無料文字起こしサイトおすすめ3選｜日本語の精度を同じ音声で実測比較【2026年7月版】
登録不要・無料で使える文字起こしサイト3つに同じ日本語音声（クリア・雑音あり）を聞かせて精度を実測。正解の台本と機械照合したスコアとスクショ付き。ChatGPTで文字起こしできるかも同じ音声で検証した。
結論: 精度の総合1位は Any2Text。 雑音入りの音声でも文字誤り率3.5%と崩れなかった。処理はやや遅く、画面は英語。
とにかく速く・日本語の画面で使いたいなら文字起こしさん。精度はAny2Textに僅差で並び、平均13.3秒で結果が出る。
| 順位 | ツール | 総合 | 精度① クリア音声 | 精度② 雑音あり音声 | 無料枠（実測） | リンク |
|---|---|---|---|---|---|---|
| 1 | Any2Text | 92点（総合スコア） | 88 | 93 | 登録不要・最初の15分無料。MP3/MP4/M4A等対応 | Any2Text を試す |
| 2 | 文字起こしさん | 88点（総合スコア） | 82 | 88 | 登録不要で1音声3分まで無料。無料登録で毎日10分＋画像10枚 | 文字起こしさん を試す |
| 3 | Whisper Web | 20点（総合スコア） | 0 | 0 | 登録不要・無料（1ファイル200MB/20分まで、ローカル処理） |
スコアの算出方法は検証方法を参照。表の数値は検証時点の実測値です。
検証条件
- テストデータ: 自作の日本語録音2本（①静かな室内でのはっきりした読み上げ 52.5秒 ②生活雑音のある環境での読み上げ 46.7秒）。日付・金額・固有名詞を意図的に含む自作台本を、正解テキストとして機械照合した
- 採点: 文字誤り率（CER）。精度スコア = CER 0%で100点、50%以上で0点の線形換算
- 総合スコア: 精度平均80% + 処理速度20%（速度は「音声の実時間以内に処理完了」で満点）
- 検証日: 2026年7月13日。操作はすべてブラウザで実際に実行し、スクショを保存
詳細は検証方法の公開ページを参照。2人会話の話者分離は未検証（テストデータ準備中。次回更新で追加予定）。
各ツールの実測結果
Any2Text
画像はクリックで拡大できます
良かった点（実測より）
- 今回の検証で最高精度。雑音あり音声でもCER 3.5%と崩れなかった
- 登録不要のゲストにも15分の無料枠が付与される（残枠バナーで実測確認）
- m4aをそのままアップロード可能。言語指定（Japanese）も明確
イマイチな点（実測より）
- 処理は平均34.1秒と文字起こしさんの約2.5倍かかる
- 無料枠は分単位の切り上げ消費（52秒の音声で1分消費）
- 「応接室→応戦図筆」など固有名詞の認識誤りは残る
- 画面表示は英語（操作自体は3ステップで単純）
検証メモ:m4aはそのまま受付（変換不要）。ファイル選択で自動アップロード→言語選択（Japanese）→Start Transcriptionで開始。ゲスト（登録不要）でも15分の無料枠が付与され、52秒ファイル1本で1分消費（残14分表示）。サインイン・CAPTCHA壁なし。
文字起こしさん
画像はクリックで拡大できます
良かった点（実測より）
- ファイルを選ぶだけで自動で開始し、平均13.3秒で全文表示（今回最速）
- 登録不要で1音声3分まで無料。サインイン・CAPTCHA要求は一切なし
- 句読点付きの読みやすい整形出力
イマイチな点（実測より）
- 「感謝セール→感謝制度」「駐車場→収支所」など単語の置換誤りがクリア音声でも発生
- 出力の後半で句読点が抜ける傾向（実測出力で確認）
- 未登録の無料枠は1音声3分まで（登録で10分に拡大）
- 結果がサーバー側に履歴として保持される挙動（機密音声には注意）
Whisper Web
画像はクリックで拡大できます
良かった点（実測より）
- 処理が完全にブラウザ内で完結し、音声が外部サーバーに送信されない
- 登録不要・回数制限の表示なし（1ファイル20分/200MBまで）
イマイチな点（実測より）
- デフォルトのtinyモデルでは日本語精度が実用レベルに達しない（CER 55%〜）
- クリア音声で数字の羅列を繰り返すハルシネーションが発生（CER 180%）
- 日本語にはMultilingualトグル＋言語設定が必要（初期状態は英語専用モデル）
- 毎回約150MBのモデルダウンロードが走る（今回実測で約9.5秒）
検証メモ:処理時間はモデルダウンロード時間を除いた値（DL時間は raw.model_dl_sec_by_item に別記録。通常のブラウザ利用ではキャッシュされ初回のみ発生）。設定は Multilingual ON・言語=Japanese・モデルはデフォルトの whisper-tiny。clear-01 では数字の羅列を繰り返すループ出力（挿入エラー）が発生し CER が100%を超えた。
用途別のおすすめ
- 精度最優先・長めの音声 → Any2Text。登録不要で15分まで無料、雑音があっても精度が落ちにくかった。画面は英語だが「ファイルを選ぶ→Japaneseを選ぶ→Start」の3ステップ
- とにかく速く・日本語の画面で → 文字起こしさん。ファイルを選ぶだけで自動で始まり、1分弱の音声が平均13.3秒で文字になる。無料は1音声3分まで
- 機密の音声・外部に送りたくない → Whisper Web。処理がブラウザ内で完結し音声がサーバーに送られない。ただし日本語精度は現状実用レベルではない（下記参照）
今回わかった注意点（公式情報にない実測の発見）
- Whisper Webは日本語設定にしても実用精度が出なかった。初期状態は英語専用モデルのため、Multilingual＋Japanese指定に変更して検証したが、それでもクリア音声で数字の羅列を繰り返すエラー出力（CER 180%）が発生し、今回の精度スコアは0点
- NoteGPTは「Free Online, No Sign-up」表記だが、実際はサインインしないとアップロードできなかった（「Sign In to get 15 free quotas per month」の表示を確認。スクショ保存済み）
- ConvertSpeechの無料枠は1回だけ。1回変換すると「Free Conversions left: 0」になり、アップロード欄自体が消える（このため精度は未採点）
- 文字起こしさんは雑音より「言い間違えやすい単語」に弱い。静かな音声でも「感謝セール→感謝制度」のような単語の置き換えが起きた。日付や数字はほぼ正確
- 両ツールとも雑音あり音声のほうがスコアが高い逆転が起きた。生活雑音程度なら精度への影響は小さく、それより話者の滑舌の影響が大きい
このほか、360Converter（無料枠あり）とwriteout.ai（無料）も候補だったが、当サイトの固定検証手順と相性が悪く今回は対象外とした（360Converterは無料利用時の追加認証、writeout.aiはGitHubログインが必要）。
ChatGPTで文字起こしはできる？（同じ音声で検証した）
結論: できることもあるが、議事録用途にはすすめない。同じ音声2本をChatGPTでも検証した（2026年7月15日、手動実施）。
- 無料版（未ログイン）は音声ファイル（m4a）を添付できなかった（実測）。今回文字起こしができたのは有料のPlus
- Plus（検証時モデル: gpt-5.6-sol）でクリア音声を文字起こしした精度は83点（文字誤り率8.7%）。数値だけなら専用ツールと同等
ただし、誤り方が専用ツールと根本的に違う。
専用ツールの誤りは「感謝セール→感謝制度」のような不自然な単語の置換で、読めば気づける。ChatGPTの誤りは自然な日本語のまま日付や条件が変わるため、読んでも気づけない。「返品は8日以内」も「7日以内」に変わっていた。
さらに検証中に、より深刻な挙動を確認した。
- 2本目の音声を添付したところ、音声を聞き取れていないのにそう言わず、直前のチャットで扱った1本目の内容をそのまま「文字起こし結果」として出力した（新規チャットで2回再現。メモリ機能ON環境）
- メモリの働かない一時チャットで同じ音声を添付すると、今度は「音声内容を直接聞き取れないため、正確な文字起こしはできません。推測で文章を作ることは避けます」と正直に答えた
つまりChatGPTの音声の聞き取りは安定せず、聞き取れないときにメモリがONだと、過去の記憶から文字起こし風の文章を捏造することがある。使うなら一時チャット（メモリOFF）で行い、必ず原音声と突き合わせて確認すること。会議の議事録をそのまま任せるのは危険で、専用ツールで文字起こしした下書きの整形役に使うのが現実的だ。
よくある質問
- ChatGPTで文字起こしはできますか？
- 無料版（未ログイン）では音声ファイル（m4a）を添付できませんでした（2026年7月15日確認）。有料のPlusでは可能な場合があり精度も専用ツール並みですが、聞き取れない箇所を自然な文章に作り変える・聞き取れないときに過去の内容から捏造することがあると当サイトの検証で確認しています。議事録用途にはすすめません。
- 会議の録音など長い音声も無料でできますか？
- 無料枠は Any2Text が15分、文字起こしさんが1音声3分（無料登録で毎日10分）、Whisper Web が1ファイル20分までです。1時間の会議をまるごと無料は、今回検証した範囲では難しいです。
- 2人の会話は話者ごとに分けてくれますか？
- 話者分離は今回未検証です。2人会話のテストデータを準備中で、次回更新で追加予定です。
- アップロードした音声はどうなりますか？
- 文字起こしさんは結果がサーバー側に履歴として残る挙動を確認しました。外部に送りたくない音声は、ブラウザ内で処理が完結するWhisper Webが候補ですが、日本語精度は現状低いです。
- この結果はいつのものですか？
- 2026年7月13日の実測です。毎月同じ音声で再検証し、このページを更新します。