もしあなたが「動画や音声の文字起こしに時間を取られて、本来の仕事が進まない」と感じているなら、この記事が役に立つはずです。私がブログや講座の制作で実際に使ってきたAI文字起こし・字幕作成ツール12個を、音声ファイル・会議の記録・動画の字幕の3つの用途に分け、無料でどこまでできるかと2026年9月時点の料金と一緒に整理しました。あなたの用途に合うツール選びの参考にしてください。
文字起こしに、まだ何時間もかけていませんか？
1時間の音声を自分の手で文字に起こすと、3〜4時間はかかります。外注すれば1分あたり数百円。動画や音声を毎週のように出している一人社長にとって、これは小さくない負担ですよね。
私自身、ブログやオンライン講座の制作でさまざまなAI文字起こしツールを使ってきました。最初は無料のツールから始めて、少しずつ有料ツールへ移る中で、それぞれの得意・不得意が見えてきたのです。2025年1月の時点で、私が2024年以降に書いたブログ記事のほとんどは、収録した動画や音声をAIで文字起こしし、その原稿をもとにAIに下書きを書いてもらう流れで作っています（公開前の確認と修正は私自身が行っています）。
ただ、この分野は動きが速く、2025年から2026年にかけてモデルも料金もかなり変わりました。そこで当時の体験には時点を添えつつ、料金や機能は2026年9月時点の情報でお伝えします。
AI文字起こしツールを選ぶときの3つの軸
ツールによって向いている仕事はまったく違います。選ぶ前に、次の3つだけ押さえておいてください。
- 何を文字にしたいのか：自分で収録した音声・動画なのか、オンライン会議なのか、動画に付ける字幕なのか
- 固有名詞にどれだけ強いか：「ChatGPT」が「チャットGPT」と書き起こされると、後で直す手間が増えます
- 料金の形：使った分だけ払う従量制か、月額制か、一度買えば使い放題の買い切り型か
音声や動画のファイルを文字起こしするツール
まずは、収録済みの音声や動画をアップロードして文字にするタイプです。
ElevenLabs（イレブンラボ）のScribe
音声合成で有名なElevenLabsの文字起こしモデルが「Scribe（スクライブ）」です。私が2025年2月に最初のScribeを試したときは、「ChatGPT」「Gemini」「Claude」といったAIツールの名前がそのまま正確に書き起こされ、20分ほどの音声が数分で処理されました。それまでSimon SaysやDaVinci Resolveでは「チャットGPT」のようなカタカナ表記を毎回直していたので、修正の手間がほとんどなくなったのは感動的な体験でした。
ただし、私が試した初代のScribe（v1）は2026年7月9日に提供終了となり、現在は2026年1月公開のScribe v2に置き換わっています。v2は私はまだ試していませんが、公式の説明を見る限り、日本語は対応言語の中で最上位の「Excellent」に分類されています。料金は2026年9月時点で、無料プランが月10,000クレジット（文字起こしなら月30分ほどの目安、商用利用は不可）、Starterプランが月6ドルから。開発者向けAPIなら音声1時間0.22ドルの従量制です。
ChatGPTアプリの音声入力とRecordモード
ChatGPTにも文字起こしの入り口がありますが、録音済みの音声ファイルをアップロードする方法ではありません。2024年6月に20分の動画をアップロードしたときはタイムアウトで止まりましたし、2025年1月の時点でも他のアプリで収録した音声は受け付けてくれないことがほとんどでした。
使えるのは、スマホやパソコンのChatGPTアプリのマイクボタンを押して、その場で話す方法です。話し終えると自動で文字になり、そのまま「この内容をブログ記事にして」と続けて指示できるので非常に便利です。2025年1月に試したときは、日本語の精度は高く、固有名詞もわりと正確でした。この音声入力は無料プランでも使えて、2026年6月26日には認識モデルが新しくなり、日本語を含む複数の言語で精度が上がったとOpenAIは説明しています（新モデルの精度は私はまだ検証していません）。
もう1つ、会議やメモを録音して文字起こしと要約まで作る「Recordモード」があります。Plus（月20ドル）以上の有料プランが対象で、1回4時間まで。ただし2026年9月時点ではmacOSの従来アプリ「ChatGPT Classic」でしか使えず、2026年7月に登場した新しい統合アプリには搭載されていません。
Google AI Studio（グーグルAIスタジオ）
Google AI Studioは、Googleが開発者向けに提供しているツールで、Googleアカウントがあれば無料で使えます。画面は少しとっつきにくいのですが、音声ファイルをアップロードして「文字起こしして」と伝えるだけで文字にしてくれます。「えー」「あのー」を消す、英語の固有名詞はカタカナにしない、といった指示をプロンプトに足すと、後の修正が減ります。2025年4月に他のツールと同じ音声で比べたときも、精度はElevenLabsに匹敵するレベルでした。
弱点は安定性です。2024年6月には30分の動画でエラーが出たので、動画は音声だけ書き出し、30分程度に分けてアップロードするのが無難です。2026年9月24日時点で、Geminiアプリと違いGoogle AI Studio（開発者向け画面）の無料枠の中心はGemini 3.8 FlashなどのFlash系モデルで、現行のProモデル（Gemini 3.1 Pro）は無料枠の対象外（有料の従量課金）です。2026年8月に正式版になった文字起こし専用モデル「Gemini 3.5 Transcribe」は、公式の料金ページでは無料枠でも使えると書かれています。ただし無料枠では、送ったデータがGoogleの製品改善に使われる場合があります。
Simon Says AI（サイモンセッズAI）
Simon Says AIは文字起こしに特化した海外製のツールで、2024年6月の時点で私が数年来使っていたものです。当時は20分の動画が2〜3分で文字になり、Final Cut Proの画面内から直接呼び出して字幕をタイムラインに並べられるのが一番のメリットでした。日本語にも対応していますが、画面もサポートも英語のみです。
正直にお伝えすると、2025年2月にScribeを使ってからは「Scribeのほうが圧倒的にお得」と感じましたし、2025年4月の比較でも、日本語の誤認識や英単語のスペルミスがあり、最新の音声認識モデルには及ばない結果でした。2026年9月時点の料金は、1分0.25ドル（1時間15ドル）の従量制から始められ、月20ドルのStarterプラン（月2時間分込み）などもあります。
Notta（ノッタ）
Nottaは画面が完全に日本語で、ブラウザだけで録音・アップロード・Web会議の文字起こしまで完結する手軽さが特徴です。ただ、2025年4月に無料プランで試したときは、冒頭の「はい、それでは」が「配送では」と書き起こされるなど精度は期待したほどではなく、「ChatGPT」のような英語の固有名詞も正しく認識されないことが多くありました。当時の私の印象は「使いやすさは良いが、精度は一世代前」というものです。
2026年1月に大型アップデートがあったと伝えられていますが、私はまだ再検証していません。2026年9月時点の料金は、フリープランが月120分（1回3分まで）、プレミアムが月払い1,980円（年払いなら月1,185円相当）で月1,800分・1回5時間までです。
オンライン会議やセミナーの記録に向いたツール
次は、ZoomやGoogle Meetの会議にAIが参加して録音・文字起こし・要約まで行うタイプです。コンサルティングや個別指導をされている方なら、議事録づくりの手間が大きく減ります。
Rimo Voice（リモボイス）
Rimo Voiceは日本製の文字起こしツールで、日本語の文脈を読んだ自然な句読点と、「SEO」「YouTube」のようなビジネス用語や固有名詞の認識に強いのが特徴です。2024年11月に40分のポッドキャスト音声を試したところ、処理は約5分、修正は5分程度で済みました。同じ音声をDaVinci Resolveで文字起こししたときは修正に30分ほどかかっていたので、差は大きかったです。
当時は30秒あたり22円（音声）の従量制でしたが、2026年9月時点では月1,650円（税込）で月2,100分まで使える「文字起こしプラン」、文字起こし無制限の月4,950円の「プロプラン」などの月額制に変わっています。恒常的な無料プランは見当たりませんが、無料トライアルがあります。どちらかというと法人向けなので、個人には少し高く感じるかもしれません。
tl;dv（ティーエルディーヴィ）
tl;dvは海外製の議事録ツールで、Zoom・Google Meet・Microsoft Teamsの会議にAIが参加して録画・文字起こし・要約を自動で作り、Slackなどに通知してくれます。2024年12月には、私が配信したウェブセミナーの文字起こしと要約を任せてみました。ただ、弊社のチームミーティングはSlackのハドル（Slackのビデオ会議機能）を使っていて、tl;dvはハドルに対応していないため本格導入には至りませんでした。この非対応は2026年9月時点でも変わっていないようです。
2026年9月時点の料金は、無料プランでも録画と文字起こしは無制限で、AIによる議事録に上限があります。Proプランは年払いで月18ドル（月払いなら29ドル）です。
Otter.ai（オッター）
Otter.aiは、話した内容をその場で文字にしていくリアルタイム文字起こしアプリで、2025年3月の記事では「英語専用のアプリ」としてご紹介しました。アメリカで開催されたマーケティングセミナーで、スマホのOtter.aiで講演を録音し、後から英語のテキストを読み返す方法を試したところ、英語のストレスが大幅に減り、講演内容の理解度も高まりました。英語のテキストを翻訳ツールにかければ、英語が苦手な方でも内容を追えます。
その後、Otter.aiは2025年11月4日に日本語のリアルタイム文字起こしに対応したと公式ブログで発表しました。日本語での精度は私はまだ試していません。2026年9月時点の料金は、無料のBasicプランが月300分（1会話30分まで、音声ファイルの取り込みは生涯3回まで）、Proプランが月16.99ドル（年払いなら月8.33ドル相当）です。
動画に字幕を付けるためのツール
最後は、文字起こしした結果をそのまま動画の字幕にできるツールです。まずは、すでに使っている編集ソフトに文字起こし機能があるかどうかを確認してみてください。
DaVinci Resolve（ダビンチリゾルブ）の文字起こし＆字幕作成機能
DaVinci ResolveはBlackmagic Designの動画編集ソフトです。無料版でも編集はできますが、音声の自動文字起こしと「オーディオから字幕を生成」する機能は、有料のDaVinci Resolve Studioだけの機能です。Studioは2026年9月時点で51,980円（税込）の買い切りで、アップデートは無料。一度買えば回数無制限で文字起こしができるので、サブスクを増やしたくない方には大きなメリットがあります。
精度についての私の評価は、時期によって変わっています。2024年11月には専用ツールより修正が多いと感じていましたが、2025年1月には収録後にDaVinci Resolve内の文字起こし機能を使うことが増え、2025年4月の比較では固有名詞の認識もElevenLabsと同等レベルまで上がっていました。2026年6月公開のDaVinci Resolve 21ではさらに向上したと伝えられていますが、私はまだ確認していません。
CapCut（キャップカット）の自動キャプション
CapCutは、TikTokを運営するByteDance社の動画編集アプリです。アプリ自体は無料ですが、自動キャプション（字幕）はAI機能の扱いで、無料版では月に数回程度しか試せないようです（2024年10月に使ったときも、無料プランでは数回という制限がありました）。2026年3月にプランが改定され、2026年9月時点では「Standard」と「Pro」の2つの有料プランがあり、公式ヘルプでは自動キャプションはProの機能です。料金は地域や端末で異なると公式は説明しているので、目安としてStandardが月1,000円前後、Proが月2,000円前後と考え、正確な金額はアプリ内で確認してください。
2024年10月の記事でも書きましたが、私は一度、自動生成した字幕の専門用語が間違ったまま公開してしまい、視聴者の方から指摘を受けたことがあります。それ以来、字幕は必ず自分の目で確認するようにしています。
Vrew（ブリュー）
Vrewは、動画を読み込むと自動で字幕を作ってくれるツールで、サイトもアプリも日本語なので、英語のツールに抵抗がある方でも安心です。Final Cut Pro用のXMLやSRTで書き出せるので、2024年10月にはFinal Cut Proとの連携手順を解説しました。個人的には使い勝手はSimon Saysのほうが好みで、2025年2月の時点ではあまり使っていませんでしたが、値段は比較的手頃です。
料金は2026年9月時点で、無料プランが月120分程度の音声認識（2026年4月からクレジット制に移行）、有料は月1,000〜2,000円台からが目安です。2025年11月に値上げもあったので、契約前に公式の料金ページで確認してください。
ClipMagic（クリップマジック）
ClipMagicは、ショート動画向けの動きのある字幕に特化したツールです。2024年11月に試したときは、海外製にもかかわらず日本語の文字起こしは問題ないレベルで、「チャットGPT」「AI」といった言葉も正確に認識されました。ただ、フォントが日本語向けではないので、そこは少し使いづらいと感じました。
2026年9月時点の料金は、年払いでStandardが月10.75ドル（月10本まで・1本3分まで）、Proが月35.34ドル（本数・長さ無制限）で、期間限定価格の表示があります。無料で試せる枠はありますが、条件は料金ページに明記されていません。似た名前の別サービスもありますが、私が使ったのはclipmagic.comのツールです。
今日からできる、自分に合うツールの見つけ方
「結局どれから試せばいいの？」と迷いますよね。私が無料から有料へ移ってきた順番をもとに、4つのステップにまとめます。
ステップ1：まず無料で、自分の声を文字にしてみる
ChatGPTアプリの音声入力、Google AI Studio、ElevenLabsの無料枠で十分に試せます。まずは10分程度の音声で、どのくらい直す必要があるかを体感してください。
ステップ2：同じ音声を2〜3個のツールに通して、固有名詞を見比べる
2025年4月にNottaを検証したとき、私は同じ音声データを複数のツールに通して比べました。見るべきは、あなたの仕事でよく出てくる商品名・専門用語・人名が正しく書き起こされているかどうかです。
ステップ3：字幕が目的なら、手元の編集ソフトの機能から試す
すでに使っている編集ソフトに文字起こし機能があるなら、まずそれを使いましょう。精度に不満が出てから専用ツールを検討すれば十分です。
ステップ4：修正にかかる時間で、有料に切り替えるか決める
有料ツールに払う価値は、「毎回の修正時間×月の本数」で決まります。2024年11月のRimo Voiceの検証では修正が30分から5分に減りました。月に何本も出すなら、その差はすぐに料金を上回ります。
使う前に知っておきたい注意点
便利なツールばかりですが、使い方を間違えると手戻りが増えます。私の経験も交えて3つお伝えします。
固有名詞は必ず自分で確認する。Scribeのように精度の高いモデルでも、いつも完璧ではありません。公開する文章や字幕は、最後に人の目でチェックしてください。同じ間違いが繰り返し出るなら、一括置換で直すと早いです。
音質が精度を決める。雑音の多い場所や、マイクから遠い声は、どのツールでも精度が落ちます。静かな場所で、少しゆっくりはっきり話すだけで結果が変わります。
データの扱いを確認する。顧客との会議や社外秘の内容を扱うなら、音声がどこに保存され、AIの学習に使われるかを確認してください。Rimo Voiceのように「国内保存・AI学習に不使用」と公式に明記しているサービスもあります。
よくある質問
ここまで読んで、まだ迷いが残っている方もいるかもしれません。よくいただきそうな疑問を3つに絞ってお答えします。
無料だけで、どこまでできますか？
収録した音声を文字にするだけなら、Google AI StudioとElevenLabsの無料枠で始められます。会議の記録ならtl;dvの無料プランが録画と文字起こし無制限です。ただし動画の字幕作成は無料版に制限が多く、ここは有料が前提だと考えてください。
日本語の固有名詞に強いのはどれですか？
私が2025年4月までに同じ音声で比べた範囲では、ElevenLabsのScribe（v1）とGoogle AI Studioが英語の製品名まで正確で、Rimo Voiceは日本のビジネス用語に強い、という結果でした。ただ、その後にScribe v2やGemini 3.5 Transcribeなど新しいモデルが出ていて、私はまだ比べ直していません。現行モデルでの比較は、改めて検証した結果を別の記事でお伝えする予定です。
ChatGPTに音声ファイルをアップロードして文字起こしできますか？
2026年9月時点でも、音声ファイルはOpenAIの公式な対応形式に含まれておらず、動くことがあっても公式の機能ではありません。ChatGPTならアプリのマイクで話す方法かRecordモードを使い、録音済みのファイルはElevenLabsやGoogle AI Studioに任せるのが確実です。
まとめ：用途を決めてから、無料で試して、修正時間で判断する
最後に、この記事の要点を整理します。
- 収録した音声・動画の文字起こし：ElevenLabs Scribe、ChatGPTアプリの音声入力、Google AI Studio、Simon Says AI、Notta
- 会議やセミナーの記録：Rimo Voice、tl;dv、Otter.ai
- 動画の字幕作成：DaVinci Resolve Studio、CapCut、Vrew、ClipMagic
私が2024年6月に「ChatGPTやGoogleのAIでの文字起こしはまだ難しい」と書いてから1年ほどで、Google AI StudioやScribeは実用レベルになっていました（2025年4月時点の比較結果です）。一方で、モデルも料金も1年でかなり入れ替わる分野です。この記事の料金はすべて2026年9月時点のものですので、契約前に各社の公式サイトで確認してください。
まずは無料で自分の声を文字にして、修正にかかる時間を測る。そこから有料に進むかを決める。この順番なら、必要以上にお金をかけずに、あなたに合うツールが見つかるはずです。
最後までお読みいただき、ありがとうございました。
関連記事はこちら
この記事がお役に立ちましたら、下のボタンから当ブログを Google の「優先する情報源」に追加できます。
次回から Google 検索で記事を見つけやすくなります。
