日本語の音声を文字起こしする

Potokでは、日本語の音声ファイルをTelegramボットに送ると文字に変換できます。日本語にはスペースがないため、品質は文字誤り率で示されます。large-v3について他者が公表したテスト（当社の測定ではありません）では4.5でした。2 GBまでのファイルに対応します。

録音を文字起こしする

音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。

Telegram で @potok_now_bot を開く

2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語

要点

• 日本語の品質は文字誤り率、つまり誤った単語ではなく誤った文字の数で示されます。
• 文章は漢字、ひらがな、カタカナが混ざり、同じ音が複数の異なる文字で書かれることがあります。
• スペースがないため、書き出しの改行が句の途中に入ることがあります。
• 数字と単位は、数字の形でも漢字の形でも出ることがあるため、文書の表記に合わせて確認してください。
• くだけた日本語では、言いよどみや文末の余韻が多く、文字に出る場合と出ない場合があります。

文字起こしのイメージ

[00:00] 話者1: 会議を始めましょう。まず先週の結果を確認し、そのあと次のステップを計画します。

日本語の意味：Let's start the meeting. First, we'll review last week's results, then plan the next steps.

文字の表記と文字起こしのレイアウトを示すために当社で作成したものです。認識エンジンの出力ではありません。

公開されている品質

これらの数値は第三者が公開したテストによるもので、Potokのテストによるものではありません。ノイズ、訛り、マイクを含むお客様ご自身の音声では、結果が異なります。

手順

1. 先にボットを開く。 録音を送るときにチャットが用意できているよう、先にTelegramで @potok_now_bot を開始します。
2. 録音を送る。 音声や動画を添付するか、ボイスメッセージを転送するか、YouTubeリンクを貼ります。2 GBまでのファイルを受け付けます。
3. 大量のファイルにはミニアプリを使う。 チャット添付では大きすぎるファイルは、ミニアプリの「アップロード」ボタンから送れます。
4. 返信を待つ。 短い文字起こしはチャットに届きます。長いものは、開いて編集できるファイルで届きます。
5. 同音異義語を確認する。 名前や専門用語のように、同じ音で書き分けが生じる語を検索し、選ばれた文字を資料と照らして確認してください。
6. 書き出す。 編集にはDOCXかTXT、字幕にはSRTかVTTを選びます。

よくある間違い

関連情報

対応言語の一覧、ツール、用語集もご覧ください。

よくある質問

なぜ数値が文字誤り率なのですか？

日本語はスペースなしで書かれるため、研究者は単語ではなく文字を数えます。公表値はlarge-v3で4.5です。

文字起こしにふりがなは付きますか？

いいえ。通常の日本語の文章が得られます。読み仮名を付けたい場合は、手作業で加える必要があります。

長い会議の録音を送れますか？

はい、一ファイルあたり2 GBまで送れます。チャットで受け付けられない場合は「アップロード」ボタンを使ってください。

4.5は御社の測定ですか？

いいえ。他の人々が公表したテストに基づくため、保証ではなく目安として扱ってください。

タイムスタンプは付きますか？

送信前にオンにして、字幕用にSRTかVTTで書き出せます。

出典

各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。

1. Japanese writing system (Wikipedia), Wikipedia · 確認日 2026-10-18
2. Word error rate (Wikipedia), Wikipedia · 確認日 2026-10-18
3. Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18