音声テキスト変換
ブラウザで音声メモ、会議、音声ファイルをクリーンなテキストに変換。プライベートで多言語対応。
要点と仕様
主要な処理はこのブラウザ内で実行されます。開始前に対応形式、公開済みの上限、必要なモデル取得量を確認してください。
- 入力
- マイク、WAV、MP3、M4A
- 出力
- テキスト
- 処理場所
- この端末のブラウザ内
- モデルの対応言語
- 100 言語 — 言語選択メニューを参照
- 必要時のモデル取得
- 99 MB
- 最終確認
画面の言語とモデルの処理言語は別です。認識や発音の品質は言語によって異なるため、結果を確認してください。
変換の準備ができました。マイクをタップするか音声ファイルをアップロードしてください。
sherpa-onnx WASM最初の文字起こし時のみ、録音または音声アップロードの開始後に約127MBの音声エンジンとモデルをダウンロードします。
タップして録音
または音声ファイルをアップロード
文字起こし結果
変換されたテキストがここに表示されます。マイクに明瞭に話すか音声ファイルをアップロードしてください…
ブラウザで音声を文字起こしする手順
Aivikoの音声テキスト変換（STT）は、マイク録音やWAV・MP3・M4A音声ファイルをサーバーへ送信せず、ブラウザ内で編集可能なテキストへ文字起こしします。99言語に対応する多言語Whisper tiny（int8）モデルとsherpa-onnx WebAssemblyエンジン（初回実行時にモデル約104MB、ランタイム込みで約127MBを取得しキャッシュ）をローカル実行します。
1. 話し言葉の言語または自動検出を選択
日本語、英語、韓国語など音声の言語を指定するか、自動検出（Auto detect）を選びます。
2. マイク録音またはWAV・MP3・M4Aを選択
マイクで話すか音声ファイルを選ぶと、初回のみ約127MBのエンジンとモデルを取得しブラウザ内で認識を開始します。
3. 内容を確認してコピーまたはTXT保存
固有名詞や数値を元の音声と照らし合わせて確認し、テキストのコピーやTXTファイルとして保存します。
対応フォーマットと主な機能
- MP3、WAV、M4A音声ファイルのローカル文字起こしとブラウザでのマイク録音入力
- 99言語と自動言語検出に対応する多言語Whisper tiny（int8）音声認識モデル
- 音声サンプルを端末内に留める分離されたWebAssemblyワーカー処理
- ボイスメモや会議メモの下書きに便利なワンクリックコピーとTXTダウンロード
モデルの特性と制限事項
- ブラウザでの高速動作と取得サイズ（モデル約104MB）を重視したWhisper tinyモデルのため、出力は下書きとしてご確認ください。
- 周囲の雑音、複数人の同時発話、専門用語や人名では誤変換が起きやすいため、重要な用途では元の録音と照合してください。
- タイムコード付きのSRT/VTT字幕や動画ファイル（MP4・MOV・WebM）の文字起こしには「字幕ジェネレーター」をご利用ください。
関連する音声・動画ツール
音声テキスト変換に関するよくある質問
録音データやMP3ファイルはサーバーへアップロードされますか？
いいえ。音声のデコードと認識処理はブラウザ内で完結し、音声データがAivikoサーバーに送信されることはありません（初回のみ約127MBのエンジン・モデル取得通信が発生します）。
動画ファイルや時間付きのSRT字幕には対応していますか？
このツールはプレーンテキスト出力専用です。動画ファイル（MP4、MOV、WebM）やタイムコード付きSRT・VTT字幕が必要な場合は字幕ジェネレーターをお使いください。
認識精度を上げるコツはありますか？
自動検出ではなく話されている言語を明示的に選択し、雑音の少ないクリアな音声ファイルを使用すると誤認識を減らせます。
使用前の確認
製品情報の確認: Aiviko Team処理場所
選択した入力はブラウザ内で処理され、Aivikoの処理サーバーにはアップロードされません。
通信する可能性があるもの
コード、フォント、ランタイム、機械学習モデルを取得する場合があります。分析と広告はプライバシー・Cookieポリシーの選択と条件に従ってのみ読み込まれます。
結果と制限
速度、精度、実用的な最大サイズは入力、ブラウザ、端末により異なります。重要な判断に使う前にガイドをご確認ください。