AI音声テキスト変換

MP3、M4A、WAV、AAC、OGG、WMA、MPGA と、一般的な映像ファイルの音声トラックに対応しています。スマートフォンの録音アプリ、通話録音、ウェビナーの書き出しは、たいていこのどれかになっているので、変換を挟まずに元のファイルを上げられます。

必要ありません。一般的な形式はそのまま読み取れ、ビットレートを変える必要もありません。先に変換すると、音質が1世代落ち、ディスク上のコピーも1つ増えます。元のファイルを残しておけば、テキストをいつでも同じ音源と突き合わせられます。

言語の判定は文字起こしの前に動き、録音の中で最も多く話されている言語を選びます。短い別言語の区間や、なまりの強い箇所があると判定を誤ることがあるので、結果が合わないときは手動で指定します。まず試すべき対処はこれです。

話者の分離はオプションで、発言ごとにラベルが付きます。2人の通話、フォーカスグループ、1本のマイクで収録したパネル討論も、ラベル付きで返ります。ラベルの名前を変えると、そのラベルを持つすべての発言に反映されるので、最終的なテキストには番号ではなく氏名が残ります。

読むためと引用のためのプレーンテキスト、共有用に整えた文書、字幕が必要な映像に合わせる場合は SRT と VTT があります。長い通話から1つの答えだけを取り出したいときは、エディタから部分ごとにコピーすることもできます。

ページに表示される上限までのファイルに対応し、長い録音も1つのジョブとして扱います。処理時間は容量より長さの影響が大きくなります。音声の長さに上限はなく、500MB 以内なら数時間の会議も一度に送れます。分けて追加したい場合も、区切りごとに送れば大丈夫です。

通話の録音は文字起こしではなく聞き取りやすさを優先して調整されているため、圧縮や音量のむらが含まれます。固定電話や質のよい VoIP の録音はよく通りますが、こもった携帯の通話は修正が増えます。まず人名と数字を確認してください。

すべてブラウザ上で動きます。デスクトップアプリもプラグインもコマンドラインツールも不要で、ファイルは保存されている端末からそのままアップロードします。インストールが制限された業務用の端末でも使えます。