自動音声認識を使って、録音された発話をテキストに変換する機能です。AIMusicGenでは録音の文字起こし、話者の識別、タイムスタンプの追加ができ、一語ずつ手入力する手間を省けます。

会議、インタビュー、ポッドキャスト、講義、研修、音声メモなど、発話を中心とした録音に使えます。議事録、調査メモ、番組ノート、記事、字幕の下書きとして活用できます。このページはアップロードした音声や保存済みの曲を文字起こしするもので、リアルタイムの会話録音機能はありません。

はい。AIMusicGenの無料クレジットで、残高が処理費用を満たす範囲でお試しいただけます。費用は音声の長さに基づき、送信前に目安が表示されます。無料で無制限に文字起こしできるわけではありません。残高と表示される費用をご確認ください。

MP3、WAV、M4A、FLAC、OGG、AAC、音声のみのWEBMに対応し、1ファイル最大250 MBです。動画の直接アップロードにはまだ対応していません。先に音声を抽出し、対応形式でアップロードしてください。大きな録音は複数の小さなファイルに分割して処理できます。

自動検出、または英語、中国語（普通話）、スペイン語、ヒンディー語、アラビア語、ポルトガル語、ロシア語、日本語、フランス語、ドイツ語、韓国語、イタリア語、オランダ語を選べます。録音で実際に話された内容を文字起こしします。言語指定は認識を助けるもので、その言語への翻訳ではありません。

はい。「話者を識別」をオンにすると、インタビューや会議などで異なる声にラベルを付けられます。人数はAIに任せるか、2〜6人で指定できます。すでに話者ごとに別チャンネルで録音されている場合は「音声チャンネルを分離」を使用してください。この2つは同時に有効にできません。発話が重なる部分はラベルを確認しましょう。

はい。単語ごと・文字ごとのタイムスタンプを選択でき、オフにもできます。結果は読みやすい区間に分かれ、TXTには利用可能な時間情報と話者ラベルが含まれます。字幕編集ソフトで字幕を作る素材に使えますが、SRT・VTTの直接ダウンロードには現在対応していません。

はい。「音の注釈を追加」をオンにすると、笑い声、拍手、BGMなどの注釈をリクエストできます。文字起こしの状況説明を補う機能であり、音源分離や効果音の生成は行いません。すべての音が認識されるとは限りません。

録音の明瞭さ、言語、アクセント、マイクの品質、背景ノイズによって変わります。声が明瞭で、発話の重なりが少ない録音は、より良い結果になりやすいです。使用・公開前に、元の音声と照らし合わせて人名、数字、専門用語、句読点、話者ラベルをご確認ください。

録音の長さ、ファイルサイズ、アップロード速度、サービスの混雑状況によって異なります。短く明瞭な録音は、長いファイルより早く処理される傾向があります。処理中はページを開いたままにしてください。すべての録音に共通の完了時間はありません。

結果を確認してコピーするか、TXTでダウンロードし、テキストエディタで人名、表現、書式を編集できます。現在、ページ内での直接編集には対応していません。やり直す場合は言語などの設定を変えて再送信してください。新しい文字起こしごとにクレジットを消費します。

音声は文字起こしのために処理へ送信され、保存された結果はアカウントの履歴で確認できます。履歴は元の音声のバックアップを保証するものではありません。元ファイルはご自身で保管し、重要な文字起こしはダウンロードしてください。機密性の高い録音やセンシティブな録音を送る前に、最新のプライバシーポリシーとデータ取扱条件をご確認ください。