VexaScribeの機能
VexaScribe — 99言語対応のAI文字起こし。話者識別、タイムスタンプ、AI要約、文字起こしの翻訳機能を標準搭載（133言語）。ファイルをアップロードするか、Zoom・Meet・Teamsにミーティングボットを送り込めます。$2/月から。
VexaScribeとは、80語で説明
VexaScribeは、OpenAI Whisperを使って音声や動画を検索可能でタイムスタンプ付き、話者ラベル付きの文字起こしに変換するウェブアプリです。ファイル（最大5GB）をドロップするか、YouTube／TikTok／Instagram／直接URLを貼り付けるか、Zoom、Google Meet、Teamsの会議にボットを送り込めます。1時間の音声につき約5〜10分で99言語の文字起こしを取得でき、アクションアイテム付きAI要約もオプションで利用可能、TXT、DOCX、SRT、VTT、JSONへのエクスポートに対応します。30分無料、以降は$2〜$20/月。開始にクレジットカードは不要です。
主要機能
99言語対応
自動言語検出で99言語の音声と動画を文字起こしします。英語から日本語、スペイン語からアラビア語まで、幅広くカバーします。
話者識別
自動話者識別が異なる声を判別してラベル付けします。インタビュー、ポッドキャスト、複数参加者の会議に最適です。
タイムスタンプ
すべての文字起こしに正確なタイムスタンプが含まれます。任意のタイムスタンプをクリックすれば、その瞬間の音声にジャンプできます。ナビゲーションや動画字幕に不可欠です。
5種類のエクスポート形式
TXT（プレーンテキスト）、DOCX（Word）、SRTまたはVTT（動画字幕）、JSON（タイムスタンプ付き構造化データ）としてエクスポートできます。ワークフローに合った形式を選べます。
高速処理
AIによる文字起こしは数時間ではなく数分で完了します。1時間の録音は通常5〜10分で処理されます。
内蔵エディタ
ブラウザ内で文字起こしを直接確認・編集できます。エラーを修正し、話者名を変更し、エクスポート前に文字起こしを整えられます。
ミーティングボット
Zoom、Google Meet、Teamsの会議にAIボットを送り込みます。録音、文字起こしを行い、アクションアイテムや決定事項を含む構造化された要約を生成します。文字起こしクレジットを3倍消費します。
AI要約
任意の文字起こしを、構造化された要点、アクションアイテム、チャプターマーカー、決定事項に変換します。会議、講義、インタビュー、ポッドキャストで機能します。すべての有料プランに含まれます。
文字起こしの翻訳
Google Translate経由で任意の文字起こしを133言語に翻訳できます — 追加料金なし、サードパーティのアカウント不要。すべてのプランで利用可能です。
一括アップロード — 一度に50ファイル
最大50個の音声または動画ファイルを一度にアップロードできます。すべて並行処理され、1つずつではありません。形式を自由に混在させ、すべてをZIPとしてダウンロードできます。
文字起こしとAIチャット
所有する任意の文字起こしについて自然言語で質問し、音声からの直接引用に裏付けられた回答を得られます。「どのアクションアイテムが割り当てられた？」「サラは何を決定した？」「Xについての最も強い引用を見つけて」— 通常は録音を見直して答えるような質問が、一度のクエリで解決します。すべての回答にはクリック可能なタイムスタンプ引用が付き、その引用が発せられた正確な瞬間に音声プレーヤーをシークします。引用はサーバー側で実際の文字起こしに対して検証されます — AIはあなたの録音に制約され、タイムスタンプや引用を捏造することはできません。会話は90日間保持され、複数ターンのコンテキストと99言語対応（ある言語で別の言語の録音について質問可能）を備えます。有料プランで利用可能です。
対応フォーマット
音声フォーマット
動画フォーマット
エクスポート形式（5種類）
プレーンテキスト
Word文書
字幕
Web字幕
構造化データ
先進AIによる駆動
VexaScribeは、何百万時間もの音声で訓練された最先端の音声認識モデルを使用しています。音声アシスタントを支えるのと同じ技術を、正確な文字起こし用に適応させています。
クリアな音声での精度
対応言語数
1時間あたりの処理時間
プラン別の機能提供状況
すべてのプランに無料トライアルが含まれます。開始にクレジットカードは不要です。
| 機能 | 無料トライアル | Starter（$2/月） | Pro（$10/月） |
|---|---|---|---|
| 音声・動画の文字起こし | ✓ | ✓ | ✓ |
| 99言語対応 | ✓ | ✓ | ✓ |
| 話者識別 | ✓ | ✓ | ✓ |
| タイムスタンプ | ✓ | ✓ | ✓ |
| エクスポート: TXT、DOCX、SRT、VTT、JSON | ✓ | ✓ | ✓ |
| 文字起こしの翻訳（133言語） | ✓ | ✓ | ✓ |
| 内蔵エディタ | ✓ | ✓ | ✓ |
| AI要約 | — | ✓ | ✓ |
| ミーティングボット（Zoom、Meet、Teams） | — | ✓ | ✓ |
| 一括文字起こし | ✓ | ✓ | ✓ |
URLから文字起こし — ダウンロード不要
リンクを貼り付けるだけで文字起こしを取得。バックグラウンドでダウンロードを処理します。ファイルアップロードと同じ精度、同じ出力、同じ分単位のコスト — 「動画を先にダウンロードしてからアップロード」の手順をスキップできます。
| ソース | ステータス | 対応内容 |
|---|---|---|
| YouTube | ✓ Live | 任意の公開動画URL。音声を抽出し、話者識別付きで文字起こしします。音声ダウンロードが失敗した場合はキャプションにフォールバックします。 |
| TikTok | ✓ Live | 任意の公開TikTok動画URL — 短いReels風クリップも長尺動画も対応します。 |
| ✓ Live | 公開されたReels、動画投稿、動画ストーリー。写真投稿の場合は「動画コンテンツがありません」という明確なエラーを返します。 | |
| Direct URL | ✓ Live | 音声または動画ファイルへの任意のHTTPSリンク — ポッドキャストのMP3、S3リンク、Google Drive共有、Telegramボットのダウンロード、Dropboxなど。 |
| Spotify | ⏳ 近日対応 | 認識はされますが、まだ実装されていません。リンクを貼り付けると「早期対応に投票」のプロンプトが表示され、需要に応じて優先度を決められます。 |
コストモデル: URLアップロードはファイルアップロードと同じ月間分数プールから消費されます — 音声1分＝プランの1分。URL専用の別枠はありません。
VexaScribeが対応しないこと
VexaScribeが本当に想定していない5つのこと、そしてそれぞれのケースで実際におすすめするツールを紹介します。あなたのユースケースがこのリストにあるなら、トライアル登録の手間を省けます。
リアルタイムのライブ字幕は非対応
文字起こしは話しながらではなく、アップロード後に生成されます。1時間のファイルの処理には5〜10分かかります — 後で見返す会議には最適ですが、ライブイベントには不向きです。
代わりに使う: Otter Live、Google Meet標準のキャプション、または無料のブラウザベースのライブ字幕にはWeb Captioner。
公開REST APIなし
VexaScribeは人間向けのウェブアプリであり、バックエンドサービスではありません。開発者向けAPI、SDK、プログラム的アップロード用のWebhookはありません。
代わりに使う: OpenAI Whisper API（$0.006/分）、Deepgram Nova-3（約$0.0043/分）、またはAssemblyAI（約$0.012/分）。
動画編集機能なし
SRT/VTT字幕をエクスポートしてエディタに読み込ませることはできますが、VexaScribeはクリップのカット、フィラーワードの削除、動画への字幕焼き付けは行いません。
代わりに使う: 文字起こしベースの動画編集にはDescriptやVrew；従来型のNLEワークフローにはPremiere／Final Cut／DaVinci。
カスタム語彙のチューニングなし
ブランド名、薬剤名、専門用語などの辞書をアップロードしてモデルにバイアスをかけることはできません。Whisperはそのまま利用され、アカウントごとのファインチューニングはありません。
代わりに使う: 固有名詞が多いドメインには、AssemblyAIの「word boost」やDeepgramの「keywords」パラメータ。
オンプレミス／エンタープライズ向けセルフホスティングなし
音声は当社のクラウドで処理されます — エアギャップ環境やHIPAA-BAA署名済みの導入は用意されていません。弁護士・依頼人間、臨床療法、または漏洩が直接法的責任を招く機密コンテンツについては、クラウドツール（当社のものを含む）は正しい選択肢ではありません。
代わりに使う: OpenAI Whisperをローカルにインストール（無料、自分のマシンで動作、音声は外に出ない）するか、法的レベルの100%精度が必要ならRevやGoTranscriptなどの人手による文字起こし（$1.25〜$1.99/分）を利用してください。
正直な精度 — 数字が本当に意味すること
VexaScribeはOpenAI Whisper（具体的にはlarge-v3クラスのモデル）を使用しています。マーケティングページは「99%の精度」と謳うのが好きですが、それは正直ではありません。実際のWhisperの精度は音声品質、アクセント、話者の数に大きく左右されます。以下が現実的な期待値です。
文字起こしの精度（Whisper）
- クリーンなスタジオ英語、単一話者約92〜97%
- アクセントのある英語（非ネイティブ、地域訛り）約85〜92%
- 騒音環境（カフェ、電話、屋外）約80〜90%
- クリーンなスペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、オランダ語約88〜94%
- 韓国語、日本語、インドネシア語、トルコ語、アラビア語、ポーランド語約85〜92%
出典: Open ASR Leaderboard + Whisper論文のベンチマーク（LibriSpeech、FLEURS、Common Voice）。
話者識別の精度
- 2話者、重なりなし95%以上
- 3〜4話者、時々重なりあり約88〜94%
- 5〜6話者、会議のような動き約80〜90%
- 7〜15話者、パネルやフォーカスグループ約70〜82%
- 最大50話者（対応上限）ばらつきあり
2〜6名の明確な話者で最高の精度が得られます。エディタで後から話者1／2／3の名前を変更できます。
本当に効果があること
「最良」の文字起こしツールを選ぶよりも重要な3つのこと:
- まともなマイク（USBヘッドセットやピンマイクは、ノートPC内蔵マイクを精度で5〜15ポイント上回ります）。
- 1度に1人ずつ話す — 重なりは文字起こしと話者識別の両方を台無しにします。
- 背景ノイズを抑える。ファンや空調口の隣ではなく、閉じた部屋で録音しましょう。
法的レベルの100%精度（法廷提出書類、規制対象の研究）が必要な場合は、RevやGoTranscriptなどの人手による文字起こしサービス（$1.25〜$1.99/分）を利用してください。AIは1〜2%のコストで約95%まで到達できます — ほとんどの用途には十分ですが、一部の用途には不向きです。
機能に関するFAQ
VexaScribeはどの言語に対応し、その精度はどの程度ですか？
99言語に対応し、すべてOpenAI Whisperを使用しています。精度は言語と音声品質に依存します: クリアな英語音声で約92〜97%（Open ASR Leaderboardによる）、クリアなスペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、オランダ語で約88〜94%、韓国語、日本語、インドネシア語、トルコ語、ポーランド語、アラビア語で約85〜92%です。強いアクセント、話者の重なり、騒音環境ではこれらの数値が5〜10ポイント下がります。言語は自動検出されるか、手動で指定できます。
VexaScribeには公開REST APIがありますか？
まだありません — VexaScribeはウェブアプリであり、API製品ではありません。自社のソフトウェアに文字起こしを統合したい場合は、OpenAI Whisper API（$0.006/分）、Deepgram（Nova-3で約$0.0043/分）、またはAssemblyAI（約$0.012/分）を使用してください。3つとも適切なSDKとドキュメントを備えています。ファイルをアップロードして文字起こしをダウンロードするノーコードのワークフローが欲しいなら、VexaScribeが最適です — ただしAPI経由ではありません。
VexaScribeはどのファイル形式を文字起こしできますか？
音声: MP3、WAV、M4A、FLAC、OGG、AAC、WMA、OPUS。動画: MP4、MOV、AVI、MKV、WebM、WMV、FLV。動画ファイルからは音声トラックが自動で抽出されます — 別途変換の手順は不要です。エクスポート: TXT、DOCX、SRT、VTT、JSON。
どの程度の大きさのファイルをアップロードできますか？
1ファイルあたり最大5GB、これは128 kbpsのMP3で約90時間、または1080p動画で約8時間に相当します。ほとんどの無料変換サイトの25MB上限や、Otter無料プランの約200MB上限を大きく超えます。5GBより大きいファイルは、Audacityやffmpegで分割してから別々にアップロードしてください。
VexaScribeは私の音声でAIモデルを学習しますか？
いいえ。あなたの音声と文字起こしは、いかなるモデルの学習にも使用されません — 当社のものも、OpenAIのものもです（当社はAPI経由でWhisperを使用しており、Whisperは入力を学習に使いません）。ダッシュボードからいつでもファイルを削除でき、音声と文字起こしの両方が削除されます。音声は転送中（TLS）および保存時に暗号化されます。弁護士・依頼人間、臨床、または漏洩が直接法的責任を招く機密コンテンツの場合は、代わりにOpenAI Whisperをローカルにインストールしてください — 当社を含むいかなるクラウドツールも、そのリスクに見合いません。
無料トライアルには何が含まれますか？
30分の文字起こしクレジット、99言語すべて、話者識別、タイムスタンプ、すべてのエクスポート形式（TXT／DOCX／SRT／VTT／JSON）、内蔵エディタ、一括アップロード（最大50ファイル）、133言語への文字起こし翻訳が含まれます。クレジットカードは不要です。AI要約とミーティングボット（Zoom／Meet／Teams）は有料限定 — Starterプランの$2/月から利用可能です。