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

2026年7月3日(2026年10月31日更新)
·
7分で読めます
·Whisper Notes Team

ICレコーダーにたまった口述メモやインタビュー、診察後の所見を、クラウドに上げずに文字起こしできないでしょうか。できます。ファイルを書き出してWhisper Notesへ取り込めば、内蔵のParakeetモデル(NVIDIA Parakeet V3をMoondreamが追加学習したParakeet Ultra)などのローカルモデルを使ってiPhoneまたはMac上で文字起こしできます。音声のアップロード、アカウント、分単位の料金は不要です。iPhone版は$7.99、Mac版は$14の買い切りで、Mac版は毎週5,000語まで無料です。

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。1ファイル最大24時間まで扱え、分単位の課金もありません。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。

形式 種類 対応
MP3 音声(大半のICレコーダー) 対応
WAV 音声(非圧縮レコーダー) 対応
M4A 音声(iPhoneのボイスメモ) 対応
MP4 動画(音声トラックを文字起こし) 対応
MOV 動画(音声トラックを文字起こし) 対応

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が標準モデルで、実時間の約74倍で動くので、1時間の音声が1分かからずに終わります。Parakeet V3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。

Whisper Notes for Mac で話者ごとに分かれ、タイムスタンプが付いた文字起こし。1 つの段落がエディタで開かれ、聞き間違えた単語 scream が選択されている。下に Move sentence to speaker、Cancel、Save

聞き間違えた単語をその場で直す。段落を開いて、修正して、保存

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。

標準のParakeetモデルはWhisper Notesに内蔵されています(ほかのモデルは必要なときにアプリ内で一度だけダウンロードします)。そのため最初から、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。

オフラインアプリ(Whisper Notes) クラウド文字起こしサービス
音声の処理場所 自分のデバイス上 事業者のサーバー
機密保持 文字起こしのために音声をアップロードしない 事業者のポリシー次第
文字起こし時の第三者送信 不要 提供元とプランによる
料金 買い切り(iPhone $7.99・Mac $14、Macは毎週5,000語まで無料) 月額サブスクまたは分単位の課金
インターネットなしで動作 可能 通常は不可
アカウント登録 不要 必要

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:

カスタム辞書。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:

日本語 / 中国語 / 韓国語 SenseVoice:日本語、中国語、韓国語、広東語の高速な選択肢。M4 Proテストで27分の中国語音声を13.83秒で処理(以前のバージョンのアプリでの測定。現在のモデルカードの表示はリアルタイムの115〜131倍で、ほぼ同じ)。Macでミスを減らすならQwen3-ASR 1.7B(Beta)
英語 / ヨーロッパ言語 Parakeet V3:25のヨーロッパ言語。Macで実時間の約74倍、Open ASR Leaderboardの英語WERは6.32%、アプリに内蔵
その他の言語 Whisper Large V3 Turbo:100以上の言語、約2 GB。3モデルの中で最も広い言語範囲

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。録音がきれいなら、文字起こしもきれいになります。

よくある質問

昔のボイスレコーダーの録音も文字起こしできますか?

できます。レコーダーからファイルをコピーしてWhisper Notesへ取り込んでください。MP3、WAV、M4Aに対応し、1ファイル最大24時間まで扱えます。古い録音でも処理方法は同じですが、精度はファイルの年代ではなく、音質やノイズ、マイクとの距離に左右されます。

ボイスレコーダー文字起こしに最適なアプリは?

音声の処理場所、対応形式、専門用語への対応、長期的な料金で比較してください。Whisper Notesはローカル文字起こし、MP3・WAV・M4A・MP4・MOVの読み込み(1ファイル最大24時間、分単位の課金なし)、カスタム辞書に対応し、価格はiPhone版が$7.99、Mac版が$14の買い切りで、Mac版は毎週5,000語まで無料です。

ボイスレコーダー文字起こしはインターネットなしでも動きますか?

はい。標準のParakeetモデルはアプリに内蔵されているので、iPhoneまたはMac上で、インターネット接続なしに録音を文字起こしできます。ほかのモデルは必要なときにアプリ内で一度だけダウンロードします。

オフラインの文字起こしはどのくらい正確ですか?

Open ASR LeaderboardにおけるParakeet V3の英語WERは6.32%ですが、特定の録音を保証する値ではありません。アクセント、マイクとの距離、背景雑音、専門用語によって精度は変わります。カスタム辞書は繰り返し使う名前や用語の文脈を与えますが、重要な情報は元の音声で確認してください。