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
Powered by Fish Audio S2
フルオーディオパワーを解き放つログイン
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��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。