要点まとめ（TL;DR）
- ■ 完全無料で十分：文字起こしさん（登録不要）・CLOVA Note（月600分）
- ■ 精度重視・業務向け：VexaScribe・Notta・Otolio（Whisper系で93〜95%）
- ■ プライバシー最優先：Whisperセルフホスト（無料・要技術力）またはEUホストのVexaScribe
- ■ 議事録・会議特化：Otolio・Notta（Zoom/Teams連携あり）
- ■ 対応形式：MP3・M4A・WAV・MP4・MOV・MKV・YouTube URL
AI文字起こしツールの選び方（評価基準）
この比較では以下の4基準で評価しています。「高精度」「無料」「使いやすい」は宣伝文句として氾濫しているため、具体的な数値と条件を示します。
①日本語精度（WER）
Whisper Large-v3のFLEURSベンチマークでの日本語成績と、実務音声での実測値の両方を参照。「高精度」の定義：WER 10%以下（精度90%以上）。
②無料枠の実態
月何分まで無料か、登録が必要か、クレジットカードが必要か。「無料」を謳いながら実質ほぼ使えないサービスは評価を下げています。
③ファイル形式と制限
MP3/M4A/WAV/MP4など主要形式への対応、最大ファイルサイズ、長時間音声（1時間超）への対応可否。
④セキュリティ・データ保管
サーバー所在地（EU/US/JP）、GDPR対応、処理後のデータ削除ポリシー。業務での機密音声は特に重要。
【比較表】AI文字起こしツール7選
| ツール | 無料枠 | 日本語精度 | SRT出力 | サーバー | 価格（月額） |
|---|---|---|---|---|---|
| 文字起こしさん | 登録不要・無制限 | ◯ 良好 | ◯ | JP | 無料〜 |
| CLOVA Note | 月600分 | ◎ 高精度 | × | JP/KR | 無料〜¥980 |
| Notta | 月120分 | ◎ 高精度 | ◎ | US | 無料〜¥1,500 |
| VexaScribe | 30分（登録後） | ◎ Whisper L-v3 | ◎ | EU・GDPR | $2〜/月 |
| Otolio（スマート書記） | 要問い合わせ | ◎ 高精度 | ◯ | JP | ¥2,000〜 |
| Whisper（セルフホスト） | 完全無料 | ◎ Large-v3 | ◎ | 自社 | 無料（技術力要） |
| Google ドキュメント音声入力 | 完全無料 | △ リアルタイムのみ | × | US | 無料 |
※ 価格は2026年8月時点。各サービスの公式サイトで最新情報をご確認ください。精度は音声品質によって大きく変動します。
各ツール詳細レビュー
文字起こしさん
登録不要で音声・動画・画像・PDFに対応。日本語精度は実用レベルで、30分以内の音声なら無料で問題なく使えます。UI はシンプルで、ブラウザから即座にアップロード可能。長時間ファイルや業務での継続利用では制限が出ますが、個人・学生・お試しには最適です。
CLOVA Note
LINE/Naver製の日本語特化サービス。月600分の無料枠は業界最大級で、リアルタイム文字起こし・話者分離・AI要約まで対応。日本語の認識精度が高く、会議・インタビューでの利用に向いています。SRT書き出しには対応していないため、字幕作成が目的の場合は他のツールと組み合わせが必要です。
Notta
Zoom・Teams・Google Meet との連携が充実したビジネス向けサービス。月120分の無料枠、SRT/DOCX出力、AI要約・タスク抽出と機能は豊富です。ただしサーバーは米国にあり、GDPRが厳しい企業では利用に注意が必要です。中規模チームの議事録自動化には有力候補です。
VexaScribe
OpenAI Whisper Large-v3を採用したEU ホストの文字起こしサービス。99言語対応・GDPR準拠・処理後データ削除。30分の無料トライアル（登録後、クレジットカード不要）から始められます。SRT/VTT/DOCX/JSON形式での書き出し、タイムスタンプ付き話者ラベルに対応。機密音声を扱う企業や、多言語ファイルを処理する用途に向いています。デメリット：リアルタイム文字起こしには非対応。Zoom/Teams のネイティブ連携はありません。
Otolio（旧スマート書記）
会議・議事録に特化した国産サービス。Zoom・Teams・Google Meet と連携し、会議中にリアルタイムで文字起こし・話者分離・議事録テンプレート自動生成まで行います。法人向け料金体系で個人利用には割高ですが、社内会議の議事録作成を大量に行うチームには最も実用的な選択肢の一つです。
Whisper（OpenAI・セルフホスト）
VexaScribeを含む多くのAI文字起こしサービスの基盤モデル。オープンソースで完全無料、データが外部に出ないため最高レベルのプライバシーを実現できます。ただしPython環境の構築・GPU（推奨）の用意・コマンドライン操作が必要で、技術的なハードルは高めです。エンジニアや研究者には理想的な選択肢です。
用途別おすすめ
会議・議事録（社内）
Notta / Otolio
Zoom/Teams連携、話者分離、議事録テンプレあり
学術インタビュー・取材
VexaScribe
EUホスト・GDPR・長時間対応・SRT出力
個人メモ・勉強用
CLOVA Note
月600分無料・スマホアプリ対応・リアルタイム
字幕（SRT）作成
VexaScribe / Notta
SRT/VTT形式での書き出しに対応
機密音声・プライバシー重視
Whisper自己ホスト / VexaScribe
データ外部送信ゼロ または EUホスト
初めて試す・無料で十分
文字起こしさん
登録不要・ブラウザのみで即使える
AIで音声を自動文字起こしする方法（3ステップ）
VexaScribeを例に、ファイルアップロードから結果取得までの基本的な流れを説明します。他のサービスも概ね同じ手順です。
音声・動画ファイルをアップロード
MP3・M4A・WAV・MP4など主要形式をドラッグ＆ドロップ、またはYouTube URLを貼り付け。最大5GB・数時間の長時間音声も対応。
言語と話者数を設定
「日本語」を選択。複数話者がいる会議・インタビューでは話者分離をオン。99言語に対応しているため、英語・中国語混じりの音声もそのまま処理できます。
結果を確認・ダウンロード
数分で全文テキスト・タイムスタンプ・話者ラベルが表示されます。TXT・DOCX・SRT・VTT・JSON形式でダウンロード、またはクリップボードにコピー。
よくある質問
AI文字起こしの日本語精度はどのくらいですか？
音声品質によって異なりますが、Whisper Large-v3ベースのサービスでは明瞭なスタジオ音声でWER（単語誤り率）5〜7%台（精度93〜95%相当）が目安です。一般的な会議録音では88〜94%、ノイズが多い環境では78〜88%程度になります。YouTubeの自動字幕（日本語70〜85%）と比べて大幅に高精度です。
無料で文字起こしできますか？
はい。VexaScribeは登録後30分の無料枠があります（クレジットカード不要）。完全無料で使い続けるなら、CLOVA Note（月600分無料）や文字起こしさん（登録不要）が選択肢です。ただし長時間・高精度・SRT出力が必要な業務用途では、月$2〜の有料プランが現実的です。
どのファイル形式に対応していますか？
主要な音声・動画形式に広く対応しています。音声：MP3、M4A、WAV、AAC、OGG、FLAC。動画：MP4、MOV、MKV、AVI、WebM。また、YouTubeのURLを直接貼り付けて文字起こしする機能も利用できます。ファイルサイズは最大5GBまで対応。
リアルタイム文字起こしはできますか？
VexaScribeはファイルアップロード型（録音後に処理）のサービスです。リアルタイム文字起こしが必要な場合は、CLOVA NoteやOtolio（スマート書記）が対応しています。ただし日本語のリアルタイム精度はファイル処理より低くなる傾向があります。
セキュリティ・プライバシーは大丈夫ですか？
VexaScribeはEU（ヨーロッパ）にサーバーを置き、GDPR準拠で運営しています。アップロードされた音声ファイルは処理後に削除され、第三者に共有されることはありません。機密性の高い音声を扱う場合はセルフホスト版Whisperも選択肢ですが、技術的なセットアップが必要です。
話者分離（誰が話したか）の識別はできますか？
VexaScribeでは話者ラベル付きの文字起こしに対応しています。「話者A」「話者B」のように発言者を自動識別します。ただし同性の声が似ている場合や、会議参加者が多い場合（5名以上）は識別精度が下がることがあります。
検証日：2026年8月7日 · Whisper Large-v3の日本語精度はOpenAI公式ベンチマークおよびFLEURSデータセットに基づく目安です
各ツールの料金・機能は変更される場合があります。公式サイトで最新情報をご確認ください