音声テキスト変換AI
話者ラベルと自動タグ付きで、あらゆる音声を瞬時に文字起こし
音声を録音またはアップロードするだけで、数秒でクリアな文字起こしが完了します
AI音声テキスト変換機能
あらゆる音声をリアルタイムで高精度に文字起こし
実際の会話に最適化
インタビュー、会議、ポッドキャストに合わせてチューニング
リアルタイム文字起こし
ライブ音声をリアルタイムで文字起こし
多言語
80以上の言語に対応、言語を自動検出
スマート句読点
自動句読点とフォーマット
話者ラベルとタイムスタンプ
ウェブアプリでは自動タグも付与
プライバシー優先
音声は文字起こしのみに使用され、共有されることはありません
あらゆる音声ファイルをテキストに変換
MP3、WAV、FLAC、M4A、MP4などに対応。事前の変換は不要です。
The Best AI Speech To Text, Free To Start
Long-form transcription, speaker labels, automatic tags and content descriptions in the web app. Free tier included.
よくある質問
Fish Audio の音声テキスト変換AIは、ディープラーニングによるASRモデルで音声を分析します。音素、単語、文の区切りを検出し、句読点付きの整形された文字起こしテキストとして出力します（タイムスタンプの付与も可能）。ウェブアプリでは、話者ラベルと自動タグも追加されます。これが音声テキスト変換ソフトの基本的な仕組みであり、差を生むのはその背後にあるモデルです。
音声認識は80以上の言語に対応しており、なかでも英語、中国語（標準語）、広東語、日本語、韓国語はAPIで最も入念にテストされています。言語は自動で検出され、コードスイッチングを含む多言語音声も手動設定なしで処理できます。文字起こしを別の言語にしたい場合は、文字起こし後に Fish Audio の音声翻訳ツールをお使いください。
精度は音声の品質、背景ノイズ、話者の明瞭さに依存します。クリアな音声であれば Fish Audio は高い精度を実現でき、モデルは複数話者による会話音声に最適化されています。ノイズの多い録音の場合は、まずSAM Audioでファイルを処理して声を分離してください。
はい。Fish Audio の音声テキスト変換AIは、会議全体、講義、ポッドキャストのエピソード、インタビューといった長尺音声にも対応しています。APIでは1リクエストあたり最大20 MB・60分のファイルを受け付け、それより長い録音はチャンクに分割し、セグメントのタイムスタンプを使って結合し直します。
MP3、WAV、FLAC、M4A、OGG、MP4、MOVなど、主要な音声・動画フォーマットのすべてに対応しています。前処理なしでそのままファイルをアップロードできます。未対応のフォーマットの場合は、まず当社のオーディオコンバーターをご利用ください。
はい。Fish Audio では毎月8,000クレジットが付与され、AI音声テキスト変換を無料で利用できます。話者ラベル、自動タグ、タイムスタンプ、SRT・VTT・JSONエクスポートは、すべてウェブアプリの無料枠に含まれています。
音声ファイルをアップロードするか、ブラウザでそのまま録音してください。Fish Audio のAIがリアルタイムで文字起こしし、ウェブアプリが話者ラベル、タイムスタンプ、自動タグを追加します。あとは文字起こしテキストをコピーするか、SRT、VTT、JSONとしてダウンロードするだけです。
音声テキスト変換AIとは、自動音声認識とディープラーニングを使って話し声を文字に変換する技術です。Fish Audio の音声テキスト変換AIはリアルタイムで文字起こしを行い、ウェブアプリでは話者ラベル、タイムスタンプ、自動タグを追加します。コードスイッチングを含む80以上の言語に対応し、主要な音声・動画フォーマットをすべて受け付けます。