ボイスメモを文字起こしする

Appleのボイスメモアプリは、単体で録音を文字起こしします。ただしiOS 18のiPhone 12以降、そしてMacではmacOS SequoiaかつApple siliconの場合に限られます。 その要件の外、そして対応する約10言語の外では、標準の文字起こしはそもそも表示されず、メモの変換はファイルをアップロードして行うことになります。

このガイドは両方の経路を扱います。端末要件は「最近のスマホなら勝手にやってくれる」と流さず、そのまま明示します。さらに、再生できる本物のボイスメモ、その未編集の文字起こし、そして誰も問わない疑問への実測回答も収録しました。アップロード前にメモを圧縮すると、返ってくる結果は変わるのか？

ボイスメモの文字起こし早見表

本物のボイスメモとその文字起こしを聴く

再生してみてください。これは台本を読み上げたものではなく、誰かが考えながら話した本物のボイスメモです。そしてプレーヤーの下にあるのは、このファイルそのものに対する当社パイプラインの未編集の出力です。どの行をクリックしてもその位置に移動できます。

このクリップを選んだのは、*本物のメモらしい乱れ方*をしているからです。話者は「Okay, so…」で切り出し、自分の主張を「I mean, I'm sure the vast majority of people don't use the feature」と途中で遮り、言い終わりを探しながら同じ言い回しを繰り返します。「What a ridiculous idea. What a ridiculous thing to include in the camera app.」

これが文字起こしの正直な姿です。忠実で、句読点が付き、検索できます。そしてまだノートではありません。ノートに変えるのは第2のステップです。

ボイスメモは文字起こしするのか：どこにも書かれない要件

します。しかし「最近のスマートフォンなら自動でやってくれる」は事実ではなく、この差で多くの人がつまずきます。実際の要件は次のとおりです。

最も驚かれるのはMacの要件で、これはApple自身のサポートページにそのまま書かれています。文字起こしにはmacOS SequoiaとApple silicon搭載Macが必要です。最新のmacOSを動かしているIntel Macでも文字起こしは現れません。有効にする設定はなく、切り分けるべき不具合もありません。機能そのものが存在しないのです。

上の表のどれか1行でも該当してしまうなら、アップロード経路へ進んでください。ハードウェア要件がなく、AndroidでもWindowsでも動き、対応言語もはるかに多くなります。

ボイスメモアプリで文字起こしを表示する方法

条件を満たす端末なら、録音がすでにあるべき場所にあるので、これが最短経路です。

1. ボイスメモを開き、録音を選びます。

2. 波形の下の文字起こしアイコンをタップします。iPhoneでは波形部分から上へスワイプすると現れます。

3. 文字起こしを読み、必要な場所へテキストをコピーします。

頼りにする前に知っておくべき制約が2つあります。標準の文字起こしはテキストのみで、移動に使えるタイムスタンプも、話者ラベルも、文書や字幕ファイルへの書き出しもありません。そして全か無かです。言語を手動指定する方法がないため、非対応言語で録音したメモや途中で言語が切り替わるメモは、部分的な結果ではなく何も得られません。

ちょっとした備忘録を読み返すには十分です。インタビュー、講義、時間で引用する必要があるものには足りません。

アプリが文字起こししないメモを変換する

アップロード経路は上記のすべての要件を取り払います。端末の下限も、macOSのバージョンも、Apple siliconも不要で、10言語ではなく99言語に対応します。

1. ファイルを取り出す。 ボイスメモで録音をタップし、共有ボタンからファイルアプリに保存します。`.m4a`が得られます。Androidでは録音アプリから書き出すか共有します。`.m4a`、`.mp3`、`.amr`、`.3gp`のいずれかになるでしょう。

2. 元のファイルをアップロードする。 このページ上部のフォーム、またはアップローダーにドロップします。先に変換しないでください。実測に基づく理由は次のセクションにあります。

3. わかっていれば言語を指定します。一般的な言語の明瞭なメモなら自動検出で十分ですが、訛り、雑音、短い録音では固定指定のほうが確実です。

4. 確認して書き出す。 固有名詞と数字を直したうえで、TXT、Markdown、JSON、または有料プランではDOCX、PDF、SRT、VTTとして取り出します。

AMRと3GPについて： Androidの録音アプリは長年これらのコーデックを使っており、いくつかのオンライン文字起こしサービスはこれらを受け付けず、先にMP3へ変換するよう案内します。当社は`.amr`、`.amr-wb`、`.3gp`、`.3g2`を他の23拡張子とともに直接受け付けるため、変換の手間はありません。

先に再圧縮してはいけない — 理由を実測した

「アップロード前にメモをMP3へ変換しましょう」という一般的な助言は、単に不要なだけではありません。それが実際に何を犠牲にするのかを検証しました。

上のデモの51秒のボイスメモを使い、同じ録音から3つのバージョンを作りました。320 kbpsの原本、96 kbpsのコピー、48 kbpsのコピーです。3つとも同じ設定で同じエンジンに通しました。

ここから3つのことが言えます。自明なのは最初の1つだけです。

圧縮は文字起こしを均等には劣化させません。 ビットレートが6.7倍も開いているのに、文字起こしの4分の3はビット単位で同一でした。品質が落ちるにつれてエンジンが全体的に静かに悪化していく、というわけではないのです。

損傷は、話者がもともと不明瞭だった箇所に集中します。 3つの不一致はすべて0:30から0:38までの8秒の区間に収まっており、そこはまさに話者が文を言いさして言い直す場所です。メモの他の部分は一切動きませんでした。

各ビットレートは、その区間をそれぞれ違うふうに誤読します。 96 kbpsは文として成立しない「So I'm going to can't move it」を生成し、48 kbpsは言いかけの部分をまるごと落としました。再エンコードは予測可能な誤りを足すのではなく、曖昧な箇所のサイコロを振り直すのです。

つまり、スマートフォンが録音したファイルをそのままアップロードしてください。 そして文字起こしを確認するときは、自分が口ごもったと自覚している箇所に注意を割いてください。そこがすべてのバージョンで食い違った場所であり、あなた自身の記憶だけが信頼できる情報源となる場所です。

所要時間：クラウド vs 手元のノートPC

どちらの経路でも動きます。違いはおよそ1桁で、プライバシーのためにローカルツールを勧めるAI生成の助言は、そのコストにほとんど触れません。

0.13×という数字は、デモのクリップで計測したエンジン時間です。51.12秒の音声に対して6.65秒でした。Audacityの倍率は、同プロジェクトがプラグインのモデルサイズごとに公表している値です。1時間の列はそれらのレートからの単純計算であり、実測ではありません。実際のファイルはばらつきますし、クラウドの数値にはアップロード時間が含まれていません。1時間のメモをモバイル回線で送る場合、その時間は文字起こし自体を上回ることもあります。

正直なところ、ローカルの文字起こしは本当に無料で本当にプライベートですが、最大モデルでは午後がまるごと潰れることもあります。内容がそれを要求するときに選ぶべきで、既定の選択肢にすべきではありません。

無料でオフラインで文字起こしする

メモが機密なら——顧客との会話、診療記録、法務案件など——ローカル処理の根拠は価格ではなく、音声が端末から一切出ないことです。

Audacityが無料の経路です。OpenVINO Whisperエフェクトは、OpenAIのWhisperモデルを完全にご自身のコンピュータ上で実行します。Windows、Mac、Linuxに対応し、分数の上限もサブスクリプションも透かしもありません。`base`から`large-v3`までの5つのモデルサイズに加え、話者分離付きのバリアント、そしてWhisperの99言語が使えます。代償は初期設定——プラグインのインストールとモデルのダウンロード——と、上の表にある処理時間です。

TranscribeNext for Macは同じ発想をより手間なく実現します。メモをドラッグするだけで、Apple Silicon上の端末内処理で話者ラベルと書き出し形式付きの文字起こしを行い、指示したときにだけクラウドを使います。

いずれにせよ要点は同じです。機微な録音は、どこにもアップロードしないこと。ここも含めて、です。

無料Webツール比較

各社の公表値、2026年7月時点で確認。内容は変わりますので、依拠する前にご確認ください。

補足を2つ。HappyScribeの無料10分はブラウザツールの中で最も気前がよく、精度の数値も公表しています（「明瞭な音声で最大96%」）。ただしこれはどのベンダーの数値とも同じく、そのベンダー自身の音声で測ったものであり、ツール間で比較できるものではありません。だからこのページは代わりに、確認できるクリップと再現できる検証を公開しています。

そして当社の行も無制限ではありません。無料の5分はプレビューの上限であり、DOCX/PDF/SRT/VTTの書き出しは有料プランにあります。無料アカウントで使えるのはTXT、Markdown、JSONです。

ボイスメモを本当の「ノート」に変える

文字起こしはノートではありません。上のデモがその理由をそのまま示しています。言い直し、フィラー、繰り返しの反復。誰もそれを読み返したくはありません。

確実な順序はまず文字起こし、次に構造化——1ステップではなく2ステップです。

1. メモを文字起こしして、言葉を検索できるテキストとして存在させます。

2. AI要約を使うか自分で削るかして、決定事項・アクションアイテム・未解決の論点へと要約します。

この順序で行うことに意味があります。音声から直接生成した要約は、結果が誤っていたときにどの段階で失敗したのかを隠してしまいます。聞き間違えたのか、意味を取り違えたのかが判別できないのです。文字起こしが手元にあれば、片方ずつ確認できます。

これは「ボイスメモをノートに変える」を単一機能として謳うことへの正直な答えでもあります。それを提供するツールは、この2ステップを続けて実行しているだけです。そう知っていれば、要約が積み上がる前に文字起こしを直せます。

ボイスメモの文字起こしが崩れる場面

ボイスメモは会議とは違う壊れ方をします。たいてい一人で、マイクの近くで、発表ではなく思考をしているからです。

これらはどれも、別のツールを選んでも直りません。直すのは、自分が不明瞭だったと自覚している箇所を読み返すことです。それはワークフローではなく、5秒の習慣です。

検証方法と結果

よくある質問

ボイスメモは録音を文字起こししてくれますか？ 対応ハードウェアであれば可能です。Appleのボイスメモアプリは、iOS 18を搭載したiPhone 12以降、およびApple siliconのMacでmacOS Sequoiaを実行している場合に録音を文字起こしします。Apple自身のサポートページはMacの要件を明確に記載しています。文字起こしにはmacOS SequoiaとApple silicon搭載Macが必要であり、すべての国や地域で利用できるわけではありません。対応言語は英語、スペイン語、ポルトガル語、イタリア語、フランス語、ドイツ語、日本語、韓国語、中国語を含む10ほどです。

旧型のiPhoneやIntel Macでボイスメモを文字起こしできますか？ Apple標準の文字起こしではできません。iPhone 11以前とすべてのIntel Macは、インストールされているiOSやmacOSのバージョンに関わらず要件の外にあります。これらの端末では、メモをファイルとして共有し、ブラウザ上の文字起こしツールにアップロードしてください。こちらにはハードウェア要件が一切ありません。

ボイスメモの文字起こしはどうやって取得しますか？ 対応端末では、ボイスメモで録音を開き、波形の下の文字起こしアイコンをタップしてテキストをコピーします。それ以外の端末では、録音の共有ボタンをタップして.m4aとしてファイルアプリに保存し、そのファイルを文字起こしツールにアップロードします。ブラウザ経由なら、標準の文字起こしにはないタイムスタンプや書き出し形式も得られます。

Androidでボイスメモをテキストに変換するには？ Androidには単一の標準機能がないため、方法は録音アプリ次第です。録音を（多くは.m4a、.mp3、.amr、.3gpとして）書き出すか共有し、文字起こしツールにアップロードしてください。AMRと3GPはツール選びの前に確認する価値があります。いくつかのオンライン文字起こしサービスはこれらを受け付けず、先にMP3へ変換するよう求めます。それは不要な再エンコードを1回増やすだけです。

アップロード前にボイスメモを圧縮すべきですか？ いいえ、元のファイルをアップロードしてください。同じ51秒のボイスメモを3つのビットレートで当社のパイプラインに通しました。320 kbpsの原本、96 kbpsのコピー、48 kbpsのコピーです。12個の文字起こしセグメントのうち9個は3つすべてで完全に一致しました。異なった3個はいずれも、話者が文を言い直す8秒の区間の中に収まっており、各ビットレートがその口ごもりを別々に読み取っていました。圧縮は文字起こしを均等に劣化させるのではなく、もともと不明瞭だった箇所のサイコロを振り直すのです。

ボイスメモの文字起こしにはどれくらい時間がかかりますか？ クラウドでの文字起こしは録音の長さの何分の1かで済みますが、ローカルでの処理は録音の何倍もかかることがあります。当社のパイプラインは51秒のメモにエンジン時間6.65秒、実時間比で約0.13倍でした。AudacityのOpenVINO Whisperプラグインはbaseモデルで実時間の約0.3倍、large-v3で3〜5倍と公表しています。つまり1時間のメモはクラウドなら数分、最大モデルのローカル処理なら数時間になり得ます。

ボイスメモを文字起こしするアプリはありますか？ 対応iPhoneでは、ボイスメモアプリ自体がそのアプリであり、インストールは不要です。それ以外でアプリを入れる価値があるのは2つの場合です。1件ずつではなくすべての録音を自動で文字起こししたいとき、そして録音が機密で、何もアップロードされないよう端末内で処理したいときです。たまに変換するだけならブラウザで十分です。

ボイスメモをメモ（ノート）に変えるには？ まず文字起こしをして、それからテキストを構造化します。考えながら話した内容の生の文字起こしはメモではありません。このページのデモが示すとおり、言い直し、フィラー、繰り返しが含まれます。文字起こしを取得したうえで、AI要約で決定事項とアクションアイテムを抜き出すか、自分で削っていきます。文字起こしと要約は別々の2ステップであり、この順序で行うことが結果を使えるものにします。

無料でオフラインでボイスメモを文字起こしできますか？ できます。AudacityのOpenVINO WhisperプラグインはOpenAIのWhisperモデルを完全にご自身のコンピュータ上で実行します。Windows、Mac、Linuxで無料、分数の上限もサブスクリプションもなく、音声が端末から出ることはありません。引き換えになるのは時間と初期設定です。プラグインをインストールし、モデルをダウンロードし、処理には選んだモデルに応じて録音の約0.3〜5倍の時間がかかります。

ボイスメモはどの音声形式を使いますか？ Appleのボイスメモは.m4aで保存します。Androidの録音アプリはさまざまで、.m4a、.mp3、.amr、.3gpのいずれも一般的です。どれも文字起こし前に変換する必要はありません。TranscribeNextは.amr、.3gp、.3g2を含む27の音声・動画拡張子を直接受け付けるので、スマートフォンが生成したものをそのままアップロードできます。

出典

関連ガイド： 留守番電話をテキストに · M4Aをテキストに変換する方法 · Wordで音声を文字起こしする方法 · 音声を文字起こしできるMacアプリのおすすめ

今すぐボイスメモを文字起こし

お使いのiPhoneが条件を満たすなら、文字起こしはすでにボイスメモアプリの中にあります。録音を開いて上へスワイプしてください。満たさないなら、メモをファイルとして共有し、このページ上部のフォームにドロップしてください。最初の5分はアカウントなしで無料です。アップロードしたくないメモには、TranscribeNext for Macが端末内で文字起こしします。

ボイスメモはM4Aで保存されるので、形式の詳細はM4Aの文字起こしにあります。長いメモを後から辿るにはタイムスタンプ付き文字起こしをご覧ください。