動画・音声を99言語で文字起こし
Whisper large-v3が言語を自動で判別し、単語ごとにタイムスタンプを付けます。段落ごとのテキスト、読みやすく区切ったSRT/VTT字幕に加え、希望すれば英語訳も作成します。最大3時間・1GBまで。
Whisper large-v3が言語を自動で判別し、単語ごとにタイムスタンプを付けます。
[0:27] Sure. [0:27] We've learned so much. [0:29] It turns out one of the best places to study the Earth is not actually from the ground, but using the vantage point from space. [0:38] And as you mentioned, NASA has 25 Earth-observing satellites. [0:41] And we can look at and examine and study and better understand so many different things about the Earth's water, energy, and carbon cycles. …
1 00:00:27,288 --> 00:00:29,076 Sure. We've learned so much. 2 00:00:29,076 --> 00:00:35,155 It turns out one of the best places to study the Earth is not actually from the 3 00:00:35,155 --> 00:00:38,160 ground, but using the vantage point from space. 4 00:00:38,160 --> 00:00:41,378 And as you mentioned, NASA has 25 Earth-observing satellites. …テキスト＋SRT · 24 s · Airpic
使い方
動画または音声をアップロード
MP4・MOV・WebM・MKV・MP3・WAV・M4Aなどに対応、最大1GB。言語は指定するか、自動判別のままにします。
Whisperがタイムスタンプ付きで文字起こし
large-v3モデルと音声検出で無音や音楽を飛ばし、単語ごとに時刻を付けます。
テキストと字幕をダウンロード
段落ごとのテキスト（TXT）、YouTubeや編集ソフトにそのまま使えるSRT/VTT、単語単位の時刻付きJSON。1時間後に削除します。
✓ 得意なもの
- マイクに近く、反響の少ない声
- BGMが小さく、はっきりした音声
- 1人または順番に話す会話
✗ 苦手なこと
- 重なり合う声や風の音
- 強く圧縮された通話音声
- 専門用語や固有名詞（必ず確認を）
実測データ
- 17分の動画を、区間ごとのタイムスタンプ付きで約50秒で文字起こししました。 (03-09-2026)
- 「話者を区別」をオンにした3分のインタビューを、100秒で文字起こしして声ごとに分けました。 (19-09-2026)
airpic.appで、GPUが起動済みの状態で計測しました。しばらく使われていなかった場合、最初の処理は起動のために40〜90秒長くかかります。
よくある質問
対応言語は？
Whisperが対応する99言語です。日本語、英語、スペイン語、フランス語、ドイツ語、中国語、韓国語、アラビア語など。言語は自動で判別され、複数の言語が混ざる音声では言語を固定することもできます。
精度はどのくらいですか？
Whisperの大型モデル（large-v3）を使い、無音部分で文章をでっち上げないよう音声フィルターを組み合わせています。音声がクリアでも、間違いは固有名詞、数字、専門用語に集中するため、必ず確認してください。
字幕の形式は？
業界の標準に沿って、1枚あたり最大2行×42文字、最長7秒で、間や句読点で区切ります。YouTube、Premiere、DaVinciにそのまま読み込めます。
翻訳できますか？
はい。「英語訳も追加」にチェックを入れると、英語のTXT・SRT・VTTも作成します（Whisper自体の翻訳機能を使います）。
どのくらい時間がかかりますか？
エンジンが起動済みなら、音声20〜30分あたり約1分です。起動から始まる場合はさらに1〜2分かかります。目安はバーに表示されます。
動画は保存されますか？
いいえ。処理後に削除します。ダウンロードから1時間後、遅くとも24時間以内です。コピーは残しません。
話している人を区別できますか？
はい。「話者を区別」にチェックを入れると、複数の声がある場合、テキストと字幕に「話者1」「話者2」などが付きます。話者の交代がはっきりしているほど正確で、声が大きく重なると同じ人とみなすことがあります。
ダウンロード前に文字起こしを修正できますか？
はい。結果は動画と並んだエディターで開き、文をクリックするとその場面に移動して、テキストを直せます。修正したSRTやTXTをそのままダウンロードできます。
動画の文字起こしは無料ですか？
処理と文字起こしの確認は無料で、登録も不要です。完全版のダウンロードは毎月1回まで無料で、それ以降は期限のないクレジットでお支払いいただきます。サブスクリプションはありません。
動画の文字起こしの関連記事
公開前に字幕をチェック
SRTやVTTを貼り付けるか読み込むだけで、長すぎる行、表示時間の過不足、重なり、空白、読む速さをチェック。処理はブラウザ内で完結し、ファイルは送信しません。
動画に字幕をつける方法
動画に字幕をつける方法を解説。SRTとVTTの違い、インスタやTikTok向けの1行の長さと表示時間、自動字幕の確認手順まで。
その他のツール
320×240 px×4 · 1280×960 px長押しで処理前を表示
元画像背景透過 · 5 s長押しで処理前を表示
1.2 MB208 KB · −83 %長押しで処理前を表示
白黒AIカラー · 3 s長押しで処理前を表示
ノイズあり除去後 · 5 s長押しで処理前を表示
ブレ · 29 px補正後 · 7 s長押しで処理前を表示
スキャン · 1863修復後 · 9 s長押しで処理前を表示
消す前消した後 · 3 s長押しで処理前を表示
動画 · 6:38ドキュメント · 169 s長押しで処理前を表示
長い動画 · 4:009:16ショート · 2 × 31-33 s長押しで処理前を表示
写真動画 · 5秒長押しで処理前を表示
テキスト16:9動画 · 5秒長押しで処理前を表示
480p4K · 20秒長押しで処理前を表示
クリップ9:16 · 字幕付き長押しで処理前を表示
320×240 px×4 · 1280×960 px長押しで処理前を表示