おすすめ文字起こしソフト2026年版14選（日本語特化＋AIチャット・精度・コスト比較）
このページは、日本企業向けに最適化された音声文字起こしソフト14製品を精度（WER）・処理速度・1時間あたりのコスト、そして2026年の差別化要素となるAIチャット（トランスクリプトとのQ&A）で比較した2026年6月版ガイドです。 日本語特化ツール（Notta、Otolio、AmiVoice、OneMinutes）、ファイルアップロード型、AI会議メモ系（Granola、Fathom、Fireflies）、リアルタイム入力ツールを評価しています。
最終検証日：2026年6月30日 · 価格・機能は各公式サイトで確認済み
日本語特化の議事録ならNotta（敬語認識に強い、Zoom連携可、日本円対応）。 日本企業の大規模導入ならOtolio（旧Smart書記）（8,000社以上、ISO 27001、機密情報を学習させない）。 業界特化（医療・コールセンター・建設）ならAmiVoice（20,000施設以上の導入実績）。 国際会議のリアルタイム翻訳付き議事録ならOneMinutes（110言語）。 コスパ・多言語・引用検証付きAIチャットならVexaScribe（英語96%精度、日本語約93%、$0.20〜0.60/時間、99言語）。 最高精度ならRev人間文字起こし（99%以上、$90〜119/時間）。日本語精度は限定テストに基づく数値です。
Temi（英語のみ）、Windows Dictation（日本語対応はOS標準入力に限定）、Dragon（日本市場での認知度・サポート低下 — nuance.com、2026年6月確認）は日本市場での実用性が乏しいため除外しました。 日本語対応状況、精度、料金、日本のユーザーにとっての使いやすさ、AIチャットの有無、エンタープライズ要件（オンプレ／機密保持／業界モデル）を評価しています。
今回の更新内容（2026年6月30日）：日本市場リフレッシュとしてTemi／Windows Dictation／Dragonを除外し、日本語特化ツール3製品（Otolio、AmiVoice、OneMinutes）を追加。 新セクション「日本語特化ツール」を設け、日本企業の議事録・エンタープライズ要件向けに正直なサブランキングを再構築しました。 グローバル会議ツールのtl;dvは「グローバル会議ツール（参考）」へ移動しています。
編集部からのお知らせ： VexaScribeは当社の製品です。客観性を確保するため、すべてのツールを同じ基準で 評価し、結果を編集なしでお伝えしています。日本市場では日本語特化ツールが多くのカテゴリで優位に立っており、本ガイドでもその通りに評価しています — Nottaは日本語議事録で#1、Otolioは日本企業の大規模導入で#1、AmiVoiceは業界特化（医療・コールセンター）で#1、OneMinutesはライブ多言語会議で#1、Rev人間文字起こしは最高精度で#1。 この記事にはアフィリエイトリンクや有料掲載はありません。収益は自社製品（VexaScribe）の利用からのみ発生します。
日本のユーザーへ
すべてのツールは日本から利用可能です。VexaScribe、Rev、Descriptは米ドル建て。 日本のクレジットカード（Visa、Mastercard、JCB、AMEX）で支払い可能です。 為替手数料は通常1.6〜3%です。Nottaは日本円での支払いに対応しています。 価格は1ドル＝約150円で概算しています。
30秒まとめ
- •Notta：日本語特化、敬語に強い、Zoom/Meet/Teams連携、日本円対応 — 日本語議事録で#1
- •Otolio（旧Smart書記、今回追加）：8,000社以上、ISO 27001、AES256、機密情報を学習させない — 日本企業の大規模導入で#1
- •AmiVoice（今回追加）：医療（Ex7、iNote）／コールセンター／建設の業界特化モデル、20,000施設以上導入 — 業界特化で#1
- •OneMinutes（今回追加）：110言語のリアルタイム翻訳付きAI議事録 — ライブ多言語会議で#1
- •VexaScribe：英語96%精度、日本語約93%、$0.20〜0.60/時間、99言語、引用検証付きAIチャット — コスパ・多言語・AIチャットで#1
- •Otter：ライブ会議キャプション、Ask Otter（クエリ数制限あり、英語中心の6言語）
- •Rev人間：99%以上、$90〜119/時間 — 法務・医療向け（AIチャットなし）
- •Descript：約$2.40/時間 — 動画編集とポッドキャスト制作の統合（AIチャットなし）
- •Googleドキュメント／Whisperローカル：完全無料 — リアルタイム入力 or GPU環境
- ⚠AIチャット注記：VexaScribe以外は引用検証を公開していません — 「幻覚なし」ではなく「引用が文字起こしに制約される」が正しい理解です
- ⚠tl;dv（参考）：日本市場での認知度は限定的ですが、グローバルチームでZoom/Meet/Teamsの会議録を共有する場合に検討の価値あり
目次
おすすめ早見表：どのツールを選ぶべきか
Notta — 日本語議事録の定番
会議の議事録を自動作成したい方に。日本語の敬語認識に強く、 Zoom/Meet/Teams連携でリアルタイム文字起こし可能。日本円対応。
Otolio（旧Smart書記）— 大企業の機密対応
8,000社以上の導入実績。ISO 27001、AES256、機密情報を学習させない設計。 社内専門用語認識。法務・金融・コンサルなど機密重視の業務向け。
AmiVoice — 業界特化エンタープライズ
医療（Ex7、iNote）／コールセンター／建設／公共向けの業界特化モデル。 20,000施設以上の導入実績。エンタープライズSDK／オンプレ対応。
OneMinutes — 国際会議のリアルタイム翻訳
110言語のリアルタイム翻訳付きAI議事録。Zoom/Teams/Meet/Webex対応。 海外拠点・外国人メンバーを含む会議が多い日本企業に最適。
VexaScribe — コスパ＋多言語＋AIチャット
大量の音声ファイルを低コストで文字起こししたい方に最適。 $0.20〜0.60/時間（約30〜90円）、99言語対応、引用検証付きAIチャット、 ミーティングボット$0.60〜1.80/時間。
Rev — 人手による最高精度
法務・医療・学術など、99%以上の精度が必要な場面に。 人間による文字起こしで最高品質を保証。
全14ツール：【日本語特化4製品】1. Notta、2. Otolio（旧Smart書記）、3. AmiVoice、4. OneMinutes —【グローバルファイル／会議7製品】5. VexaScribe、6. Otter、7. Rev、8. Descript、9. Trint、10. Sonix、11. tl;dv（参考） —【AI会議メモ系3製品】12. Granola、13. Fathom、14. Fireflies。
無料リアルタイム入力（Googleドキュメント音声入力、Windows 11音声入力、Whisperローカル）は補足として後半で紹介します。
テスト方法（日本語評価基準）
テストについての補足
英語の精度（WER）ベンチマークは30ファイル・5時間の音声で標準化して実施しました。 日本語については限定テスト（下記参照）で追加検証しています。日本語テストは サンプルサイズが小さいため、参考値としてお読みください。
日本語テストの詳細
| テスト音声 | 2ファイル：(1) ポッドキャスト（2名対談、標準語）(2) ビジネス会議（3名、敬語多め） |
| 音声時間 | 各10分、合計20分 |
| 録音条件 | クリア音声：コンデンサーマイク、静かな室内（SNR約30dB）。ノイズあり：内蔵マイク、カフェ環境（SNR約15dB） |
| 精度の定義 | 精度 = 1 − WER（Word Error Rate）。人間が作成した正解テキストと比較。句読点・漢字変換ミスもエラーとしてカウント |
| テスト日 | 2026年2月20〜25日。各ツールのデフォルト設定（日本語選択）で実施 |
| 制限事項 | サンプルサイズが小さい（計20分）。方言・専門用語・長時間音声では結果が異なる可能性あり |
評価基準：
- ✓日本語の公式サポート（ひらがな・カタカナ・漢字の正確な変換）
- ✓敬語・丁寧語の認識精度（ビジネス文書に重要）
- ✓句読点の自動挿入精度（。、の正確な配置）
- ✓話者識別（複数人の会議音声）
- ✓コスト計算：公式サイトの料金ページより（2026年2月25日確認）
除外したツール（日本市場での実用性が乏しい）：
- ✗Temi — 英語のみ対応、日本市場での認知度ゼロ（temi.com、2026年6月確認）
- ✗Windows Dictation — OS標準のリアルタイム音声入力に限定、ファイル文字起こし不可。本ガイドの比較対象（ファイル／会議文字起こし）から除外（後半のリアルタイム入力セクションでは触れています）
- ✗Dragon Naturally Speaking — 日本市場でのエンタープライズシェアはAmiVoiceに譲っており、現行版の日本語サポート・マーケティングはほぼ停止状態（nuance.com、2026年6月確認）
このガイドの対象者
こんな方におすすめ：
- ✓ポッドキャスト、インタビュー、講義を文字起こししたい
- ✓会議の議事録を自動化したい
- ✓日本語に対応したツールを比較検討したい
- ✓YouTube動画に日本語字幕を自動生成したい
このガイドが向かない方：
- ✗リアルタイム会議文字起こしだけが必要（Nottaを直接お試しください）
- ✗医療専門用語の高精度文字起こしが必要（Rev人間を推奨）
- ✗たまの音声入力だけ（WindowsやGoogleの無料ツールで十分）
会議文字起こしについて：Nottaは Zoom/Google Meet/Teamsとの連携でリアルタイム議事録作成が可能です。 VexaScribeのミーティングボットも会議に参加して録音・文字起こし・要約を自動生成します（$0.60〜1.80/時間—Nottaの半分以下のコスト）。
日本語精度の検証結果
日本語音声（ポッドキャスト＋ビジネス会議）を使った限定テストの結果です。 英語のベンチマークほど厳密ではありませんが、各ツールの日本語性能の目安になります。
| ツール | 日本語（クリア） | 日本語（ノイズあり） | 敬語精度 |
|---|---|---|---|
| VexaScribe | 約93% | 約86% | 良好 |
| Notta | 約95% | 約89% | 優秀 |
| Rev AI | 約91% | 約84% | 普通 |
| Descript | 約90% | 約83% | 普通 |
*限定テスト：2ファイル×各10分（合計20分）。精度 = 1 − WER、人間作成の正解テキストと比較。 句読点・漢字変換ミスもエラーとしてカウント。テスト日：2026年2月20〜25日、各ツールのデフォルト設定で実施。 サンプルサイズが小さいため参考値です。
なぜWhisperは日本語に強いのか？
Whisperとは：OpenAIが開発したオープンソースの音声認識モデルです （github.com/openai/whisper）。多言語の音声データで訓練されており、 VexaScribeなどWhisperベースのツールは、当サイトのテストではひらがな・カタカナ・漢字の 変換が比較的正確で、句読点の自動挿入も良好でした。
ただし、当サイトの限定テストでは、敬語やビジネス用語が多い会議音声において Nottaが最も高い精度を記録しました（約95% vs VexaScribeの約93%）。 Nottaは日本市場向けにモデルを最適化していると公式サイトで説明しています（notta.ai、2026年2月確認）。
お手持ちの日本語音声でお試しください
VexaScribeを無料で試す — 30分無料、クレカ不要 →AIチャットと文字起こし — 2026年の差別化要素
「AIチャット」とは、1つの文字起こしに対して質問を投げて、根拠付きの回答を得る機能のことです。 90分のインタビューから特定の発言を巻き戻して探す代わりに、「価格について彼女はどう言っていた？」と質問するだけで答えが返ってきます。 2025年までは一部の会議ツールに後付けされた目新しい機能でしたが、2026年には購入判断を左右する軸になりつつあります。 この機能を持つベンダーは継続率で先行し、持たないベンダーは時代遅れに見え始めています。
AIチャットを評価する際に重要なのは4つの観点です。第一に引用検証（Citation Validation）— 回答中の引用が文字起こしに実在するかをシステムがサーバー側で検証してから表示するかどうか。これがないと、モデルが過度に言い換えたり、前後の文脈から回答を生成しても、ユーザーには確認手段がありません。 第二に言語サポート— 文字起こし自体は多言語対応でも、チャット機能は英語中心のことが多いです。 第三にスコープ— ファイル単位、フォルダ単位、ライブラリ全体のどこまで質問できるか。 第四にコストモデル— チャットクエリを別課金にするベンダー（Otter、Granola）と、シートプランに含めるベンダーがあります。
| ツール | AIチャット | 引用検証 | 言語数 | 備考 |
|---|---|---|---|---|
| VexaScribe | ✓ | ✓ | 99 | サーバー側で引用検証、クリック可能なタイムスタンプから音声へ遷移、有料プランで提供 |
| Otter.ai | ⚠ | ✗ | 6 | Ask Otter（クエリ数20／50／200で課金制、引用検証は公開されていない） |
| Fireflies.ai | ⚠ | ✗ | 100+ | AskFred — Free／Proで機能制限、Business以上でフル機能。ミーティング特化、引用検証なし |
| Fathom | ⚠ | ✗ | 英語中心 | Ask Fathom（Premium以上）— 通話単位および複数会議横断のチャット、引用検証は未公開 |
| Granola | ⚠ | ✗ | 限定的 | 会議内・会議横断のチャット（Basic以上）。2026年にクラウド同期＋AIチャットを追加。引用検証なし |
| tl;dv | ⚠ | ✗ | 30+ | Ask tl;dv（Proプラン）、ミーティング特化、UIは英語中心、引用検証なし。日本市場での認知度は限定的 |
| Sonix | ⚠ | ✗ | 英語中心 | エディタ内AIチャット（要約・Q&A）、英語ファースト、引用検証なし |
| Notta | ⚠ | ✗ | 58 | Notta AIチャット提供、日本語UI、本ガイドではベンチマーク未実施 |
| Otolio | ✗ | — | 日本語特化 | 議事録AIエージェント／要約・サマリー生成に注力。トランスクリプトごとのQ&Aチャット機能は未公開 |
| AmiVoice | ✗ | — | 日本語＋多言語 | ASR（音声認識）特化のエンタープライズSDK／API。トランスクリプトとのチャット機能は提供していない |
| OneMinutes | ✗ | — | 110 | AI議事録・自動要約・リアルタイム翻訳に特化。トランスクリプトごとのQ&Aチャットは未公開 |
| Rev | ✗ | — | — | トランスクリプトとのチャット機能なし — 人間＋AIの精度に注力 |
| Descript | ✗ | — | — | Underlord AIは編集補助。トランスクリプトごとのチャットQ&Aではない |
| Trint | ✗ | — | — | エディタ＋コラボレーション特化。チャット機能なし |
| Happy Scribe | ✗ | — | — | エディタ・字幕エクスポート特化。Q&A層なし |
| TurboScribe | ✗ | — | — | 低価格のファイル文字起こし。チャット層なし |
✓ = 強力なサポート付きで提供 · ⚠ = 提供あり（言語数の制限、引用検証の未公開、クエリ課金などの注意点あり） · ✗ = 2026年6月30日時点で未提供
本ガイドが最も重視する差別化ポイントは引用検証です。「彼女が言っていた締切は？」と質問したとき、システムは文字起こしに実在するフレーズだけに回答を制約し、各引用をサーバー側で検証してから返します。 これは「LLMのミスがゼロになる」という主張ではありません — 回答テキスト自体は生成されます —引用される文字起こしに制約されるため、自由な言い換えが起こりにくくなる、という意味です。 引用検証を公開していないベンダー（Otter、Fathom、Fireflies、Granola、tl;dv、Sonix、Notta）も実運用では良好な回答を返すことがありますが、 ユーザーが引用箇所を確認するには結局音声を巻き戻すしかありません。 日本語特化のOtolio・AmiVoice・OneMinutesはトランスクリプトごとのチャットUIを公開しておらず、AI機能は要約・自動議事録・サマリー生成に注力しています。
日本語ユーザー向け補足：Ask Otter、AskFred、Ask Fathom、Ask tl;dvなどのチャットUIは英語前提で設計されています。日本語の文字起こしに対しても質問できる場合がありますが、回答品質は英語より低下する傾向があります。日本語メインのチャット用途では、VexaScribe（99言語対応）またはNotta（日本語特化）が現状の最有力候補です。
ツール比較表：日本語対応の文字起こしソフト
カテゴリ：ファイルアップロード型 — 音声・動画ファイルをアップロードして文字起こし。
| ツール | おすすめ用途 | $/時間 | 言語数 | 日本語 | 無料枠 |
|---|---|---|---|---|---|
| VexaScribe | 多言語 + 会議 | $0.20-0.60 | 99 | ✓ | 30分 |
| Notta | 議事録 | 約$1.00 | 58 | ✓ | 120分/月 |
| Rev AI | 従量課金 | $15.00 | 15 | ✓ | なし |
| Rev 人間 | 最高精度 | $90.00 | 15 | ✓ | なし |
| Descript | 動画編集 | 約$2.40 | 22 | ✓ | 1時間/月 |
| Trint | メディア | 約$10.40 | 40+ | ✓ | 無料体験 |
| Sonix | 法人向け | $10.00 | 40+ | ✓ | 30分 |
価格はUSD（2026年2月25日時点、各社公式料金ページより）。日本円概算：1ドル＝約150円。 料金は変更される場合があります。最新の価格は各社公式サイトでご確認ください。
VexaScribe料金プラン（詳細）
| プラン | 月額（USD） | 月額（円概算） | 分数 | コスト/時間 |
|---|---|---|---|---|
| Starter | $2 | 約300円 | 200 | $0.60 |
| Basic | $5 | 約750円 | 1,000 | $0.30 |
| Pro | $10 | 約1,500円 | 2,500 | $0.24 |
| Studio | $20 | 約3,000円 | 6,000 | $0.20 |
新規ユーザーは30分無料。クレジットカード登録不要でお試しいただけます。
グローバルツール詳細レビュー（5〜10）
ここから紹介するツールは英語ネイティブのグローバル製品です。日本語にも対応していますが、 日本市場での認知度や日本語特化機能では上記の日本語特化ツール（Notta／Otolio／AmiVoice／OneMinutes）に譲るカテゴリが多いことに留意してください。 一方、コスパ・多言語サポート・引用検証付きAIチャット・動画編集統合・人手による最高精度では依然グローバルツールが優位です。
5. VexaScribe — コスパ最強の文字起こし＆AIチャット
料金：$2〜20/月（200〜6,000分）| コスト/時間：$0.20〜0.60 | 日本語精度：約93% | 言語：99
VexaScribeはWhisperベースで、日本語のひらがな・カタカナ・漢字変換が正確です。 限定テストではクリアな日本語音声で約93%の精度を達成。句読点の自動挿入も 比較的正確で、ポッドキャストやインタビューの文字起こしに適しています。 $0.20〜0.60/時間は、Rev AI（$15/時間）の25〜75分の1のコストです。
AIチャット（2026年中盤に追加）：文字起こしに対して質問でき、回答にはクリック可能なタイムスタンプが付き、該当箇所の音声へ直接ジャンプできます。 各引用は表示前にサーバー側で文字起こしと照合（引用検証）され、 自由な言い換えではなくトランスクリプト内の表現に制約されます（「幻覚なし」ではなく「文字起こしに制約される」が正確な表現です）。99言語に対応し、有料プランで利用可能です。 上記の「AIチャット — 2026年の差別化要素」セクションも参照してください。
メリット：業界最安クラスの料金、99言語対応、話者識別、 SRT/VTT字幕エクスポート（YouTube対応）、30分無料、 AIサマリー付き（章立て・重要概念・用語集・まとめ）、引用検証付きAIチャット（99言語）、 チームプラン（$35/月〜）、 ミーティングボットでZoom/Google Meet/Microsoft Teamsに参加—録音・文字起こし・ アクションアイテム・決定事項・重要な引用を含む構造化された要約を自動生成（3倍クレジット、$0.60〜1.80/時間—市場で最も手頃な会議文字起こし）。
デメリット：リアルタイム文字起こし非対応、モバイルアプリなし、 ミーティングボットはリンクの手動貼り付けが必要（カレンダー連携なし）。敬語認識はNottaに劣る。
おすすめ：ポッドキャスター、YouTuber、ジャーナリスト、 研究者、大量の音声を低コストで文字起こしする必要がある方、 Otter.aiの料金を避けつつ会議文字起こしが必要なチーム。
6. Rev — 最高精度が必要な場面に
料金：$0.25/分（AI）〜$1.50/分（人間）| コスト/時間：$15〜90 | 精度：91〜99%+ | 言語：15
Revは人間による文字起こしで99%以上の精度を公式に保証しています （rev.com/transcription、2026年2月確認）。日本語対応の文字起こし者が 敬語や専門用語にも対応します。Rev AI（$15/時間）も日本語をサポートしており、 当サイトのテストでは約91%の精度でした。
メリット：人間による最高精度、日本語フルサポート、 難しい音声（強い訛り、ノイズ）にも対応。
デメリット：高額（人間：$90/時間＝約13,500円）、 人間は納品まで12〜24時間、サブスクなし（従量課金）。
おすすめ：法務文書、医療記録、学術論文など、 最高精度が求められ、コストを正当化できる場面。
7. Descript — 動画編集＋文字起こし
料金：$12〜24/月 | コスト/時間：約$2.40 | 日本語精度：約90% | 言語：22
Descriptのユニークな点は、テキストを編集すると動画も一緒に編集される点です。 文字起こしテキストから不要な部分を削除すると、対応する動画部分も自動カットされます。 日本語対応済みですが、精度はVexaScribeやNottaに劣ります。
メリット：テキストベースの動画編集、画面録画、 ボイスクローン（overdub）、毎月1時間無料。
デメリット：文字起こしだけなら割高、デスクトップアプリが必要、 学習コストがある。
おすすめ：YouTuber、ポッドキャスターで動画編集も行う方。
8〜9. Trint と Sonix
Trint（$52/月、約$10.40/時間）：メディア・ジャーナリズム向け。 40以上の言語（日本語含む）。チームコラボレーション機能が充実。 ニュースルーム・制作会社向け。個人利用には割高。
Sonix（$10/時間）：日本語対応、自動翻訳機能あり。エディタ内AIチャット（英語ファースト、引用検証なし）あり。 従量課金で時々使う場合に便利。定期利用ならVexaScribeの方がコスパが良い。 API連携が必要な法人に向いています。
10. Otter — ライブ会議キャプションのグローバル定番
料金：Free 300分/月、Pro $16.99/月、Business $30/シート/月 | AIチャット：Ask Otter（クエリ数20／50／200で課金制）| 言語：6
Otter.aiは英語圏で最も成熟したライブ会議ボット製品です。Zoom／Google Meet／Microsoft Teams連携、リアルタイム字幕、チームコラボレーションUXは依然トップクラス。 日本語にも対応していますが、当サイトのテストでは日本語認識精度はNottaやVexaScribeより低い結果でした。Ask OtterのUIは英語前提です。
おすすめ：英語メインのチーム、グローバルな営業・カスタマーサクセス会議、英語の議事録と要約が必要な日本企業。日本語メインの議事録ならNottaまたはOtolioが優位です。
2026年6月確認
グローバル会議ツール（参考）
以下のツールは欧米市場で成熟した会議ボット／AI会議メモ製品です。日本市場での認知度は限定的ですが、 グローバルチームでZoom／Google Meet／Microsoft Teamsの会議録を共有する場合や、CRM連携・多言語ワークフローが必要な場合に検討の価値があります。 日本国内のみで議事録を共有するチームには上記の日本語特化ツールを優先することをおすすめします。
11. tl;dv — 無料無制限の会議ボット（グローバル）
料金：Freeプラン（録画・文字起こし無制限、30以上の言語）／Pro 年額$18/シート・月（標準$22）／Business・Enterpriseあり | AIチャット：Pro以上で「Ask tl;dv」 | 言語：30以上
tl;dvは2026年時点で最も完成度の高い無料会議ボット体験の一つで、Zoom／Google Meet／Microsoft Teamsにネイティブ対応し、Freeプランで無制限の録画とAIメモが使えます。 Proで「Ask tl;dv」チャット、カスタムAIプロンプト、CRM連携、Zapier、チームフォルダが追加されます。tl;dvの日本市場での認知度は限定的ですが、グローバルチームでZoom／Meet／Teamsの会議録を共有する場合に検討の価値があります。
メリット：業界トップクラスの無料枠（無制限録画）、Zoom／Meet／Teams対応、洗練されたUI、Pro以上でAsk tl;dv／CRM連携。
デメリット：VexaScribe（99言語）やFireflies（100以上）に比べ言語数は30以上で少なめ、UIは英語中心、日本語UIなし、Ask tl;dvに引用検証はない、日本市場での実績データが限定的。
おすすめ：グローバルチーム、英語ベースのワークフロー、Zoom／Meet／Teamsで多くの会議を行うが日本語特化機能が不要なケース。
2026年6月確認
12. Granola — パーソナル会議ノート
Mac／Windowsデスクトップ常駐型のAI会議ノートツール。会議中の話し手の発言とユーザーの手書きメモを統合し、後からAI要約を生成。 2026年にクラウド同期＋AIチャット機能を追加。基本Basicプランから利用可。日本市場での認知度は限定的、英語UI中心。
2026年6月確認
13. Fathom — 無料無制限の会議ボット（英語中心）
Zoom／Meet／Teamsで無制限の無料会議録画＋自動要約。Premium以上でAsk Fathom（複数会議横断のチャット）。 英語の自動要約品質には定評がありますが、UI／会議認識ともに英語前提で日本語環境では他ツールが優位。日本市場での認知度は限定的。
2026年6月確認
14. Fireflies — CRM連携重視の会議ボット
Pro年額$10／標準$18、Business年額$19／標準$29。100以上の言語をサポート、AskFred（Business以上でフル機能）。 Salesforce／HubSpot／PipedriveなどCRM連携が強み。営業組織向け。 UIは英語中心、日本市場での認知度は中程度。
2026年6月確認
補足：無料オプション（リアルタイム音声入力）
カテゴリ：リアルタイム音声入力 — ファイルアップロード不可。 リアルタイムで話しながらテキスト化するツールです。本ガイドの14選には含まれていませんが、 短時間の口述筆記用途では十分実用的なので補足として紹介します。
Googleドキュメント音声入力 — 完全無料の最良オプション
料金：無料 | 言語：100以上 | 制限：リアルタイムのみ
Googleドキュメントの音声入力は完全無料で、日本語に対応しています。 ただし、リアルタイムのみ対応 — 話すかスピーカーで音声を再生しながら使う必要があります。 ファイルアップロードには対応していません。文書の口述筆記に最適で、 録音ファイルの文字起こしには不向きです。
Windows 11 音声入力 — OS標準の音声入力
料金：無料（Windows付属）| 言語：40以上 | 制限：リアルタイムのみ
Win+Hキーで任意のアプリで音声入力を開始できます。 日本語言語パックをダウンロードすればオフラインでも利用可能。 クリアな音声なら精度は良好です。Googleドキュメント同様、 リアルタイムのみの対応 — ファイルアップロードはできません。
用途別おすすめ（正直なサブランキング）
「総合ベスト1」は意図的に置いていません。最適なツールは「主に何をするか」で大きく変わります—ファイル文字起こしか、ライブ会議か、動画編集か、多言語か、人手による法務級の精度か。これらは別カテゴリの製品です。 以下は2026年6月30日時点の編集部の正直な評価で、カテゴリごとに分かりやすく分けています。
日本語特化議事録（敬語・ビジネス会議）
Notta #1 — 日本市場向けに最適化、敬語認識が優秀、日本円支払い対応、Zoom／Meet／Teams連携。
#2 Otolio（旧Smart書記、8,000社以上、社内専門用語認識）。#3 OneMinutes（国際会議が多い環境向け、リアルタイム翻訳付き）。次点：VexaScribeミーティングボット（コスト重視・99言語、$0.60〜1.80/時間）。
日本企業の大企業向け（機密保持・エンタープライズ要件）
AmiVoice #1 — 業界特化モデル（医療・コールセンター・建設・公共）、オンプレ対応、SDK／API、20,000施設以上の導入実績。
#2 Otolio（旧Smart書記）— ISO 27001／AES256、機密情報を学習させない設計、シート課金なし。#3 Notta Enterprise（中規模チーム向け）。
業界特化（医療・法律・コールセンター・建設）
AmiVoice #1 — 医療向け（Ex7、iNote）、コールセンター向け（Communication Suite）、建設向け（B-Work One）、公共行政向けと業界別に最適化されたモデルを揃える唯一の選択肢。
次点：Otolio（業界別ではないが社内専門用語認識に対応）。日本国外なら英語Whisper＋カスタム辞書も検討。
ライブ多言語会議（リアルタイム翻訳付き）
OneMinutes #1 — 110言語のリアルタイム翻訳と議事録自動生成、Zoom／Teams／Meet／Webex対応、複数ユーザー共同編集。
#2 VexaScribeミーティングボット（99言語、引用検証付きAIチャット、$0.60〜1.80/時間）。海外拠点を含むグローバル会議で多言語要約が必要な日本企業向け。
最高のコストパフォーマンス（1時間あたり単価）
VexaScribe #1 — Starter $2/月（$0.60/時間）からStudio $0.20/時間まで、エンドユーザー向けでカテゴリ最安水準。
次点：TurboScribe（安価な無制限プラン）、Otter Free（300分/月、英語のみで足りる場合）、Whisperローカル（GPUがあれば無料）。Notta（月額2,200円〜、日本円対応で日本ユーザーには実質的なコスパ良）。
最大言語サポート（99言語）
VexaScribe #1 — ネイティブ99言語、エクスポート時に133言語へ翻訳可能。
#2 OneMinutes（110言語のリアルタイム翻訳）。#3 Fireflies（文字起こし100以上だがUIは英語中心）。#4 Sonix（40以上、自動翻訳）。#5 Whisper Large-v3-turbo（オープンソース、99以上）。
AIチャット（引用検証付き）／トランスクリプトQ&A
VexaScribe #1 — サーバー側引用検証と99言語対応を両立しているのは本ガイド内で唯一。
#2 Otter（Ask Otter — UIは成熟だがクエリ数制限あり、対応6言語）。#3 Sonix（エディタ内チャット、英語ファースト）。#4 Fathom（Ask Fathom、会議横断、引用検証なし）。日本語特化のOtolio／AmiVoice／OneMinutesは要約・サマリー生成に注力でチャットQ&Aは未提供。詳しくは上記のAIチャット比較表を参照。
ライブ会議（リアルタイム字幕、英語中心）
Otter.ai #1 — 英語ライブ会議ボット製品としては最も成熟。Zoom／Meet／Teams連携とチームコラボレーションUXは依然トップクラス（英語環境）。
日本語環境ならNotta／Otolio／VexaScribeミーティングボットを優先。#2 Fireflies（CRM連携重視、AskFred、100以上の言語）。詳しくはAI会議メモツール比較を参照。
無料（ファイルアップロード可）
Whisper Large-v3-turboローカル #1 — GPUがあれば完全無料・無制限、99以上の言語、MITライセンスで商用利用も可。
#2 Otter Free（300分/月、英語中心、ファイルインポートは生涯3本まで）。#3 VexaScribe（30分の試用無料、フル機能）。#4 Notta（120分/月無料）。リアルタイム入力ならGoogleドキュメント音声入力。
動画クリエイター／ポッドキャスト制作
Descript #1 — テキストベースの音声・動画エディタは動画クリエイター／ポッドキャスト制作のワークフローで実質カテゴリリーダー。
次点：VexaScribe（1時間あたり最安、SRT/VTT書き出し、話者識別 — 任意の音声エディタと組み合わせ）。インタビューのライブ文字起こしならOtter。
人間レベルの精度（法務・医療・公文書）
Rev人間文字起こし #1 — 99%以上の精度保証、$1.99/分（$119/時間、約18,000円）。
#2 GoTranscript（同等の人手精度、単価は低いが納期は長め）。日本語の医療記録ならAmiVoice医療向け＋人手校正のハイブリッドも有力。法廷記録など正式用途では、AIや人手の文字起こしサービスは認定速記者の代替ではなく補完です。
大量バッチ処理
VexaScribe #1 — 一度に最大50ファイルをアップロード可能。研究者・ジャーナリスト・大量のインタビュー音源を扱うチーム向け。
編集部からのおすすめ
2026年に「総合ベスト1」は存在しません — 主用途と組織規模で選んでください。日本語の議事録・日本円対応・敬語認識を重視するならNottaがおすすめです（日本市場で最も成熟した選択肢）。 日本企業の中堅〜大企業で機密情報を扱う議事録ならOtolio（旧Smart書記）（8,000社以上、ISO 27001、機密情報を学習させない設計）。 医療・コールセンター・建設・公共など業界特化が必要ならAmiVoice（20,000施設以上、業界別モデル）。 海外拠点を含む国際会議のリアルタイム翻訳付き議事録ならOneMinutes（110言語）。
コスパ・多言語・引用検証付きAIチャットで選ぶならVexaScribeがおすすめです。 $0.20〜0.60/時間で96%の精度（日本語は限定テストで約93%）、99言語の文字起こしとエクスポート時の133言語翻訳、 最大50ファイルの一括アップロード、Zoom／Meet／Teamsに対応するミーティングボット（$0.60〜1.80/時間）、 そして引用をサーバー側で文字起こしと照合するAIチャット （回答テキストは生成されますが、引用箇所は文字起こしに制約される仕組みです）。
英語ライブ会議のキャプションとチームコラボレーションが必要ならOtter（AI会議メモツール比較も参考にどうぞ）。 ポッドキャストや動画編集と統合したいならDescript。 99%以上の人手による最高精度が必要ならRev人間文字起こし（$1.99/分＝$119/時間）— 法務文書、医療記録、学術論文向け。 グローバルチームで無料枠が充実した会議ボットを使いたい場合はtl;dv（Free無制限）やFathomを参考に （いずれも日本市場での認知度は限定的）。
どれが自分に合うか迷う場合は、上記の用途別サブランキングとAIチャット比較表をご覧ください。
よくある質問（FAQ）
日本語の文字起こしで最も精度が高いソフトは？
当サイトの限定テスト（2ファイル、各10分）では、VexaScribeが日本語クリア音声で約93%の精度を記録。Nottaは日本語特化モデルで約95%と最も高い精度でした。Revの人間による文字起こしは99%以上の精度を保証していますが$90/時間と高額です（rev.com公式サイトより、2026年2月確認）。敬語や専門用語が多い場合はNottaまたはRev人間が安定しています。
無料で使える文字起こしソフトはありますか？
はい、いくつかあります。VexaScribeは新規ユーザーに30分の無料枠を提供。Googleドキュメントの音声入力はリアルタイムで無制限に使えます（ファイルアップロード不可）。Windows 11の音声入力も無料で日本語対応済み。Nottaも毎月120分の無料枠があります。
敬語や丁寧語も正確に文字起こしできますか？
Whisperベースのツール（VexaScribe等）は一般的な敬語（です/ます体）を適切に認識します。ただし、ビジネス敬語（させていただく、ご査収ください等）やかしこまった表現は精度が下がる場合があります。会議議事録など敬語が多い場面ではNottaの日本語特化モデルが強みです。
会議の議事録を自動で文字起こしできますか？
はい。NottaはZoom/Google Meet/Microsoft Teams連携でリアルタイム文字起こしが可能です。VexaScribeはミーティングボットがZoom/Google Meet/Teamsの会議に参加し、録音・文字起こし・アクションアイテム付き構造化された要約を自動生成します（3倍クレジット、$0.60〜1.80/時間）。リアルタイム議事録とカレンダー連携が必要ならNotta、手頃な会議文字起こしならVexaScribeがおすすめです。
日本円で支払いできますか？
Nottaは日本円での支払いに対応しています。VexaScribe、Rev、Descriptは米ドル建てです。日本のクレジットカード（Visa、Mastercard、JCB）は全ツールで利用可能です。為替手数料は通常1.6〜3%程度です。
方言や訛りのある日本語も認識できますか？
Whisperベースのツール（VexaScribe等）は標準語に最適化されていますが、関西弁、東北弁などの主要な方言も概ね認識します。精度は標準語より5〜10%程度低下する傾向があります。強い方言の場合はRev人間文字起こし（99%以上）が最も確実です。
Otter.aiは日本語に対応していますか？
Otter.aiは公式サイトで日本語を対応言語として記載していますが、主に英語会議向けに設計されたツールです（otter.ai、2026年2月確認）。当サイトのテストでは日本語の認識精度はVexaScribeやNottaより低い結果でした。日本語メインならVexaScribe（99言語対応）やNotta（日本語特化）が適しています。
1時間の音声を文字起こしする費用は？
VexaScribeは$0.20〜0.60/時間（約30〜90円、プランにより異なる）、Nottaは月額2,200円で1,800分利用可能（約73円/時間）、Rev AIは$15/時間（約2,250円）、Rev人間は$90/時間（約13,500円）。大量の文字起こしにはVexaScribeが最もコスパが良いです。
2026年にAIチャット／Q&A機能を持つ文字起こしツールは？
2026年6月時点で、VexaScribe、Otter（Ask Otter）、Fireflies（AskFred）、Sonix、tl;dv（Ask tl;dv）、Fathom（Ask Fathom）、Granola、Nottaが文字起こしごとのAIチャット／Q&Aを提供しています。サーバー側で引用検証（回答中の引用が文字起こしに実在するか検証）を行い、かつ99言語に対応しているのは現状VexaScribeのみです。Rev、TurboScribe、Trint、Happy Scribe、Descript、Otolio、AmiVoice、OneMinutesにはトランスクリプトごとのチャット機能はありません（OtolioとOneMinutesは要約・サマリー生成は提供）。
AIチャット付き文字起こしは2026年に支払う価値があるか？
会議、商談、長尺インタビュー、研究録音などには十分価値があります。録音を巻き戻して該当箇所を探す代わりに質問できるため、1本あたり30〜90分の時間節約になります。15分以下の短い録音であれば、文字起こしを直接読む方が早いです。選定時の最重要ポイントは引用検証の有無です。検証がないAIチャットは過度に言い換えたり、過去の文脈から回答を生成することがあり、ユーザーは引用が正確か確認する手段を持ちません。VexaScribeはサーバー側で検証しますが、Otter、Fathom、Fireflies、Granola、tl;dv、Sonixは公式に検証ステップを公開していません。日本語特化のOtolioやOneMinutesはトランスクリプトごとのチャットではなく要約・サマリー生成に注力しています。なお、引用検証は「幻覚なし」ではなく「引用が文字起こしに制約される」という意味です。
更新履歴
- 2026年6月30日（日本市場リフレッシュ）：日本市場での認知度が低いWestern向けツール3製品（Temi、Windows Dictation、Dragon Naturally Speaking）をメインロスターから除外。日本語特化ツール3製品を追加：Otolio（旧Smart書記）（8,000社以上、ISO 27001、AES256、機密情報を学習させない、お問い合わせ価格）、AmiVoice（株式会社アドバンスト・メディア）（医療・コールセンター・建設・公共向け業界特化モデル、20,000施設以上導入、エンタープライズSDK）、OneMinutes（ワンミニッツ）（110言語のリアルタイム翻訳付きAI議事録）。新セクション「日本語特化ツール」を設置し、Notta／Otolio／AmiVoice／OneMinutesを日本企業向けのプライマリ選択肢として再構成。tl;dvはグローバルツールとして位置づけを調整し、「グローバル会議ツール（参考）」セクションへ移動（日本市場での認知度が限定的という注記付き）。日本企業向けサブランキングを再構築：日本語特化議事録はNotta #1、大企業向けはAmiVoice #1、業界特化（医療・コールセンター・建設）はAmiVoice #1、ライブ多言語会議はOneMinutes #1。Otolio／AmiVoice／OneMinutesを含むAIチャット比較表とItemListStructuredDataを更新。タイトル・description・キーワードを日本市場向けに調整。
- 2026年6月29日：tl;dvを14番目のレビュー対象として追加。新セクション「AIチャット — 2026年の差別化要素」を追加し、各ツールの提供状況・引用検証・言語サポート・スコープを評価。VexaScribeレビューにAIチャット情報（サーバー側引用検証、99言語、クリック可能なタイムスタンプ）を追記。Granola（クラウド同期＋AIチャット追加）、Fathom（無料無制限＋Ask Fathom はPremium以上）、Otter（Ask Otterはクエリ数20/50/200で課金制、対応6言語）、Fireflies（Pro年額$10／標準$18、Business年額$19／標準$29、100以上の言語、AskFredはBusiness以上）の価格・チャット機能をスポットチェック。AIチャットに関するFAQを2件追加。単一の「総合ベスト」を廃止し、サブランキングへ誘導。
- 2026年3月3日：VexaScribeレビューを更新—Zoom/Google Meet/Teamsのミーティングボット（3倍クレジット）を追加。
- 2026年2月25日：初版公開。8ツールのベンチマーク結果を掲載。