AI文字起こし — ChatGPT で本当にできる? 精度・料金・おすすめツール (2026)

無料版の ChatGPT では音声ファイルの直接文字起こしはできません (2026年7月時点)。ChatGPT はテキスト専用モデルで、音声入力は Voice Mode を使う場合のみで、ファイルアップロード形式では処理されません。有料の ChatGPT Plus ($20/月) または Team/Enterprise では 2025年6月にローンチした「記録モード」が使えます。実務的には Whisper large-v3 ベースの専用ツール (VexaScribe, TurboScribe, Notta, MacWhisper など) の方が精度・速度・料金面で優位です。

2025年6月に ChatGPT の有料プラン向けにローンチした機能です。会議やインタビュー中に録音・文字起こし・要約を一体化して実行します。ブラウザ拡張機能またはモバイルアプリで動作します。OpenAI 内部で Whisper large-v3 を使っているため精度は Whisper 系ツールと同等 (日本語で ~92-94%)。デメリット: (1) ChatGPT Plus ($20/月) 以上が必要、(2) 話者分離は限定的、(3) 大量の会議録音を保管・検索する UI が専用ツールほど整っていない。頻繁に会議を文字起こすなら Notta/VexaScribe の方が業務用途に最適化されています。

openai.com/api で API キーを取得し、Python/JavaScript から Whisper API を呼び出せます (2026年7月現在、$0.006/分)。開発者向け。実装コスト・エラー処理・UI 開発・保存・話者分離の追加実装が必要なため、非開発者は Whisper ベースの SaaS (VexaScribe, TurboScribe) を使う方が圧倒的に速い。API を検討する用途は: 大量バッチ処理 (月間 10,000分以上)、自社製品への組み込み、社内カスタムワークフロー。

OpenAI Whisper 論文と Open ASR Leaderboard での評価: 日本語クリアな音声で 92-94% (Common Voice、FLEURS 準拠)。実務でよくある会議録音・インタビュー音声では 90-93%。日本語特化ツール (Notta, Rimo Voice) は自社発表で 93-95% とやや高い数値を出しますが、独立ベンチマークではありません (信頼度: 中)。方言 (関西弁・東北弁) や重なり発話が多いと -5〜10%。専門用語 (医療・法律・IT) は用語集を登録できるツール (VexaScribe Pro, Rimo Voice) が有利。

用途で選びます。ChatGPT (Plus + 記録モード) が向く: (1) 既に ChatGPT Plus を契約している、(2) 会議録音の頻度は月 5-10 本以下、(3) 要約とチャット (Ask about the transcript) を統合したい。専用ツール (VexaScribe/Notta/Rimo Voice) が向く: (1) 月に大量の会議録音がある、(2) 話者分離が必要、(3) TXT/DOCX/SRT でエクスポートしたい、(4) 検索可能なアーカイブが欲しい、(5) チームで共有する。業務レベルなら専用ツールが優位。

GPT-4o (2024年5月ローンチ) と GPT-5 (2025年下半期予定・時期は流動的) は「マルチモーダル」対応で音声を直接入力できますが、これは Voice Mode (対話) 用途です。ファイルアップロードによる音声文字起こしとは別機能で、内部的には Whisper 系モデルを呼び出しています。GPT-4o の音声入力機能では、リアルタイム音声対話 (質問→回答) は可能ですが、1時間の録音ファイルを一括で文字起こしする用途は「記録モード」または API 経由で Whisper を呼ぶ方法が正解。

はい。ChatGPT 記録モード (Plus 以上) または ChatGPT に文字起こしテキストを貼り付けて「この会議を要約して、アクションアイテムをリストアップして」と依頼する方法があります。後者のワークフロー: (1) VexaScribe / Notta / Whisper local で音声を文字起こし → (2) テキストを ChatGPT にコピー → (3) 要約プロンプトで整理。この 3ステップが 2026年時点で最も柔軟な運用です。専用ツール (Notta Brain, VexaScribe AI 要約) は 1ステップで完了しますが、要約のカスタマイズ性は ChatGPT の方が上。

6つの選択肢があります: (1) CLOVA Note — 完全無料・月300分・LINE/NAVER, (2) VexaScribe — 30分無料・カード不要, (3) Notta — 月120分無料, (4) LINE WORKS AiNote — 月300分無料・話者分離業界最高, (5) TurboScribe — 3ファイル/日無料, (6) Whisper local — 完全無料無制限・Python 必要。ChatGPT で無料に試したい場合は Voice Mode (対話) はできますが、ファイルアップロード文字起こしは有料プランのみ。

1) Python 3.8+ をインストール, 2) pip install openai-whisper (Whisper のインストール), 3) ffmpeg をインストール (Windows: winget install ffmpeg / Mac: brew install ffmpeg / Linux: apt install ffmpeg), 4) コマンドラインで `whisper 音声ファイル.mp3 --model large-v3 --language ja` を実行。処理速度: CPU で 1時間音声 → 30-60分, GPU で 5-10分, Apple Silicon Mac で 10-15分。GUI が欲しい方は MacWhisper (Mac) や WhisperFrontend (Windows) を推奨。

ChatGPT の無料版・Plus プランでは、OpenAI がデータを AI モデル学習に使う可能性があります (プライバシー設定で「Improve the model for everyone」をオフにできる)。Team・Enterprise・API では学習に使われないポリシー。専用ツールでも VexaScribe, Notta, LINE WORKS AiNote は「顧客データを学習に使用しない」と明示。機密音声を扱う場合は明示的な学習不使用ポリシーがあるサービスか、Whisper local (完全オフライン) が最も安全。