音声文字起こし — AI文字起こしを50以上の言語で

音声ファイルをアップロードするか、ブラウザで録音して数分待つだけです。Vatisが句読点、タイムスタンプ、話者名の付いたテキストに変換します。

文字起こしとは、録音された音声を文章に書き起こすことです。以前は1本の録音に数時間かかる手作業でしたが、AI文字起こしなら1時間の音声が数分で文章になり、費用も人手による文字起こしのごく一部で済みます。

Proプランは音声1時間あたりの従量制で、量に応じた割引があります。最初の10分間は登録もクレジットカードも不要でお試しいただけます。

標準的な音質なら日本語で95%以上です。BGM、複数人の同時発話、強く圧縮された音声では精度が下がりますが、その条件でも十分に競争力のある結果が得られます。

はい。ボイスレコーダーやスマートフォンで録音した会議、インタビュー、講義のファイルをそのままアップロードできます。ブラウザで録音して、その場で文字起こしすることも可能です。

音声はMP3、WAV、M4A、FLAC、OGG、AAC、AIFF、WMA、動画はMP4、MOV、MKV、WebM、AVI、FLVに対応。合計で25以上の形式です。

はい。動画ファイルをアップロードすれば、Vatisが音声を自動で抽出します。SRT・VTTで書き出せば、そのまま動画の字幕になります。

はい。話者分離（ダイアライゼーション）が誰が何を話したかを自動で分け、インタビュー、会議、複数人のポッドキャストに最適です。

はい。英語、中国語、韓国語、ドイツ語、フランス語など50以上の言語に対応し、言語は自動で判定します。完成した文字起こしはワンクリックで日本語に翻訳できます。

録音の長さよりはるかに短く、1時間の音声なら通常数分で完了します。APIはライブ配信向けのリアルタイム文字起こし（ストリーミング）にも対応しています。

はい。VatisはGDPRに準拠し、ISO 27001認証を取得、SOC 2 Type IIは取得準備中です。録音はヨーロッパのサーバーで処理され、転送中も保存中も暗号化されます。アカウントからいつでも削除できます。

TXT、DOCX、PDF、SRT、VTT、JSONでダウンロードできます。SRTとVTTは字幕用、JSONには単語ごとのタイムスタンプが含まれます。

はい。Python、Node.js、GoなどのSDKを備えたREST APIで、バッチ処理にもリアルタイム処理にも対応しています。新規のAPIアカウントには10ユーロ分のテスト用クレジットが付きます。

Proプランでは1ファイルにつき最大5GB、最長10時間までです。