音声をテキストに:MP3、M4A、WAVなど

インタビュー、ディスカッション、口述録音など、Themeraは53言語の音声を話者とタイムスタンプ付きで文字起こしします。対応フォーマットや大容量ファイルを圧縮する方法をご紹介します。

30分の文字起こしを無料で · クレジットカードは不要です。

アプリ自体は英語またはドイツ語です。資料、コード、結果はお使いの言語で保持されます。

サポートされているフォーマット

MP4やMOVなどの動画ファイルは受け付けていません。まずオーディオをエクスポートしてください(下記参照)。

フォーマット典型的なソース備考
MP3ICレコーダー、録音アプリ、エクスポートファイルファイルサイズが小さく、幅広く互換性があり、長時間録音に適しています
M4AiPhoneのボイスメモ、Zoomのオーディオファイルファイルサイズが小さく、音声品質が良好
WAVフィールドレコーダー、オーディオソフトウェア非圧縮のため、ファイルサイズが非常に大きい
FLACオーディオソフトウェア、アーカイブ用コピーロスレスでWAVよりも小さい
OGGブラウザやオープンソースツールコンパクト
WebMブラウザで録音されたファイルコンパクト

1時間のオーディオのファイルサイズはどれくらい?

これらの数値はビットレートに録音時間を掛けたものです。音声の場合、モノラルのMP3またはM4Aで64 kbpsあれば十分です。品質を高くしても文字起こしの精度はほとんど向上せず、アップロード速度が遅くなります。

設定1時間あたりのサイズ(概算)
WAV、44.1 kHz、16ビット、ステレオ約635 MB
WAV、16 kHz、16ビット、モノラル約115 MB
MP3、128 kbps約58 MB
MP3またはM4A、64 kbps、モノラル約29 MB

動画や大容量ファイルの変換

Audacityなどのオーディオ編集ソフトでも、録音を直接モノラルMP3でエクスポートできます。

  1. 無料のVLCメディアプレイヤーでファイルを開き、メディア → 変換/保存を選択します。
  2. 「オーディオ - MP3」プロファイルを選択し、必要に応じてプロファイル設定でビットレートを下げ、チャンネルをモノラルにします。
  3. 新しいファイルを保存してアップロードします。

文字起こしの品質を決める要因

  • 明瞭な発音と背景ノイズの少なさ:ノイズ、音楽、エコーは最も品質を低下させます。
  • マイクとの距離:小さな声や遠い声は聞き取りにくく、誤認識されやすいです。
  • 重なり合う発話:複数人が同時に話す場合、通常は1人の声しか文字起こしされません。
  • 強いアクセントや専門用語:修正が必要になることが多くなります。

よくある質問

対応言語は?

53言語に対応しています(英語、ドイツ語など)。アップロード時に録音の言語を選択してください。広く話されている言語で明瞭な録音の場合、最も正確な文字起こしが得られます。

精度はどれくらいですか?

明瞭な録音であれば、テキストは読みやすくなりますが、完全にエラーがないわけではありません。引用や分析を行う前に、必ず音声と照らし合わせて文字起こしを確認してください。

時間はどれくらいかかりますか?

通常数分です。ページを閉じても構いません。文字起こしが完了したらメールでお知らせします。

関連ページ

30分の文字起こしを無料で

クレジットカードは不要です。録音をアップロードし、文字起こしを確認、Word、テキスト、またはMAXQDA用にダウンロードできます。