音声を文字起こし

音声を文字起こしの機能

• 01

  99言語に対応、自動検出

  Whisper は話者の言語を自動認識し、その言語でテキスト化します。スペイン語はスペイン語、日本語は日本語、ドイツ語はドイツ語で。言語選択不要、設定不要。

• 02

  ファイルアップロードまたはライブ録音

  MP3、WAV、M4A、OGG、FLAC、WebM ファイルをアップロードするか、「音声を録音」をクリックしてマイクから直接キャプチャ。停止すると自動的に文字起こしが始まります。

• 03

  プライベート、ブラウザで処理

  Whisper モデルはブラウザキャッシュに一度ダウンロードされた後、デバイス上で完全に実行されます。WebGPU 対応時は加速。アップロードなし——音声はあなたのコンピュータから出ません。

音声を文字起こしのよくある質問

音声ファイルを文字起こしするには？

音声ファイル（MP3、WAV、M4A、OGG、FLAC、WebM）をツールにドラッグし、「文字起こし」をクリック。初回実行時は音声モデル（約 150 MB）がダウンロードされ、その後は完全にローカルでオフライン処理します。

マイクで録音できますか？

はい。「音声を録音」をクリック、ブラウザのマイクアクセスを許可、話す、「停止」をクリック。キャプチャした音声はアップロードしたファイルと同じように処理され、すぐに文字起こしできます。

対応言語は？

Whisper が対応する全 99 言語——英語、スペイン語、中国語、フランス語、アラビア語、ヒンディー語、ドイツ語、ロシア語、ポルトガル語、日本語など。テキストは元の話者言語で保存されます。

音声の長さに制限はありますか？

最大 200 MB のファイルに対応。長い録音は 30 秒チャンク（5 秒オーバーラップ）で処理されるため、1 時間のポッドキャストでも一貫性のあるテキストが生成されます。処理時間はブラウザが WebGPU に対応しているかで変わります。

音声がサーバーにアップロードされますか？

いいえ。モデルと音声はブラウザに残ります。Whisper モデルは CDN から一度取得しキャッシュされ、文字起こしは WebGPU または WebAssembly を使用してデバイス上で完全に実行されます。

動画の字幕を生成できますか？

はい。.srt または .vtt ファイルをダウンロードして動画編集ソフトに入れるか、YouTube などのプラットフォームに字幕トラックとしてアップロード。各字幕行には Whisper が検出したタイムスタンプ範囲が含まれます。