直し会」の2人の会話台本を用意します。約5分を想定した12発話で、開催日時、定員、料金の保留、担当と期限を含めます。台本の予定時刻は録音後の実時刻とは別です。収録したら発話開始と終了を聴いて記録し、音声に合わせた照合原稿を作ります。

次は台本中の確認箇所です。これを短く要約してから比べると、文字起こしで何が落ちたか分からなくなります。まず言った内容を残し、その後で読みやすく整えます。

台本の発言 確認したい点 誤ると起きること
「九千八百円という案があります。ただ、まだ原価を確認していません」 9,800円という案と、未確定の理由 料金を確定したと読まれる
「二十人を考えていましたが、今回は募集定員を十二人に決定します」 20人が旧案、12人が決定 旧案だけが記録に残る
「十月八日の木曜日、十七時」 日付・曜日・時刻と対象作業 別の担当の締切と混ざる
「料金の確認担当まで私に割り当てないでください」 担当を否定する発言 担当者を推測で追加してしまう

2人が重なる場面も試すなら、台本へ重ねる区間を指定し、別々の声も保存します。ただし、合成音声や静かな収録で良い結果が出ても、実会議の雑音や遠い声への性能を代表するものではありません。公開してよい自作教材で手順を覚えた後、利用許可のある実際の条件で判断します。

聞き取れない箇所を、文章の自然さで埋めない

出力された話者A・Bは、実名を認識した証拠ではありません。冒頭の自己紹介や声を聴いて対応を決め、交代する箇所で逆になっていないか確認します。話者が決められない部分には「話者不明」と残します。

状態 記録例 次の作業
語が聞き取れない [聞取不能 02:14〜02:17] 前後を含めて再生し、無理なら確認を依頼
2人が同時に話す [同時発話 03:01〜03:04] 各話者の聞こえる範囲だけ分ける
聞こえるが意味が未確定 「来週には、できれば」 逐語記録は残し、期限の確定欄へ入れない
本人が言い直す 「20人、ではなく12人」 言い直しを残す。整理版で採用する値と分ける

この表の時刻は記号の使い方を示す仮例です。実際の記録には、音源へ戻れる実時刻を入れます。聞こえない箇所を専門用語辞書から補う場合も、補った語を発言として黙って確定させないことが大切です。

待ち時間と手直し時間を別に測る

比較時には、ファイル名、長さ、音声形式、端末、ツール名と版、確認日を揃えます。設定の違いを調べたい場合も、まず同じ条件の1回分を残し、その後に言語や辞書など一つの条件を変えます。

たとえば、仮の比較でAは処理1分・手直し14分、Bは処理4分・手直し6分なら、合計はAが15分、Bが10分です。ただし、処理中に別の仕事ができるなら、手を動かした時間は14分と6分になります。処理が速い方だけを「仕事が速く終わる」と評価しないようにします。

正確さを数字にする場合も、何を数えたかを先に決めます。「重要項目10個のうち8個一致」は重要項目の一致であり、全文の認識率80%ではありません。料金を一つ取り違える失敗と、意味を変えない表記差を同じ重さで数えるだけでは、業務上の使いやすさが見えなくなります。

最後に、原稿を取り出して使えるかを見る

全文を出力し、話者や時刻が残るか、文字化けしないか、必要なところを検索できるかを確かめます。字幕用途なら、テキストが正しいだけでなく、表示区間が発言と合っているかも点検します。

文字起こしが完成してから、決定事項・担当・未決事項を整理します。録音から発言を取り出す作業と、会議の意味をまとめる作業を一度に済ませると、どの段階で情報が変わったか追いにくくなります。元音声、機械出力、修正版を区別しておけば、後から確認するときにも困りません。