比較

文字起こしサービス比較｜精度より先に見る点

2026-09-03 約7分で読めます

結論

文字起こしサービス選びで最初に確認すべきは、認識精度ではありません。どのサービスも一定水準の精度は出せるようになっており、差が出るのは話者分離・データの保存先・専門用語への対応・エクスポート形式の4点です。精度の数字だけを比較して契約すると、実際の業務では話者が分からない、社外秘の音声を国外サーバーに送っていた、といった問題が後から見つかります。この記事では、比較の前に確認すべき点と、業務別の時間試算をまとめます。

文字起こしは月何時間の仕事か

文字起こしにかかる時間を、一般的な業務量から試算すると次のようになります。

業務	いまの時間（月）	AI化後（月）	差
インタビュー・取材の書き起こし	6時間	1.5時間（AI原稿の確認・整形）	4.5時間
商談・営業ロープレの音声を記録に残す	3時間	1時間	2時間
研修動画・セミナーの字幕作成	4時間	1.5時間	2.5時間
合計	13時間	4時間	9時間

試算の前提は次のとおりです。

インタビューは月4本（1本あたり1時間の音声）を想定
商談記録は月6件、字幕作成は月2本の研修動画を想定
「AI化後」は、AIが出した原稿を人が読んで誤字・専門用語を直す時間を含む
音質が悪い録音、複数人が同時に話す録音では、直す時間が増える

会議の議事録作成（決定事項の抽出まで含む業務）は、この記事とは別の切り口になります。議事録用のツール比較は別記事で扱っています。

精度より先に見るべき4つの点

文字起こしサービスの精度は、公式サイトで「95%」のような数字が示されていることがあります。ただしこの数字は、クリアな音声・単独の話者という条件で測られていることが多く、実際の会議やインタビューの録音でそのまま出るとは限りません。精度の数字を比べる前に、次の4点を確認したほうが業務への影響が大きくなります。

話者分離: 誰が話したかを自動で見分ける機能。認識精度が高くても、話者分離が弱いと「誰の発言か」を後から人力で聞き直すことになり、時間削減の効果が薄れる
データの保存先: 録音データ・文字起こし結果がどこのサーバーに保存されるか。国内サーバーを明記していないサービスもあり、社外秘の内容を扱う場合は確認が要る
専門用語・固有名詞への対応: 業界用語や社名・商品名を正しく認識できるかはサービスごとに差がある。辞書に単語を登録できる機能があるかを確認する
エクスポート形式: 文字だけのテキストで十分か、話者名・タイムスタンプ付きの形式が要るか、字幕用のファイル形式（SRT等）が要るかで、使えるサービスが変わる

この4点を先に決めてから料金表を見ると、比較の対象が絞り込めます。

主要ツールの料金・機能比較

文字起こしサービスの料金・機能は変更が頻繁なため、以下は確認すべき項目の一覧です。契約前に必ず各社の公式ページで最新情報を確認してください。

サービス名	話者分離	辞書登録機能	有料プランの料金	出典
Notta	あり（話者識別。有料プランに搭載）	あり（フリー3単語・プレミアム200単語・ビジネス1,000単語）	プレミアム月1,980円（年払いは月換算1,185円）（2026年9月時点）	Notta公式料金ページ
Rimo Voice	あり（文字起こしプランから利用可）	あり（専門用語・社内用語を登録可能）	文字起こし月1,650円、プロ月4,950円、チーム月6,600円（2026年9月時点）	Rimo公式料金ページ
CLOVA Note	—（2025年7月31日にCLOVA Noteβのサービスを終了。後継はLINE WORKS AiNote）	—（サービス終了）	—（サービス終了）	CLOVA Note公式サイト
Googleドキュメントの音声入力	公式ヘルプに明記なし（2026年9月時点）	公式ヘルプに明記なし（2026年9月時点）	Googleドキュメントの機能として提供（公式ヘルプに追加料金の記載なし）	Google公式ヘルプ
OpenAIのWhisper系API	あり（話者を識別するgpt-4o-transcribe-diarizeを提供）	単語登録ではなく、プロンプトとキーワード指定で固有名詞・専門用語の認識を補正する方式	Whisper・gpt-4o-transcribeは音声1分あたり0.006ドル（2026年9月時点）	OpenAI公式料金ページ

料金は変わるため、契約前に必ず公式ページで最新の内容を確認してください。

話者分離と専門用語対応で実際に差が出る場面

話者分離と専門用語対応は、料金表だけでは分からない差です。契約前のトライアル期間で、次のような場面を実際の録音で試すと違いが見えます。

3人以上が同時に発言する場面で、話者が入れ替わったタイミングを正しく区切れるか
社内でしか使わない略語・商品名を、初回の変換でどの程度誤変換するか
辞書登録した単語が、2回目以降の変換で正しく反映されるか
電話越しの音声、マイクから離れた発言など、音質が悪い条件での認識率

これらはトライアル期間中に自社の録音データで確認しないと分かりません。デモ動画やサンプル音声での比較だけで契約を決めると、実際の業務で想定と違う結果になることがあります。

会社の状況別・確認すべきポイント

順位付けやおすすめの断定はしません。自社の状況に近い条件で確認すべきポイントを整理しました。

インタビュー・取材が多い会社（広報・編集業務がある会社）: 話者分離の精度と、引用しやすいテキスト形式で出力できるかを優先して確認する
研修動画・セミナー動画に字幕を付けたい会社: タイムスタンプ付きの字幕ファイル形式（SRT等）に対応しているかを確認する。対応していないと別の変換作業が発生する
金融・医療・法務など情報管理の基準が厳しい業種: データの保存場所（国内サーバーかどうか）と、録音データの保持期間・削除方法を契約前に確認する
専門用語・業界特有の略語が多い業種（製造・建設・医療等）: 辞書登録機能の有無と、登録できる単語数の上限を確認する

導入前に確認すべきセキュリティ・情報管理

音声データには、取引先の情報や個人が特定できる内容が含まれることがあります。導入前に次の点を確認してください。

録音データ・文字起こしデータがどこに保存されるか(国内か国外か)
データがサービスの学習に使われる設定になっていないか(既定でオンになっている場合がある。設定画面から変更できることが多い)
退職者・異動者が出た際に、そのアカウントの録音データへのアクセス権をどう切るか
無料プランと有料プランで、データの取り扱い方針が異なるかどうか

これらは各サービスの利用規約・プライバシーポリシーに明記されていることが多いため、契約前に一読することを推奨します。

よくある質問

Q. 文字起こしサービスの精度は、どのくらいの数字を目安にすればよいですか。 A. 公式サイトの数字はクリアな音声条件での測定であることが多く、そのまま自社の録音に当てはまるとは限りません。数字を比較するより、自社の録音データでトライアルを実施して確認することを推奨します。

Q. 話者分離の機能は、どんなサービスにも付いていますか。 A. サービスによって有無や精度が異なります。1人での発言記録のみを想定したサービスでは、話者分離の機能が無い、または対応人数に上限があることがあります。

Q. 電話での通話も文字起こしできますか。 A. マイクや録音環境によって精度が変わります。電話越しの音声は対面の会議よりノイズが多く、認識率が落ちる場合があります。導入前に実際の通話音声で試すことを推奨します。

Q. 文字起こしサービスを導入すれば、原稿の確認作業は不要になりますか。 A. 不要にはなりません。専門用語や固有名詞の認識は辞書登録をしても完全ではなく、担当者が一読して直す工程が前提になります。

Q. 無料プランだけで運用を続けることはできますか。 A. サービスによって、無料プランの利用時間やファイル数に制限がある場合があります。録音の本数が多い会社では、途中で有料プランへの切り替えが必要になることがあります。

理解度チェック

読んだ内容の確認に3問だけ。押すと答えが開きます。

Q1. 文字起こしサービスは、認識精度が同じなら話者分離の性能も同じである。

× — 認識精度（言葉を正しく聞き取る力）と話者分離（誰が話したかを見分ける力)は別の技術で、精度が高くても話者分離が弱いサービスがある（本文参照）。

Q2. 無料プランのある文字起こしサービスでも、録音データの保存先や利用範囲は有料プランと異なる場合がある。

○ — 無料・有料でデータの取り扱い方針が異なる場合があるため、契約前に確認する必要がある（本文参照）。

Q3. 文字起こしサービスが作った原稿は、専門用語や固有名詞も含めてそのまま配布用の資料に使ってよい。

× — 専門用語や固有名詞の認識は辞書登録をしても完全ではなく、担当者が一読して直す工程が前提になる（本文参照）。