音声文字起こしツール
音声データはサーバーへ一切送信せず、お使いのブラウザ内で安全に文字起こしを行います。タイムスタンプ編集や用語辞書、SRT・VTT・TXT出力に対応。インストールや会員登録は不要ですぐにご利用いただけます。
音声文字起こしツールの使い方
音声データはすべてブラウザ内で処理され、サーバーへ送信されません。ファイルを選び、精度モードを決めて実行するだけで、タイムスタンプ付きのテキストを編集・書き出せます。
基本ステップ（4つ）
- 音声を用意するファイル選択・ドロップ、またはマイク録音
- 精度モードを選ぶ軽量（初回150〜200MB）か日本語高精度（650〜750MB）
- 文字起こしを実行長尺は約30分ごとに自動分割（途中保存あり）
- 編集・書き出し辞書適用、頭出し再生で修正し TXT / SRT / VTT 出力
こんな方におすすめ
- 会議・インタビューの録音を、クラウドに上げずに文字化したい方
- 固有名詞の誤認識を辞書で一括置換したい方
- タイムスタンプ付きで編集し、SRT/VTTで字幕ファイルが欲しい方
- 1時間を超える長尺音声を、分割処理で安全に文字起こししたい方
主な機能
- Web Worker + Transformers.js でUIをブロックしない
- 軽量モード（Whisper base）と日本語高精度モードを選択
- 30分ごとのチャンク処理とIndexedDBへの途中保存
- 用語辞書のLocalStorage保存・CSVエクスポート
- 頭出し再生付きブロックエディタとTXT/SRT/VTT出力
よくある質問
いいえ。デコードと文字起こしはすべてブラウザ内（Web Worker + Transformers.js）で完結します。アカウント登録も不要です。
mp3、m4a、wav、ogg、webm、mp4、mov など一般的な音声・動画形式です。ブラウザのデコードに失敗する場合は、無劣化に近いwavやm4aへ変換してからお試しください。
軽量モードは onnx-community/whisper-base（約150〜200MB）で、初回のみダウンロードが必要です。高精度モードは日本語向け kotoba-whisper v2（約650〜750MB）で、WebGPU対応端末では高速化しやすくなります。
はい。30分（1,800秒）ごとに自動分割し、順番に処理します。途中結果はIndexedDBに保存され、次回アクセス時に「前回の途中から再開」できます。
用語辞書に「変換前→変換後」を登録し、「辞書を一括適用」で結果テキストを置換できます。CSVエクスポートにも対応しています。
