Windows 2026向けベスト無料文字起こしソフトウェア
文字起こしソフトウェアは2026年に品質の閾値に達し、無料のオプション — 特にオフラインのもの — が年に数百ドルかかるツールと真に競合するようになりました。単に明らかな選択肢に思えたからクラウドサービスに支払っているなら、この比較はあなたの考えを変えるかもしれません。
この記事ではWindowsユーザー向けの最も関連性の高い6つの文字起こしオプションを取り上げます：それぞれが得意とすること、不足している点、各ツールの精度とプライバシーの状況、そしてローカルAIベースの文字起こしが価値の方程式をどのように変えたか。最後には、実際のワークフローに適したツールについて明確な全体像がわかるでしょう — 会議を文字起こしするか、音声で書くか、動画にキャプションをつけるか、ストリームやゲームセッション中にライブ音声テキスト変換を実行するかにかかわらず。
要約
- ローカルWhisperベースの文字起こしはオフラインで動作し、オーディオをプライベートに保ち、mediumからlargeのモデルサイズでクラウドの精度に匹敵するか上回る
- Google ドキュメント 音声入力はカジュアルなライブ口述向けの最も簡単なゼロインストールオプション — しかしファイルアップロードなし、オフラインモードなし
- Otter.aiは会議文字起こし向けの最も洗練されたクラウドツール；無料ティアは300分/月に制限
- Dragon NaturallySpeaking（Nuance）は長年の口述精度の王者だが、200ドル以上かかりほとんどのユーザーには過剰
- Windowsユーザーでライブ文字起こしとボイスチェンジャー、ノイズ抑制、サウンドボードを1つのアプリで欲しい場合、VoxBoosterはWhisperをローカルで使用し、データはマシンから出ません
- プライバシーに配慮したワークフロー（法律、医療、機密会議）はデフォルトでオフライン専用ツールを使用すべきです
文字起こしソフトウェアとは何ですか？
文字起こしソフトウェアは話された音声 — マイク、オーディオファイル、またはビデオから — を書かれたテキストに変換します。技術レベルでは、音響信号を音素、単語、句読点にマッピングする音声認識モデルを実行します。最も古いカテゴリーはコマンドアンドコントロール口述（「カンマ」と言うとカンマが挿入される）です。現代のAIベースの文字起こしは異なる動作をします：言語を文脈的に処理し、句読点を推論し、文脈内で同音異義語を修正し、フィラーワード、修正、重複するアイデアを含む自然な話し言葉を処理します。
Windowsユーザーにとって最も重要な実践的区別はライブvsファイル文字起こしとローカルvsクラウド処理です。これらの2つの軸が速度、精度、プライバシー、コストについてのほぼすべてを決定します。
ライブvsファイル文字起こし：どちらが必要ですか？
ライブ文字起こしはあなたが話す際にリアルタイムで動作します — 口述、ストリームや会議のキャプション、またはオンスクリーン字幕の生成に有用です。ファイル文字起こしは既存の録音を処理します — インタビュー、ポッドキャスト、講義、またはボイスメールを後から文字起こしするのに有用です。
ライブ文字起こしの制約： モデルは到着するのと同じ速さでオーディオを処理する必要があり、これは通常より小さく速いモデルバリアントを使用することを意味します。完全なファイルに時間をかけられるバッチ処理ツールと比べて、固有の精度のトレードオフがあります。
ファイル文字起こしの利点： リアルタイム制約がないため、より大きく正確なモデルを実行できます。最初のパスで何かを見逃した場合は、異なる設定で再実行することもできます。バッチモードのほとんどのWhisperデプロイメントはこのためにlargeまたはlarge-v3モデルを使用します。
一部のツール — VoxBoosterを含む — は両方のモードをサポートします：使用中のライブ文字起こしと事後のファイル処理で、タスクごとに精度とスピードのバランスを選択できます。
比較テーブル
| ツール | ライブ | ファイル | オフライン | 無料ティア | 言語 | プライバシー |
|---|---|---|---|---|---|---|
| VoxBooster（Whisperローカル） | あり | あり | あり | 3日間トライアル | 99以上 | 完全（ローカル） |
| OpenAI Whisper CLI | なし | あり | あり | 無料/オープンソース | 99以上 | 完全（ローカル） |
| Google ドキュメント 音声入力 | あり | なし | なし | 無料 | 約70 | クラウド |
| Otter.ai | あり | あり | なし | 300分/月 | 英語、限定 | クラウド |
| Dragon NaturallySpeaking | あり | あり | あり | なし | 約50 | 完全（ローカル） |
| Windows 11 Voice Access | あり | なし | あり | 無料（内蔵） | 約20 | 完全（ローカル） |
注：「言語」はUIの言語ではなくサポートされる認識言語を指します。クラウドツールはプロバイダーサーバーにオーディオを送信します。オフラインツールはすべてをローカルで処理します。
OpenAI Whisper：すべてが比較される基準
2022年末以来文字起こしの分野を追ってきたなら、OpenAIのWhisperモデルが状況を変えたことをご存知でしょう。Whisperは680,000時間の多言語オーディオでトレーニングされたオープンソースの自動音声認識モデルです。large-v3モデルは多くの言語やオーディオ条件でプレミアムクラウドサービスと競合するか、それを上回る単語エラー率を定期的に達成します。
Whisperの生のCLIはコンシューマー製品ではありません。Python経由でインストールし、ターミナルから実行し、テキストファイルを出力します。GUI、ライブモード、オーディオルーティングはありません。開発者や研究者には非常に有用です。ドキュメントを口述したり録音をキャプションしたりしたい一般的なWindowsユーザーにとって、ハードルは現実的です。
Whisperが証明したのは、ローカルAI文字起こしが実行可能だということです。精度はあります。問題となったのは：誰がその上に使いやすいソフトウェアを構築するかでした。
モデルサイズとその意味
Whisperには5つのサイズがあります：tiny、base、small、medium、large（large-v2とlarge-v3バリアントを含む）。違いは重要です：
- Tiny / Base： 速く、低RAM、CPU上でリアルタイムに使用可能。アクセントやノイズでの単語エラー率は顕著に高い。
- Small / Medium： 良いバランス。MediumはリアルタイムGPU使用の実践的な選択肢です。
- Large / Large-v3： 最高精度。数GBのVRAMが必要。CPU上ではリアルタイムではない — ほとんどのハードウェアではバッチ使用のみ。
VoxBoosterはWhisperを内部的に使用し、ハードウェアに基づいて適切なモデルサイズを実行します。モデルの重みはマシンにローカルに保存および処理されます。特定のモデル設定についてはVoxBoosterの文字起こし機能をご覧ください。
Google ドキュメント 音声入力：ベストゼロインストールオプション
Google ドキュメント 音声入力はGoogle ドキュメントに組み込まれており（ツール → 音声入力）、WindowsのChrome上でソフトウェアのインストールなしに動作します。英語の短〜中程度のドキュメントのカジュアルな口述には、本当に優れています — 自動句読点付きの自然な話し言葉、フォーマット用の音声コマンド、ほぼゼロのレイテンシー。
得意なこと：
- ゼロセットアップ。Gmailアカウントがあれば、すでに使えます。
- 英語の会話フレーズを自然に処理します。
- 明確なマイク入力での合理的な精度。
- 無料で使用上限なし（通常のGoogleアカウント制限内）。
できないこと：
- ファイルアップロードなし。ライブでのみ口述でき、録音を文字起こしできません。
- オフラインモードなし。インターネット接続が必要です。
- 再度クリックするまで約60秒の一時停止後に聴くのを止めます。
- 英語以外の精度はWhisperと比べて大幅に落ちます。
- オーディオはGoogleのサーバーで処理されます。
クイックノートの書き込みや短いドキュメントの下書きには、最も簡単な出発点です。プライバシーに配慮した、多言語の、またはファイル文字起こしが必要なものには適切なツールではありません。
Otter.ai：会議文字起こし向けベストクラウドツール
Otter.aiは意味のある無料ティアを持つ最も機能豊富なクラウド文字起こしサービスです。無料プランでは月300分の文字起こし、自動生成された会議サマリー、トランスクリプト全体でのキーワード検索、複数の話者がいる会話での話者ダイアリゼーション（誰が何を言ったかのラベリング）が得られます。
無料ティアの制限：
- 月合計300分（約5時間の会議）
- 無料ティアでは手動のコピー＆ペーストなしにWord/PDFへのエクスポートなし
- 文字起こしはクラウドで行われます — オーディオはマシンを離れます
- オフラインモードなし
Otterは月に数回の会議を録音し、ローカルで何も設定せずに検索可能なトランスクリプトが欲しい人には本当に有用です。統合を通じて電話会議やZoom録画をうまく処理します。
プライバシーモデルが主な懸念です。Otterはオーディオとトランスクリプトをサーバーに保存します。利用規約ではコンテンツを製品改善のために使用することが許可されています（オプトアウト可能）。機密ビジネス会議、法的会話、または医療相談では、サードパーティのクラウドサービスにオーディオを送信することはプライバシーポリシーの慎重な確認を保証します。
Dragon NaturallySpeaking：歴史的な精度リーダー
Nuance Dragon（現在Dragon Professional）は20年以上にわたって高精度プロフェッショナル口述の標準でした。マシンでローカルに動作し、名前や専門用語のカスタム語彙トレーニングをサポートし、Microsoft WordとOutlookとの強力な統合があります。
2026年に関連性が低い理由：
- Dragon Professionalはエディションによって200〜500ドルかかります。
- Whisper large-v3は今やコストやトレーニング時間なしに一般的な文字起こしでのDragonの精度に匹敵するか上回ります。
- Dragonは声に適応するためのトレーニング期間が必要です；Whisperはすぐに動作します。
- 単一インストールでの多言語サポートなし。
Dragonはカスタム用語、深いWord統合、数十年の洗練が重要な特定のプロフェッショナルワークフロー — 特に法律および医療口述 — にはまだ意味があります。ほとんどのユーザーにとって、価格対精度の比率は無料のWhisperベースの代替と比較してもはや正当化されません。
Windows 11 Voice Access：内蔵オプション
Windows 11（22H2以降）にはVoice Accessが含まれています。これはオフラインで動作する完全な音声制御システムで、その機能の1つとして口述が含まれています。デバイス上でローカルの音声モデルを実行し、クラウドでオーディオを処理せず、基本的な口述と組み合わせたコマンドアンドコントロールのWindowsナビゲーションに対して本当に能力があります。
強み：
- 完全に無料でWindows 11に内蔵
- 完全にオフライン — クラウド接続不要
- 口述と組み合わせたハンズフリーWindowsナビゲーションに優れている
- プライベート：何もデバイスを離れません
制限：
- 認識精度はほとんどのベンチマークでWhisper medium/largeを下回る
- 約20のUI言語がサポートされており、Whisperの99以上と比較
- ファイル文字起こしモードなし — ライブのみ
- Windows 11のみ、Windows 10では利用不可
Windows 11を使用しており、何もインストールせずに基本的な口述が必要なだけなら、Voice Accessを最初に試す価値があります。アクセントのある音声、英語以外の言語、またはファイル文字起こしの精度には、Whisperベースのツールが明らかに優れています。
ローカルWhisperベースの文字起こしがプライバシーで勝つ理由
すべてのクラウド文字起こしサービスは、あなたが制御していないサーバーにオーディオを送信します。これは妄想的な懸念ではありません — テクノロジーの仕組みがそういうものです。Otter.aiで会議を録音すると、そのオーディオはOtterのクラウドに移動し、処理され、結果のトランスクリプトと（多くの場合）オーディオ自体が保持ポリシーに従って保存されます。
ほとんどのカジュアルなユースケース — 書いているポッドキャストの文字起こし、買い物リストの口述 — これは問題ありません。機密性の高いものについては、本当のリスクがあります：
- 法的会話や弁護士とクライアントの議論
- 医療相談や患者記録
- ビジネス交渉や機密財務データ
- セラピーセッションや個人録音
自分のハードウェアでのローカル処理は、オーディオがマシンを決して離れないことを意味します。Whisperは完全な認識パイプラインをローカルで実行します — APIコールなし、アップロードなし、サードパーティストレージなし。これはDragonと同じプライバシーモデルですが、コストなしです。
VoxBoosterのWhisper統合はこれをさらに進めます：モデルの重みは一度ダウンロードされ、ローカルで実行され、初期設定後はソフトウェアが完全にオフラインで動作します。マイクからのものや文字起こしされたテキストは何もどこにも送信されません。
完全な機能セットのコンテキストでのVoxBoosterの文字起こし
VoxBoosterは主にボイスチェンジャーとAI音声クローンツールとして知られていますが、文字起こし機能は完全な実装です — マーケティングのチェックボックスではありません。現実的なワークフローでの位置づけを示します：
ストリーミング / コンテンツ制作： ストリームを実行したりビデオを録画したりしています。VoxBoosterはすでに声のエフェクトのためにマイクを処理しています。同じオーディオフィードがローカルWhisper経由で同時に文字起こしされ、2つ目のアプリケーションを開かずにリアルタイムキャプショントラックまたはセッション後のトランスクリプトが得られます。
作業中の口述： 話しながらより速く書きたいと思っています。VoxBoosterはバックグラウンドで実行され、アプリケーション間を切り替える間にクリップボードまたはテキスト出力ウィンドウに文字起こしします。完全にオフラインで、インターネット接続不要。
ファイル文字起こし： 会議やインタビューをオーディオファイルとして録音しました。VoxBoosterのファイル文字起こしパネルにドロップすると、テキストファイルが返ってきます。Whisperモデルは中級GPUで2〜4倍のリアルタイムで処理します。
多言語文字起こし： Whisperの99以上の言語サポートにより、VoxBoosterは追加設定や有料言語パックなしに英語以外のオーディオを文字起こしします。
スタンドアロンのWhisper CLIとの主な違いは、他のオーディオツールと並んでGUIに統合されていることです。すでにボイスチェンジングやノイズ抑制にVoxBoosterを使用している場合、文字起こしはすでそこにあります — オーディオパイプラインがどのように組み合わさるかについてはノイズ抑制ガイドをご覧ください。
精度：ツールが実際にどのように比較されるか
文字起こしの精度を公平にベンチマークすることは見た目より難しいです。クリーンなスタジオオーディオでの単語エラー率（WER）は実世界のパフォーマンスについてほとんど何も教えてくれません。重要な条件は：
アクセントのある音声： Whisper large-v3はほとんどのクラウド代替よりも大幅に優れてアクセントを処理します。ネイティブスピーカーのベンチマークに最適化される傾向があるプロプライエタリなクラウドシステムよりも、はるかに広い多様性の話者でトレーニングされました。
バックグラウンドノイズ： VoxBoosterのノイズ抑制パイプラインはWhisperモデルに到達する前にオーディオをクリーンアップでき、生のマイク入力を処理するツールと比較して騒々しい録音で顕著に良い結果を与えます。
技術的語彙： 市販のモデルはカスタムトレーニングされたモデルほど高度に特化した専門用語（医療用語、法律ラテン語、ソフトウェア製品名）を確実に処理しません。ほとんどのユーザーにとってこれは軽微な問題です；法律や医療の文字起こしには、Dragonのカスタム語彙トレーニングがまだ価値を持つほど重要です。
複数の話者： Whisperはネイティブに話者を分離しません。ダイアリゼーションがワークフローにとって重要な場合、Otter.ai（処理する）または話者ラベルをWhisperトランスクリプトに追加する後処理ステップが必要です。VoxBoosterの現在の文字起こし出力はダイアリゼーションなしの単一ストリームテキストです。
ファイルの長さとサイズの制限
クラウドサービスはローカルツールにはない制限を課します。Otter.aiの無料ティアは月300分に制限されています。Google ドキュメント 音声入力はファイルアップロードが全くありません。有料のクラウドティアでさえ、ファイルごとの長さ制限があることが多いです。
ローカルWhisperベースの文字起こしの制限はハードウェアだけです。90分のオーディオファイルは中級CPUで約20〜30分、またはGPUで5〜10分で処理されます。6時間の録音は追加コストなしで一晩で文字起こしできます。
フルVODを文字起こしたいビデオゲームストリーマー、時間単位のエピソードを扱うポッドキャストプロデューサー、または大きなオーディオコーパスを処理する研究者にとって、分単位の料金がないことは実践的な利点です。
言語サポートの比較
Whisperはボックス外で99の言語をサポートします。この数は検出だけでなく実際の文字起こしを合理的に処理できる言語を反映します。上位20〜30の世界言語では、精度は良好から優秀です。あまり一般的でない言語では結果は様々で、同じ言語の競合するクラウドサービスより一般的に優れています。
Google ドキュメント 音声入力は約70の言語をサポートしますが、品質は大きく異なります。Otter.aiは主に英語に最適化されています。Dragonはエディションによって約50の言語を提供します。
バイリンガルのクリエイター、多言語チーム、または英語ファーストのサービスのパフォーマンスが低い市場のユーザーにとって、Whisperの言語カバレッジは意味のある差別化要因です。VoxBoosterの文字起こしはこれを継承します — 追加インストールなしに設定で認識言語を切り替えられます。
選び方：実践的な決定ツリー
インストールなし、カジュアルな英語口述が欲しい場合： Google ドキュメント 音声入力。そこから始めましょう。
話者ラベル付きの会議文字起こしが必要で、プライバシーが懸念事項でない場合： Otter.aiの無料ティアは月300分まで優秀です。
ファイル文字起こしの最高精度が欲しく、CLIに慣れている場合： OpenAI Whisperを直接、GPUでlarge-v3を実行。無料、オープンソース、最大精度。
Windows 10/11でGUI付きのオフライン、プライベート、ライブ+ファイル文字起こしが欲しい場合： VoxBooster。内部でWhisper、ローカル処理、追加の音声ツール付きGUI。価格の詳細はこちら。
深いWord/Outlook統合が必要で、専門的な法律または医療語彙を扱う場合： Dragon NaturallySpeaking Professional（コストにもかかわらず）。
Windows 11を使用していて、プライバシーの懸念なしに音声タイピングを無料で試したい場合： Windows 11 Voice Access。
よくある質問
Windowsに最適な無料文字起こしソフトウェアは何ですか？
オフラインの精度では、VoxBoosterのようなローカルWhisperベースのツールがWindows向けの最強の無料オプションです。クラウドベースのカジュアルな使用では、Google ドキュメント 音声入力が無料でブラウザでよく機能します。適切な選択は、プライバシー、オフライン機能、または純粋な利便性のどれを優先するかによります。
Whisperの文字起こしは正確ですか？
はい。OpenAI Whisperは、特にmediumまたはlargeのモデルサイズで、ほとんどのクラウドサービスの精度を上回ります — アクセント、バックグラウンドノイズ、技術的語彙の処理を含めて。トレードオフはローカル処理時間です；中級GPUではリアルタイムまたはそれ以上の速度で動作し、CPUではリアルタイムより2〜4倍遅くなる場合があります。
ライブ文字起こしとファイル文字起こしの違いは何ですか？
ライブ文字起こしはあなたが話す際にリアルタイムで音声をテキストに変換します。ファイル文字起こしは既存のオーディオまたはビデオファイルを後から処理します。ライブ文字起こしは低レイテンシーモデルとオーディオルーティングが必要です；ファイル文字起こしはタイミングが重要でないため、より大きく、遅く、より正確なモデルを使用できます。
文字起こしソフトウェアはオフラインで動作しますか？
ソフトウェアが音声認識モデルをあなたのマシンでローカルに実行する場合のみです。Otter.aiやGoogle ドキュメント 音声入力などのクラウドサービスはインターネット接続が必要です。ローカルWhisperベースのツール、Dragon NaturallySpeaking、VoxBoosterはすべてモデルをダウンロードした後は完全にオフラインで動作します。
プライバシーに最適な文字起こしソフトウェアは何ですか？
オーディオをローカルで処理するツール — サーバーにデータを送信しない — が最もプライバシーにとって安全です。自分のハードウェアで動作するWhisperはサードパーティに何も送信しません。クラウドサービスはデータ保持ポリシーに従いサーバーでオーディオを処理します。これは機密会議や医療コンテンツに懸念となる場合があります。
文字起こしソフトウェアは複数の話者を扱えますか？
話者ダイアリゼーション（誰が何を言ったかのラベリング）は文字起こしとは別のステップで、ツールによって大きく異なります。Otter.aiには組み込みのダイアリゼーションがあります。Whisper自体はネイティブに話者をラベリングしませんが、その上に構築された一部のツールが追加パスとしてダイアリゼーションを加えています。ダイアリゼーションなしの基本的な文字起こしでは、ここで取り上げるほとんどのツールが機能します。
Google ドキュメント 音声入力は有料ツールと比べてどのくらい正確ですか？
Google ドキュメント 音声入力は英語の明確な音声に対して印象的に正確ですが、アクセントのある音声、バックグラウンドノイズ、専門的な語彙ではWhisperより速く精度が落ちます。またインターネット接続が必要で、ファイルアップロードをサポートせず、長い一時停止後に聴くのを止めます — これにより注意なしに長い文書を口述するのは非実用的です。
結論
2026年の無料文字起こしソフトウェアの状況は本当に優れています — その価値以上です。OpenAI Whisperはローカルのが クラウドの精度に匹敵できることを証明し、その上に構築されたツールはPythonターミナルを必要とせずにアクセス可能にしました。
要約すると：機密性の高いオーディオを扱っておらず、最も早く始めたい場合は、Google ドキュメント 音声入力またはOtter.aiの無料ティアがよく機能するでしょう。プライバシーが重要な場合、オフラインで作業する場合、月に300分以上必要な場合、またはWindowsですでに音声ツールを使用している場合は、ローカルWhisperベースのソリューションが実践的な選択です。
VoxBoosterはWhisperベースのローカル文字起こしをリアルタイムのボイスチェンジング、AI音声クローン、ノイズ抑制、サウンドボード、テキスト読み上げとともにパッケージ化しています — コア機能にはクラウド依存なしでWindows 10/11上ですべてがローカルで動作します。文字起こし部分だけを使用することになっても、試してみる価値があります。
VoxBoosterをダウンロードして、すべての機能を3日間無料でテスト — クレジットカード不要。