音声文字起こしAIおすすめ｜無料枠と精度を3変数で選ぶ

「音声文字起こしAI おすすめ」を調べて比較表を10個並べた記事にたどり着き、結局どれか決められなかった——その原因は、比較の軸がツール名になっているからです。結論を先に言います。あなたの正解は、①月に何分録音するか ②その音声に顧客情報や取引条件が含まれるか ③1本あたりの長さは何分か——この3変数だけで確定します。ツールの人気順は、この3つを決めたあとの結果でしかありません。

そしてもう一つ、多くの記事が触れていない事実があります。無料枠は「月間◯分」ではなく「1回あたりの上限」で詰みます。たとえばNottaの無料プランは月120分ありますが、1回3分の上限があるため、60分の商談は1本も通りません（Notta料金解説各種／公式pricingで最終確認を推奨）。月間分数だけを並べた比較表は、この時点で実務の役に立たなくなっています。

この記事では、無料枠を「1回あたり上限」「AI学習利用の扱い」まで含めて判定し直した比較表、月間録音時間から人力外注・サブスク・API従量の損益分岐を実数で出した計算、3問で結論に着く分岐チャートを載せます。料金と仕様は変動するため、契約前に必ず公式サイトで再確認してください。

音声文字起こしAI おすすめの結論｜選ぶ順番はツールではなく3変数

ツール名から入ると失敗します。先に決めるべきは「月間録音時間」「機密性の有無」「1本あたりの長さ」の3つで、この順に絞ると候補は自動的に1〜2本まで減ります。

理由は単純で、この3変数それぞれに「機械的に候補を落とす境界線」が存在するからです。機密性の有無は、無料プランの学習利用・保管期間の制約でツール群がまるごと外れます。1本あたりの長さは、無料枠の1回上限で外れます。月間録音時間は、定額と従量の損益分岐で外れます。逆に「日本語精度が高いのはどれか」という問いには境界線がなく、いくら比べても候補が減りません。だから精度比較から入ると決まらないのです。

実際、生成AIの用途として最も多いのがこの領域です。総務省 令和7年版情報通信白書（2025）によると、業務で生成AIを利用している日本企業のうち47.3%が「メールや議事録、資料作成等の補助」に使っています。一方で中小企業は「活用方針を明確に定めていない」が約半数と、大企業に比べて導入判断が遅れている実態も同白書が示しています。方針がないまま無料ツールを触り始めると、あとで機密性の問題に気づいて乗り換える——という手戻りが起きやすい領域です。

以下、3変数の順に判定していきます。

【文字起こし ai 無料】無料枠が“本当に使えるか”比較表

無料枠を比べるときに見るべきは月間分数ではなく「1回あたりの上限」「AI要約の可否」「AI学習利用の扱い」の3列です。ここを見ないと、契約後に「60分の会議が1本も処理できない」ことに気づきます。

下表は、既存の比較記事がほぼ載せていない③⑦⑧の列を加えたものです。判定は「60分の商談を1本、無料で丸ごと文字起こしできるか」で統一しました。

表の読み方を3点補足します。

1. Nottaフリーの月120分は「3分×40回」です。 月間分数だけ見ると十分に見えますが、60分の商談・1時間のインタビュー・90分のセミナーは、いずれも1本も通りません。無料で試せるのは「短いボイスメモの精度確認」までです。

2. Microsoft 365のWord文字起こしは、Teams会議録音に上限が適用されません。 Microsoft公式サポート（2026）によると、Microsoft 365サブスクリプション利用者はアップロード音声を月最大300分まで文字起こしでき、Copilotライセンス保有者は月最大30,000分。この上限はTeams会議の文字起こしには適用されないと明記されています。すでにOffice契約がある事業者は、実質的に月300分の無料枠を持っている状態です。

3. 「無料で長時間」の定番だったCLOVA Noteβは、すでに存在しません。 LINE WORKS株式会社のプレスリリース（2025）によると、CLOVA Noteβは2025年7月に全サービスを終了し、正式版のLINE WORKS AiNoteへデータ移行しました。移行キャンペーン時の月1,000分枠も終了し、現在のフリープランは月5時間・AI要約利用不可・データ保管1年です（LINE WORKS公式 料金解説, 2026）。古い記事の「CLOVA Noteが無料で最強」という記述は、そのまま参照すると失敗します。

【文字起こし 外注 相場】月間録音時間から出す損益分岐計算

月1時間の録音でも、人力外注は定額サブスクの約10倍のコストになります。ここでは変数h（月間録音時間・時間）を使い、3つの方式の月額を実数で並べます。

計算式

• A案：人力外注 ＝ 200円 × 60分 × h（専門業者の単価1分200〜300円の下限で計算／ランサーズ発注ノウハウほか）
• B案：定額サブスク ＝ Notta プレミアム年払い1,185円/月（月1,800分＝30時間まで）、超過はビジネス2,508円/月で無制限
• C案：API従量＋自力整形 ＝ $0.003 × 60h × 150円/ドル ＝ 27円 × h ＋ 整形工数（1時間音源あたり15分 × 自分の時給）

この表から出る結論は3つです。

結論1：人力外注はh＝1でもすでに負けています。 最小ケースの月1時間ですら12,000円で、定額サブスクの約10倍。人力外注が合理的なのは「AIでは許容できない精度が法的・契約的に要求される場合」だけで、コスト理由で選ぶ場面はもう残っていません。

結論2：API従量は「時間単価が低い人」専用です。 h＝60でも課金額は約1,620円と最安ですが、整形工数15時間が乗ります。時給2,000円換算で3万円相当——定額サブスクの12倍です。OpenAIの単価も一本化されておらず、gpt-4o-mini-transcribe 約$0.003/分、whisper-1・gpt-4o-transcribe $0.006/分、リアルタイム系 約$0.017/分と用途で2〜6倍変動します（2026年時点のpricingまとめ／公式pricingページで再確認してください）。つまり自分の時間に値札を付けられる人ほど、C案は選択肢から外れます。

結論3：B案が壊れるのは料金ではなく「回数の壁」です。 定額サブスクは分数では破綻しませんが、要約回数と1回あたり上限で詰まります。LINE WORKS AiNoteのソロプランは年額換算で月1,440円／月10時間ですが、AI要約は月12回（LINE WORKS公式, 2026）。週3本の会議で月12本に達し、月の後半は要約が使えません。定額プランを選ぶときは、月額と分数だけでなく「要約回数」を必ず確認してください。

3問で決まる分岐チャート｜あなたの正解を確定させる

上から順に3問答えるだけで、候補は1〜2本まで絞れます。途中でYESが出たら、その時点で以降の分岐は不要です。

Q1：録音に顧客の個人情報や未公開の取引条件が含まれますか？

• YES → 学習利用なしを明記した有料プラン、または完全オフライン買い切り型へ直行。以降の分岐は不要です。
• 選択肢：完全オフライン処理型ソフト（3,980円・買い切り・PC内で完結）。株式会社マグノリアのプレスリリース（2026年7月21日発売）によると、クラウドへ音声を一切送信せず話者識別まで行い、GPU非搭載のオフィスPCでも実用速度で動作すると明記されています。
• 月額の目安：0円（買い切り3,980円のみ）／有料クラウドなら月1,200〜2,500円
• この選択の弱点：オフライン型はモデル更新が手動で、クラウド勢ほど要約機能が充実していません。処理はPC性能に依存します。
• NO → Q2へ

Q2：1本あたりの長さは30分を超えますか？

• YES → 「1回あたり上限」のある無料枠を、候補から機械的に除外してください（Nottaフリーの3分上限など）。残る無料候補はWord文字起こし（月300分）、iPhoneボイスメモ、PLAUDスターターです。
• NO → Q3へ

Q3：月間録音時間は5時間以内ですか？

• YES → 0円運用が成立します。 iPhoneボイスメモ（オンデバイス処理・分数無制限）＋ Word文字起こし（月300分）の組み合わせで足ります。
• 月額の目安：0円（Microsoft 365契約済みが前提）
• この選択の弱点：AI要約がありません。議事録の要点整理は手動か、別途チャットAIに貼り付ける手間が発生します。
• NO → Q4へ

Q4：要約と話者分離が必要ですか？

• 必要 → 定額サブスク（月1,200〜1,500円帯）。Notta プレミアム年払い月1,185円／月1,800分、LINE WORKS AiNote ソロ年額換算月1,440円／月10時間などが該当します。
• この選択の弱点：要約回数の上限（AiNoteソロは月12回）。会議が週3本を超えるなら上位プランの検討が必要です。
• 不要 → API従量（27円/時間）＋自前整形。
• この選択の弱点：整形工数が1時間音源あたり15分乗ります。時給換算で定額サブスクを上回りやすい点は前章のとおりです。

【文字起こし ai 情報漏洩 安全性】機密音声を扱うときの判断基準

確認すべきは3点だけです。「入力データがAI学習に使われるか」「データ保管期間はどれくらいか」「オフライン処理が可能か」。この3点が、無料プランほど不利になります。

なぜ無料プランほど不利かというと、無料枠の運用コストはどこかで回収される必要があり、その手段としてデータ利用や保管期間の制約が置かれやすいからです。実際、LINE WORKS AiNoteのフリープランはデータ保管1年・AI要約利用不可という制約があります（LINE WORKS公式, 2026）。中小事業者が扱う音声は、顧客名・取引条件・見積金額といった外に出せない情報を含むことが多い——つまり最もリスクが高い層が、最も制約の強いプランを選びやすい構造になっています。

契約前に確認する3項目

1. 学習利用の有無とオプトアウト可否：利用規約の「入力データの取り扱い」項を確認。オプトアウト設定がある場合は、契約直後に設定してください。
2. 保管期間と削除方法：文字起こし後に音声ファイルを手動削除できるか。保管期間が固定なら、その期間中は事業者側にデータが残ります。
3. オフライン処理の選択肢：クラウドに送信しない構成が取れるか。完全オフライン型の買い切りソフト（3,980円・PC内処理／株式会社マグノリア, 2026）や、iPhoneのオンデバイス処理がこれに該当します。

オンデバイス処理の選択肢は2025年に大きく広がりました。iOS 26 / macOS 26 Tahoeで新API「SpeechAnalyzer」が導入され、ボイスメモや通話録音の日本語文字起こしがOS標準機能として動作します（2025年6月）。旧SFSpeechRecognizerより高速で、長時間録音・複数話者にも対応し、サードパーティアプリからも利用可能です。音声を外部に送らずに文字起こしするという選択肢が、追加費用なしで手元にある状態になりました。

録音の同意と証拠能力｜商談を録音する前に知っておくこと

自分が当事者として参加する会話の録音は、盗聴とは法的に区別されます。ただし「録っていい」と「使っていい」は別問題で、実務上は事前告知を推奨します。

弁護士法人ASK川崎の解説（2025）によると、大阪地裁令和5年12月7日判決の整理として、自分が当事者として参加する会話の秘密録音は盗聴とは区別され、民事訴訟では原則として証拠能力が認められるとされています。ただし収集方法・態様や侵害される権利利益によっては、例外的に証拠能力が否定されうる点も同時に示されています。「当事者なら常に問題なし」と単純化するのは誤りです。

実務上の判断としては、次の整理が現実的です。

• 社内会議・自分が参加する打ち合わせ：一言「記録のため録音します」と告げれば、ほぼ問題になりません。告知は法的要件というより、後で関係が悪化するリスクを避けるための実務判断です。
• 社外との商談・取引先との面談：事前告知を強く推奨します。無断録音は法的に即アウトではありませんが、発覚したときの信頼失墜のコストが、議事録の時短効果を上回ります。
• Web会議の自動録画ツール：参加者への録画告知が前提です。ツールが自動で通知を出す設定になっているか、導入時に確認してください。

【文字起こし 精度 比較】精度はツールより録音側で決まる

精度を左右する要因の大半は、ツール選定ではなく録音側にあります。マイク種別・距離・Web会議音声の取り込み方・固有名詞の事前登録——この4点で、同じツールでも結果がまったく変わります。

これはツール提供元自身が案内している内容です。Notta公式サポート（2026）は、文字起こし精度は音声データの質と録音環境に大きく左右されるとし、マイク付きイヤホンや卓上マイクで発話者の声を近接収音することが精度向上の基本だと明記しています。ベンダーが「うちのツールは精度98%」と謳う一方で、サポートページでは「録音環境次第」と説明している——この構造を理解しておくと、精度比較記事の数字に振り回されずに済みます。

精度を上げる4つの実務設定

1. マイクを口元に近づける：PC内蔵マイクから、マイク付きイヤホンか卓上マイクに変えるだけで誤変換が目に見えて減ります。最も費用対効果が高い施策です。
2. Web会議はループバックで取り込む：スピーカーから出た音をマイクで拾い直すと精度が落ちます。会議ツールの録画機能か、システム音声を直接録るループバック設定を使ってください。
3. 固有名詞を事前辞書に登録する：社名・製品名・人名は、辞書登録機能があるツールなら事前に登録します。修正時間の削減効果が最も大きい部分です。
4. 同時発話を避ける：話者が重なった区間は、どのツールでも精度が落ちます。司会が「一人ずつお願いします」と整理するだけで結果が変わります。

精度の合格ラインの目安は、誤変換率5%未満／話者判別精度90%以上とされています（文字起こし精度比較各種）。ただし最終的な評価軸は「自分が修正に何分かけたか」です。ベンダー公称の精度98%は理想条件下の数値で、雑音のある会議室では体感が大きく変わります。無料枠で自分の実際の音声を通し、修正時間を実測してから契約判断をしてください。

【議事録 ai おすすめ】用途別の最適解｜会議以外にも分岐がある

用途が変われば最適解も変わります。議事録だけを前提にしたおすすめリストは、インタビュー記事化・YouTube字幕・商談振り返りには当てはまりません。

議事録目的でツールを選ぶときの注意点を1つ挙げます。「文字起こし」と「AI要約」は別機能で、料金の縛られ方も別です。分数無制限でも要約回数は月12回、というプランが実在します（LINE WORKS AiNote ソロ, 2026）。議事録が目的なら、確認すべきは分数ではなく要約回数です。

用途が2つ以上ある場合、無理に1本へ統合する必要はありません。「社内会議は定額サブスク、取引先の商談はオフライン型」のように、機密性で使い分けるほうが安全かつ安価に収まります。

導入の5ステップ｜最短10分で判定まで進める

導入で失敗する最大の原因は、いきなり重要な会議で使うことです。3〜5分のサンプルで修正時間を実測してから、本番投入してください。

1. 3変数を紙に書く：月間録音時間（時間）／機密情報の有無／1本あたりの長さ。この3つを先に確定させます。
2. 分岐チャートで候補を2本に絞る：前章のQ1〜Q4を通します。ここまで所要5分です。
3. 自分の実音声で3〜5分テストする：普段使う環境（会議室・PC内蔵マイク等）でそのまま録ります。理想条件で試すと本番でズレます。
4. 修正時間を実測する：文字起こし結果を「そのまま人に見せられる状態」にするまで何分かかったかを測ります。この数字だけが本当の精度指標です。
5. 月額 vs 修正時間×時給で判断する：修正30分の削減 × 時給2,000円 ＝ 月1,000円の価値。定額サブスク1,185円と比べれば、課金判断は数字で出ます。

運用に乗せたあとは、「文字起こし→要約→共有」の手順をテンプレート化すると毎回の作業が短縮されます。固有名詞の辞書登録は、最初の1回で済ませておくと以降の修正がまとめて減ります。

よくある質問

Q. 文字起こしAIは無料でどこまで使えますか？ A. 「月5時間以内・機密情報なし・1本30分以内」の範囲なら0円で運用できます。iPhoneボイスメモ（オンデバイス処理・分数無制限）とMicrosoft 365のWord文字起こし（月300分／Microsoft公式, 2026）の組み合わせが現実的です。ただしAI要約は付きません。注意すべきは月間分数ではなく1回あたり上限で、Nottaフリーは月120分ありますが1回3分のため60分の会議は1本も通りません。

Q. 無料で長時間使えたCLOVA Noteはもう使えないのですか？ A. はい。LINE WORKS株式会社のプレスリリース（2025）によると、CLOVA Noteβは2025年7月に全サービスを終了し、正式版LINE WORKS AiNoteへ移行しました。移行キャンペーン時の月1,000分枠も終了し、現在のフリープランは月5時間・AI要約利用不可・データ保管1年です。「無料で長時間」という理由でCLOVA Noteを勧めている記事は、情報が古いと判断してください。

Q. 文字起こしの外注とAI、どちらが安いですか？ A. コストだけならAIが圧倒的です。専門業者の人力テープ起こしは1分200〜300円で、60分＝約12,000円。定額サブスク（Notta プレミアム年払い月1,185円／月1,800分）と比べると、月1時間の利用時点ですでに約10倍の差があります。人力外注が合理的なのは、契約上・法的に高い精度保証が必要な場合に限られます。

Q. 文字起こしの精度が高いのはどのツールですか？ A. 精度は録音環境の影響のほうが大きく、ツール名で断定できません。Notta公式サポート（2026）も、精度は音声データの質と録音環境に大きく左右されるとし、マイク付きイヤホンや卓上マイクでの近接収音を基本として案内しています。実務の合格ラインは誤変換率5%未満／話者判別精度90%以上が目安ですが、最終判断は「自分の音声で修正に何分かかったか」で行ってください。

Q. 商談の録音をAIにかけても情報漏洩は大丈夫ですか？ A. 確認すべきは「学習利用の有無」「保管期間」「オフライン処理の可否」の3点です。無料プランほど制約が強い傾向があるため、顧客情報を含む音声は有料プランか完全オフライン型を選んでください。クラウドに一切送信しない買い切り型ソフト（3,980円・話者識別対応／株式会社マグノリア, 2026）という選択肢も登場しています。

Q. 取引先との打ち合わせを録音してもいいですか？ A. 自分が当事者として参加する会話の秘密録音は盗聴とは区別され、民事訴訟では原則として証拠能力が認められるとされています（大阪地裁令和5年12月7日判決の整理／弁護士法人ASK川崎, 2025）。ただし収集方法によっては否定されうるため、社外との商談では事前告知を強く推奨します。法的な可否より、無断録音が発覚したときの信頼失墜コストのほうが大きいためです。

Q. APIで自作したほうが安くなりませんか？ A. 課金額だけなら最安です。gpt-4o-mini-transcribeは約$0.003/分で、月60時間でも約1,620円（為替150円換算）。ただし整形工数が1時間音源あたり約15分乗るため、月60時間なら15時間＝時給2,000円換算で3万円相当になります。整形を自動化できるか、整形不要な用途（検索用インデックス等）でなければ、定額サブスクのほうが安く収まります。単価も用途で階層化されているため、最新のOpenAI公式pricingで再確認してください。

Q. 日本ではどれくらいの人がAIを使っていますか？ A. 総務省 令和7年版情報通信白書（2025）によると、日本の個人の生成AI利用経験率は26.7%（2023年度の9.1%から急伸）、20代は44.7%です。ただし米国68.8%、中国81.2%、ドイツ59.2%と比べると依然として低い水準にあります。業務利用では日本企業の55.2%が何らかの形で生成AIを使い、うち47.3%が議事録・メール・資料作成の補助に活用しています。文字起こしAIは、生成AI活用の入口として最も導入しやすい領域といえます。

関連記事

• 生成AI社内導入の進め方｜中小企業が月3,000円から始める5ステップ
• 生成AI比較｜選定で失敗しない選び方と用途別おすすめ5選【2026】
• Copilot活用方法7ステップ｜無料版から仕事で使う実践ガイド