ボイスレコーダー文字起こしを完全オフラインで — 録音をテキスト化する方法

今もボイスレコーダーを使う人と、その理由

ボイスレコーダーは消えていません。話す方がタイプするより速く、しかも内容が「失っても漏らしても困る」ほど機密性の高い職業に、活躍の場を移しただけです。

• •弁護士は打ち合わせの合間に準備書面、面談メモ、書簡を口述します。録音には依頼者名や訴訟方針など、慎重な取り扱いが必要な情報が含まれる場合があります。
• •医師は診察後の所見や紹介状を口述します。録音には機微な健康情報が含まれる可能性があり、適切な管理が必要です。
• •記者はボイスレコーダーやスマートフォンでインタビューを録音します。取材源の保護は、相手の声を他人のクラウドにアップロードしないことから始まります。
• •研究者は何時間ものフィールドインタビューや観察記録を集めます。多くの場合、録音を処理できる場所を明確に制限する倫理審査の取り決めのもとで。

4つの職業に共通する課題は、長時間の録音をテキストへ変えることです。タイピスト、外部のテープ起こし業者、クラウドサービスを使うと、別の人やシステムが音声を扱います。オフライン文字起こしなら、文字起こし工程で第三者へ音声を渡さずに済みます。

録音からテキストまで、3ステップ

1. ボイスレコーダーからファイルを書き出す

レコーダーをUSBで接続して（または付属アプリを使って）、録音をMacかiPhoneにコピーします。オリンパス、フィリップス、ソニー、ズームなどのICレコーダーも、スマートフォンのボイスメモアプリも、ほとんどはMP3・WAV・M4Aで保存します。どの形式もそのまま使えます。変換は不要です。

2. Whisper Notesに取り込む

MacならファイルをWhisper Notesへドラッグし、iPhoneなら共有メニューからアプリへ渡します。2分のメモも3時間のインタビューも読み込めます。MP4やMOVなどの動画ファイルでは、音声トラックを文字起こしします。

3. ローカルで文字起こしし、好きな形式で書き出す

録音の言語に合うモデルを選んで文字起こしを開始します。MacではParakeet V3が標準モデルです。M4 Proを使った私たちのテストでは、同じ35分の英語音声を18秒で処理し、Whisper Large V3 Turboは3分でした。Parakeetの英語WER 6.32%はOpen ASR Leaderboardの値で、すべてのICレコーダー録音に当てはまるわけではありません。言語、マイク、背景雑音、専門用語によって結果は変わります。

取り込んだ録音をタイムスタンプ付きで文字起こし。セグメントをクリックすると元の音声を再生

文書に使うならTXT、動画由来の録音ならタイムスタンプ付きのSRT/VTTで書き出せます。書き出す前に直接編集しても、修正した段落と音声の対応は維持されます。

口述録音をオフライン処理する理由

クラウド文字起こしサービスは通常、音声を提供元のインフラへ送り、その保存規則やデータ処理方針に従って扱います。用途によっては便利ですが、依頼者、患者、取材源、研究参加者に関する録音では、確認すべき外部システムが一つ増えます。

Whisper Notesは初期設定時に選んだ音声認識モデルをダウンロードします。その後は、録音と文字起こしをインターネットなしで実行でき、音声や文字起こしを処理のためにアップロードしません。第三者への送信を減らせますが、法律、医療、研究などの業務が自動的に適法になるわけではありません。端末の安全管理、同意、保存期間、職業上の義務は別途確認してください。

録音量の多いユーザーにとっては経済性も重要です。毎日1時間口述するなら、分単位のクラウド料金はあっという間に積み上がり、サブスクは使わない月にも請求が来ます。買い切りなら、月に10分でも週に10時間でも、かかる費用は同じです。

文字起こしの精度を最大限に高めるには

プロの口述録音では、次の2つの設定が最も大きな差を生みます：

カスタム語彙。一般的な音声認識モデルは、依頼者の姓、薬剤名、法令の条文、専門用語を誤認識することがあります。Whisper Notesでは繰り返し使う名前や用語を登録し、文字起こし時の文脈として利用できます。名前、用量、数字、引用は、使用前に必ず元の音声と照合してください。

言語に合わせたモデル選び。口述する言語に合ったモデルを選びましょう：

そして、アナログ口述時代からの習慣は今も有効です：レコーダーを口元近くに構え、一定のペースで話し、句読点を打ちやすい文で口述すること。クリアな音声を入れれば、クリアなテキストが出てきます。

よくある質問

iOS版をダウンロード macOS版をダウンロード