音声・動画の文字起こし - MP4 to Transcript

MP4 や MP3 の音声・動画を自分のパソコン上で文字起こし。タイムスタンプ付きテキストと SRT 字幕を書き出せて、ファイルは一切アップロードされません。

🎬 音声・動画の文字起こし - MP4 to Transcript：自分のパソコンで動画も音声もテキストに この拡張機能は、録音や録画を Chrome の中でタイムスタンプ付きのテキストに変えます。MP4 や MP3 のファイルをドロップすると、OpenAI のオープンソース Whisper モデルがあなたのパソコン上で音声をテキストにします。アップロードは一切なく、利用時間の制限もアカウントもありません。 🚀 音声・動画の文字起こし - MP4 to Transcript の使い方 1. 拡張機能をインストールして、ツールバーから開きます。 2. 音声認識モデルを一度だけダウンロードします（566 MB）。 3. 動画や音声のファイルをドロップするか、選択します。 4. 結果を読み、編集し、コピーまたはエクスポートします。 🔒 パソコンの外に出ない音声の文字起こし オンラインのサイトは録音をサーバーにアップロードします。このツールは WebGPU を使って Chrome の中で処理するので、インタビューや会議、ボイスメモの内容は外に出ません。初回のダウンロードが済めば、オフラインでも動き続けます。 ⭐ 主な機能 ① 99 言語の動画・音声に対応した文字起こし ② すべての行にタイムスタンプ：時刻をクリックするとその瞬間から再生 ③ テキスト、タイムスタンプ付きテキスト、SRT ファイル、VTT ファイルでエクスポート ④ 検索と置換、その場での編集、閲覧用の段落表示 ⑤ 検索できる履歴を、ブラウザ内に保存 🎞 MP4 も MP3 もテキストに：ほかの形式にも対応 MP4 の動画、MP3 の録音、画面録画をドロップすると、拡張機能がファイルから直接少しずつ読み込むため、2 時間の動画でもメモリに収まります。Chrome で再生できるそのほかの音声・動画ファイルも、ほとんどが使えます。MP4 も MP3 も同じ手順でテキストにできます。録音の書き起こしにも動画の文字起こしにも使える、拡張機能として動く文字起こしアプリです。 🎙 この文字起こしツールを使う人 記者や研究者は、サーバーに一言も送らずにインタビューを書き起こします。ポッドキャスターはエピソードをテキストにして、番組の概要欄に使います。Zoom は会議の録画を MP4 で保存するため、チームは Zoom の文字起こしもドロップひとつで済ませ、そこから議事録を書けます。 ⏱ タイムスタンプ付きの文字起こしと字幕 タイムスタンプは最初から付いています。各セグメントに開始時刻があり、クリックするとその位置から録音を再生します。SRT か VTT でエクスポートすれば、そのまま動画編集ソフトやプレーヤーで使えます。ファイルを手元に置いたまま使える、字幕作成ツールのようなものです。動画からも音声からも、同じクリックで SRT ファイルを作れます。 ✍ 編集と修正 🔹 どの行もクリックして、人名などをその場で修正 🔹 「文字起こし内を検索」と「置換」でまとめて修正 🔹 再生速度を遅くも速くも調整 🔹 「テキストをコピー」または「タイムスタンプ付きでコピー」 🔹 「段落（閲覧用）」に切り替えて読みやすく 📊 精度と速度 モデルは Whisper large-v3-turbo なので、AI による文字起こしを 1 行ずつ確かめられます。英語の録音 6 種類で測定しました。ナレーションと雑音の多い音声、決算説明会と会議、ポッドキャストとなまりのある話し方です。 ◆ 単語の誤り率（平均）：8.6% ◆ 同じファイルでのデスクトップ版 Whisper：7.8% ◆ クリアなナレーション：約 2% ◆ Intel Iris Xe グラフィックス搭載のノート PC：音声 1 秒あたり 0.3〜0.6 秒の処理 🔁 長い録音にも対応 途中でタブを閉じても、後でファイルを開き直せば、音声・動画の文字起こし - MP4 to Transcript は止まったところから再開します。グラフィック ドライバーがリセットされても、モデルを読み込み直して自動で続行します。その間、ほかのタブも使えます。 💻 ブラウザで動く文字起こしソフト WebGPU に対応した Chrome 121 以降が必要で、Windows、macOS、ChromeOS で使えます。Whisper Web と同じように動く拡張機能で、自分のファイルを Whisper でテキストにでき、MP3 も MP4 もここひとつで扱えます。 🎯 次に録音をテキストにしたくなったら、このアプリのページを開いてください。うまくいかないときは、「履歴」の下の「うまく動きませんか？お知らせください」を押すと、フィードバック フォームが開きます。 ❓ 音声・動画の文字起こし - MP4 to Transcript は無料ですか？ 💡 はい。アカウント不要、利用時間の制限なし、透かしなしで、無料で音声を文字起こしできます。 ❓ 音声や動画はアップロードされますか？ 💡 いいえ。音声、動画、結果はすべてあなたのパソコンに残ります。ダウンロードするのは音声認識モデルだけで、Hugging Face から一度だけ取得します（566 MB、一部の GPU では 0.76 GB）。 ❓ どの言語に対応していますか？ 💡 英語からスワヒリ語まで、99 の言語です。言語は「自動検出」するか、自分で選べます。精度は言語によって異なり、話者の多い言語で最も高く、話者の少ない言語では低めです。その場合は言語を自分で選ぶと効果があります。 ❓ ボイスメモを文字起こしできますか？ 💡 はい。スマホが保存する M4A ファイルからボイスメモの文字起こしができ、M4A のテキスト化も、どんな録音の書き起こしもドロップひとつです。録音済みファイルを音声認識する機能で、リアルタイムの音声入力ではありません。 ❓ 話者を分けて動画を文字起こしできますか？ 💡 話した内容をタイムスタンプ付きで、ひと続きのテキストとして書き出します。話者の区別はしません。 ❓ 1 つのファイルにどのくらい時間がかかりますか？ 💡 Chrome が使う GPU によって変わります。Intel Iris Xe グラフィックス搭載のノート PC では、30 分のファイルで約 9〜18 分、さらにモデルの読み込みに最大 1 分かかります。 ✨ 音声・動画の文字起こし - MP4 to Transcript：プライベートに、タイムスタンプ付きで、ブラウザの中で