初心者 13 分音声

音声からテキストへの文字起こし:無料、〜なしで 制限

開いたノートパソコンの緑色の光が、暗い机を照らしている。
端的な回答

音声を無料かつ無制限でテキストに文字起こしするには、OpenAI が MIT ライセンスで公開している音声認識モデル Whisper をベースにしたローカルソフトウェア、Buzz または Vibe(Windows、macOS、Linux)をインストールしてください。ファイルはお使いのコンピューター上に残り、アカウントも利用枠もありません。無料のオンラインツールには上限があり、Wave では月30分、Microsoft 365 のサブスクリプションを利用した Word では月300分です(2026年11月18日時点の公式ページ)。

オンラインの文字起こしサービスは短いファイルには便利ですが、利用上限があり、録音データがサービス側に送られます。お使いのマシンにインストールしたソフトなら、何も送信することなく、フランス語の音声を好きなだけ何時間でも文字起こしできます。このガイドでは、用途に応じたツールの選び方、初めての文字起こしの実行方法、結果の確認方法を説明します。

著者 Mohamed Meguedmi·更新 2026-11-18·Windows・macOS・Linuxでテスト済み

#音声を無料かつ無制限でテキストに文字起こしするには?

本当に無料で制限のない音声の文字起こしを実現するには、コンピューターにインストールしたソフトウェアで音声認識モデルをローカルで実行する必要があります。上限となるのはマシンの計算時間だけです。利用時間のカウントも、登録も、ファイルの送信もありません。

自動文字起こし(音声認識、英語では speech-to-text)とは、録音された音声を人工知能モデルによって文字に変換することです。ここで紹介する無料ソフトは Whisper をベースにしています(Vibe は他のモデルにも対応しています)。公式リポジトリによると、Whisper は汎用の多言語音声認識モデルで、英語への翻訳や話されている言語の識別も可能です。OpenAI はコードと重みを MIT ライセンスで公開しており、個人利用だけでなく業務利用も認められています。

Whisperのリポジトリには、ファイルの最大長は記載されていません。ドキュメントによると、文字起こし関数はファイル全体を読み込み、30秒のスライディングウィンドウで処理します。そのため、二時間のインタビューも二分のメモと同じように文字起こしでき、単に時間が長くかかるだけです。

ケース別に選ぶ無料の文字起こし手段(2026年11月18日に公式ページを確認)
ご利用ケース推奨オプションなぜ
機密性のある内容を含まない短いファイル無料のオンラインツールインストール不要だが、月間の利用枠があり、ファイルはサービスに送信される
インタビュー、会議、機密性の高い相談ローカルでBuzzまたはVibeオフラインで文字起こし、利用制限なし、アカウント不要
動画の字幕Buzz(SRT、VTT)または Vibe(SRT、VTT、DOCX など)字幕形式への直接エクスポート
複数の話者Buzz または Vibe(話者識別)どちらのアプリも話者分離に対応するとしています
数十時間、自動処理コマンドラインのWhisperまたはfaster-whisperスクリプト対応、バッチ処理
マイクによるリアルタイム音声入力Buzz(リアルタイム)または Vibe(マイク)インターネット接続なしでのマイク音声の文字起こし

#無料のオンライン音声文字起こし:どのような制限がありますか?

自分だけのAIアシスタントを作るためのキット一式。

私たちの経験とガイド付きルートを活かして、ローカルアシスタントを作り、AIを毎日の作業に取り入れましょう。

  • 永久に利用できるオンラインスペース
  • PDF + ファイル
  • 30日間返金対応

無料のオンライン音声文字起こしツールは、ほぼすべてが処理量に制限を設けており、いずれもファイルを自社サーバーで受け取ります。短く機密性のない録音であれば一時的に役立ちますが、それを超えると利用制限やデータの扱いが障害になります。

Wave
2026年11月18日に確認した Wave の料金ページによると、無料プランでは月 30 分の録音が可能です。無制限の Pro プランは、Web で月額 15 ドルまたは年額 80 ドルです。
Microsoft Word
2026年11月18日に参照したMicrosoftのヘルプによると、Microsoft 365のサブスクライバーは、アップロードした音声を月に最大300分まで文字起こしできます。同じページの注記では、この機能は現在「Commercial Tenants」向けにWindows版Word for Microsoft 365で利用可能とされており、政府機関向け環境はWord for the webに限定されています。個人向けやファミリー向けのサブスクリプションの扱いについては、このページには記載がありません。録音はOneDriveに保存されます。
Google ドキュメント
Google ドキュメントの音声入力は、Chrome、Edge、Safari でマイクに向かって口述するための機能です。Google のヘルプによると、音声認識サービスを制御しているのはブラウザです。このページで説明されているのは口述入力であり、音声ファイルのimport dではありません。
その他の無料サービス
専門サービスの無料枠は頻繁に変更され、料金ページは自動での読み取りをブロックしています。ドキュメントを送信する前に、ファイルあたりの最大時間、1 日あたりのファイル数、録音データの保存について確認してください。

#どの無料の音声文字起こしソフトをインストールすべきか?

コマンドラインを使わずに利用するなら、Buzz と Vibe が最も手軽な無料・オープンソースの音声文字起こしソフトです。ウィンドウを開き、ファイルをドラッグし、テキストを書き出すだけです。Whisper、whisper.cpp、faster-whisper はターミナルの操作に慣れたユーザーに向いています。

無料でローカル動作する文字起こしソフトウェア(2026年11月18日時点の各公式リポジトリに基づく)
ソフトウェアバージョンと日付対応 OSライセンス長所
Buzz1.4.5、2026年8月23日Windows、macOS(Apple Silicon および Intel)、LinuxMITファイル、YouTubeリンク、マイクからのリアルタイム入力、話者識別、監視フォルダー、TXT・SRT・VTT形式でのエクスポート
Vibe3.3.5、2026年11月13日Windows、macOS、LinuxMITファイルの一括処理、話者識別、SRT・VTT・TXT・HTML・PDF・JSON・DOCX へのエクスポート、Whisper・Nemotron 3.5・Parakeet TDT v3 モデル
Whisper(OpenAI)PyPI パッケージ 20250625Windows、macOS、Linux(Python)MIT公式リファレンス、コマンドラインおよび Python
whisper.cpp1.9.5、2026年10月6日Windows、macOS、LinuxMIT依存関係のない C/C++、CPU のみでも動作可能、Mac では Metal、Vulkan
faster-whisperPyPIパッケージ 1.2.1Windows、macOS、Linux(Python)MIT開発者によると Whisper より最大4倍高速

Buzzは、そのリポジトリによると、Whisperを使用してお使いのコンピューター上でオフラインで音声の文字起こしと翻訳を行うデスクトップアプリケーションです。2026年11月18日時点で公開されている最新版のバージョン1.4.5は、Apple Silicon搭載MacとIntel Mac向けに提供されています。リポジトリでは、これがIntel Mac向けの最後のバージョンであり、今後のBuzzにはApple Siliconチップが必要になると注意喚起しています。Windowsではインストーラーが署名されておらず、Windowsが警告を表示します。リポジトリでは、More info、続いてRun anywayをクリックするよう案内しています(フランス語版Windowsでは「Informations complémentaires」、続いて「Exécuter quand même」)。

Vibe はオープンソースの文字起こしアプリで、そのリポジトリでは、データがデバイス外に一切出ない完全オフラインの文字起こしをうたっています。Vibe は Mac Apple Silicon と Intel Mac、Windows、Linux 向けのインストーラーを公開しています。また、QR コードを使ってスマートフォンから録音することもでき、その場合も計算処理はコンピューター側で行われます。

#Buzz または Vibe で音声をテキストに文字起こしするには?

Buzz または Vibe で音声を文字起こしする手順は五つです。公式ページからアプリをインストールし、モデルを選び、ファイルを読み込み、言語を指定して、テキストをエクスポートします。準備には数分かかり、初回はさらにモデルのダウンロード時間が必要です。

  1. 01
    公式アプリケーションをインストールする
    Buzzは GitHubリポジトリに記載されているSourceForgeのリンクから(LinuxではFlatpakやSnap経由でも)、Vibeは公式ダウンロードページからダウンロードしてください。プロジェクトが案内していないミラーサイトは避けてください。
  2. 02
    マシンに合ったモデルを選ぶ
    アプリケーションの設定で Whisper モデルを選択します。small モデルはグラフィックカードのないノートパソコンに適しています。turbo や large はより多くのメモリを必要とします。モデルのダウンロードは一度だけで、その後はオフラインで再利用されます。
  3. 03
    音声ファイルまたは動画ファイルを読み込む
    ファイルをBuzzまたはVibeのウィンドウにドラッグします。どちらのアプリも音声と動画に対応しています。Vibeは複数のファイルをまとめて読み込み、一括処理することもできます。
  4. 04
    言語にフランス語を指定する
    自動検出ではなくフランス語を選択します。言語がわかっているので、録音の冒頭にノイズや音楽が入っていても、言語の誤検出を避けられます。
  5. 05
    エクスポートして見直す
    プレーンテキストならTXT、字幕ならSRTまたはVTT、VibeならDOCXでもエクスポートできます。固有名詞、数字、複数の人が同時に話している箇所は見直してください。

Linux では、Buzz のリポジトリに次の Flatpak インストールコマンドが記載されています。コマンドラインで Whisper を使う場合、公式ドキュメントでは Python パッケージと ffmpeg ツールをインストールしてから、turbo モデルで文字起こしを実行するよう案内されています。

ターミナル(Linux):Buzz をインストールする
flatpak install flathub io.github.chidiwilliams.Buzz
ターミナル:公式 Whisper(Homebrew を使用した macOS)
pip install -U openai-whisper
brew install ffmpeg
whisper audio.flac audio.mp3 audio.wav --model turbo
→
すべて正しく動作したか確認する
文字起こしが成功すると、録音の最初から最後までに沿ったタイムスタンプ付きのテキストが生成されます。冒頭、中盤、終盤から無作為に三か所を聞き比べてください。テキストがずれていたり、同じ文が繰り返し出力されていたりする場合は、より大きなモデルを使うか、言語を指定して再実行してください。

#ローカルで音声を文字起こしするにはどのマシンが必要ですか?

ローカルでの音声文字起こしは、グラフィックカードのない一般的なコンピューターでも動作します。whisper.cpp は CPU のみでの推論に対応しているとしており、small モデルに必要なメモリは1 GB未満です。グラフィックカードや Apple Silicon 搭載の Mac を使うと、待ち時間が大幅に短くなります。

Whisper の各モデルに必要なメモリ(openai/whisper リポジトリ(GPU)および whisper.cpp リポジトリ(RAM)による)。相対速度は OpenAI が A100 カードで英語を対象に測定したもの
モデルパラメータopenai/whisper使用時のVRAMwhisper.cpp 使用時のメモリ公表されている相対速度
tiny39 M約1 GB約273 MBlarge の約10倍
base74 M約1 GB約 388 MBlarge の約7倍
small244 M約 2 GB約 852 MBlarge の約 4 倍
medium769 M約5 GB約2.1 GBlarge の約 2 倍
large1 550 M約 10 GB約 3.9 GBリファレンス
turbo809 M約6 GB未公表large の約8倍

所要時間の目安として、faster-whisper のリポジトリでは13分の音声を使ったベンチマークが公開されています。Intel Core i7-12700K プロセッサ(8 スレッド)で small モデルを使用した場合、openai/whisper は 6分58秒、whisper.cpp は 2分05秒、int8 の faster-whisper は 1分42秒かかります。NVIDIA RTX 3070 Ti 8 GB カードで large-v2 モデルを使用した場合、fp16 の faster-whisper は 1分03秒かかります。これらの数値は faster-whisper の作者が以前のバージョンのツール(faster-whisper 1.1.0、whisper.cpp 1.7.2)で計測・公開したものです。実際の所要時間はお使いのマシンと録音内容によって異なります。

Mac Apple Silicon では、whisper.cpp は Metal を介してグラフィックチップで計算を行い、Core ML 向けにビルドすれば処理の一部を Neural Engine に任せることもできます。PC では、NVIDIA のカードでは CUDA による高速化が使われます。Buzz は、内蔵 GPU を含むその他のほとんどのカード向けに Vulkan にも対応するとしています。両者を混同しないでください。CUDA の設定は Mac には適用されません。

#フランス語の音声文字起こしは信頼できますか?

フランス語の音声文字起こしは Whisper の多言語モデルでサポートされていますが、品質は言語、モデル、録音によって左右されます。公式リポジトリ自体も、Whisper の性能は言語によって大きく異なると明記しています。フランス語はモデルの公式対応言語リストに含まれています。

モデル
OpenAI によると、turbo モデルは large-v3 の最適化版で、精度の低下をごくわずかに抑えつつ高速化されています。翻訳用にはトレーニングされていないため、英語への翻訳には medium または large を使用してください。
言語の強制指定
公式ドキュメントでは --language オプションの例として --language Japanese が示されています。フランス語の録音では French を指定するか、Buzz または Vibe でフランス語を選択してください。
収音
話者の近くにマイクを置き、BGMのない環境で録音すると、モデルにより明瞭な信号を渡せます。Buzzには、ノイズの多い録音向けに、文字起こし前に音声を分離する機能があります。
固有名詞と略語
人名、ブランド名、略語は誤りが起きやすい箇所です。特に配布予定の議事録では、これらを重点的に見直してください。
i
公称値、公開値、実測値
本ガイドに記載している速度とメモリの数値は、各プロジェクト自身が公表しているものです。本ガイドのための検証は一切行っていません。品質が用途に十分かどうかは、ご自身のファイルを実際に聞いて確認することでしか判断できません。

#ローカルの文字起こしソフトを使っても、オンラインに送信されるものは何ですか?

ローカルの文字起こしソフトでは、音声とテキストはコンピューター上にとどまりますが、一部の付随機能はインターネットに接続します。これらを把握しておけば、機密性の高いファイルを確実にオフラインで処理できます。

モデルのダウンロード
初回起動時に、選択したモデルがダウンロードされます。その後の文字起こしにはネット接続は不要です。
動画サイトのリンク
Buzz と Vibe は、リンクから YouTube 動画を文字起こしできます。この場合、アプリはまずインターネットから動画をダウンロードし、その後ローカルで文字起こしを行います。
Vibe の要約機能
VibeはClaude APIによる要約機能を備えていますが、これはオンラインサービスであり、文字起こしのテキストが送信されます。同じソフトウェアのOllamaオプションでは、分析はローカルで行われます。
自動更新
Vibe は自動アップデートをうたっており、その際に開発元のサーバーへ接続します。アップデートはお使いのファイルには関係しませんが、ネットワークから完全に隔離された端末ではアップデートを受け取れません。
Word と OneDrive
一方、Wordの文字起こし機能は録音をOneDriveに保存します。また、Microsoftは処理時間がインターネット接続の速度に左右されると注意しています。機密性の高いインタビューには避けるべきです。
!
他人を録音する
ローカルツールで守れるのはファイルであり、録音に関する法的な枠組みまでは守れません。会議やインタビューの前には録音対象者に知らせ、文字起こしも音声と同じく慎重に保管してください。
よくある質問
登録不要で無料の音声文字起こしはありますか?+
はい。Buzz と Vibe はアカウントなしでインストール・利用でき、コマンドラインの Whisper も同様です。この場合、音声の文字起こしはお使いのコンピューター上で、無料かつ利用枠なしで行われます。オンラインの登録不要サービスは、一般に文字起こしできる時間やファイル数に制限があります。
ローカルでの音声文字起こしは本当に無制限ですか?+
ローカルでの音声文字起こしには分数の利用枠がありません。唯一の制約は、お使いのマシンの計算時間とディスクの空き容量です。Whisper は音声を 30 秒単位のウィンドウで処理するため、数時間に及ぶ録音でも手動で分割せずに文字起こしでき、単に時間が長くかかるだけです。
音声をリアルタイムで文字起こしできますか?+
はい。Buzz はマイク音声をリアルタイムで文字起こしでき、イベント中に表示するためのプレゼンテーションウィンドウも備えています。Vibe もマイク音声とシステム音声を文字起こしできます。ライブ音声認識には、オフラインで使える別の選択肢として Vosk もあり、当サイトの専用ガイドで紹介しています。
一時間の音声の文字起こしにはどれくらい時間がかかりますか?+
所要時間はモデルとマシンによって異なります。faster-whisper が公開しているベンチマークでは、13 分の音声に対し、Intel Core i7-12700K 上で small モデル(int8)を使うと 1分42秒、RTX 3070 Ti 上で large-v2 を使うと 1分03秒でした。単純な比例計算(60 ÷ 13 ≈ 4.6)では、同等のマシンで一時間の音声にそれぞれ約 8 分と 5 分かかる計算になります。これは推定値であり、公表された計測値ではありません。
Whisper、Buzz、Vibeは業務で使えますか?+
はい。Whisperはコードと重みをMITライセンスで公開しており、BuzzとVibeもMITライセンスなので、商用利用が認められています。機密データの場合、ローカルで文字起こしすれば録音を外部の事業者に送らずに済みます。ただし、録音される人の同意は引き続き必要です。
音声を文字起こしするにはグラフィックカードが必要ですか?+
いいえ。whisper.cppによると、Whisperのsmallモデルは1 GB未満のメモリでCPUのみで動作します。NVIDIA のグラフィックカードや Apple Silicon搭載のMacがあれば文字起こしが速くなり、turboも快適に使えます。turboはopenai/whisperで約6 GBのビデオメモリを必要とします。

#情報源と 2026 年 11 月 18 日の検証

記載したバージョン、ライセンス、機能、必要メモリ量、利用枠は、2026年11月18日に各プロジェクトの公式リポジトリおよび開発元のヘルプページ・料金ページで確認したものです。オンラインサービスの利用枠やソフトウェアのバージョンは随時変更される可能性があります。

このガイドは役に立ちましたか?

ご意見、誤りのご指摘、補足はありますか?ぜひお知らせください。皆さんにとってより良いガイドにするために役立ちます。