本記事にはプロモーションが含まれます。
追加費用 0円
やりたいことで、読む場所が分かれます
▼ 0円のまま、手元のファイルを読ませたい
Clipchampの手順4つへ。
▼ 時刻つきの字幕ではなく、議事録の文章として欲しい
長い会議を1本まるごとテキストにする話へ(この先に広告リンクがあります)。
▼ その音声は社外(クラウド)に出せない
買い切りで、PCの中だけで処理するソフトの話へ(この先に広告リンクがあります)。
▼ そもそもオフラインで、ネットにつながずに文字にできるのか
Windowsの設定で音声が外に出る/出ないの線がどこに引かれているか(公式の記載)へ。
広告
字幕ではなく、ふつうの文章で読みたい人は、Nottaを無料で試してみてください。Clipchampが出すのは時刻つきの字幕(.SRT)で、文章にするには時刻を消す手間が残ります。
※無料枠で確かめられるのは先頭3分の精度までです(月120分・1回につき3分)。長い会議を1本まるごとテキストにするなら有料プランで、金額は7章に書いています。音声を社外に出せない人は8章へ。申込と契約の管理はPCのWeb版からが確実です。
Windowsの標準機能でどこまで文字起こしができるのか、具体的な手順と限界を見ていきましょう。
1. 手元の動画・音声ファイルは本当に無料で文字起こしできるのか?
Windowsの機能だけで、手元の動画(mp4)や音声ファイル(mp3など)を無料で文字起こしすることは可能です。Clipchampの公式料金ページには、無料プランが「誰でも使える無料のオンライン動画編集ツール」で「支払いもダウンロードも不要です」と書かれています(clipchamp.com の料金ページ・2026年9月29日確認。個人用のMicrosoftアカウントでのサインインは必要です)。
ネット上では「動画や音声ファイルの再生音をステレオミキサーで拾い、Windowsの音声入力(Windowsキー + H)でテキスト化する」方法がよく紹介されています。
しかし、Microsoft公式によると、音声入力にはエコー除去機能があり「ナレーターやアプリの再生などのスピーカーからのオーディオを自動的に抑制する」と明記されています。
ステレオミキサーでどう働くかは確認できていませんが、公式の仕様上、再生音をうまく拾えない可能性があります。そこでおすすめなのが「Clipchamp」です。
次の項目で、確実な手順と必要な費用について解説します。
2. Clipchampを使う手順(追加費用0円)
Windows標準の動画編集アプリ「Clipchamp」の自動キャプション機能について、公式ページは「音声を含むビデオおよびオーディオ アセットとのみ互換性があります」と書いています。音声が入っていれば、動画ファイルでも音声ファイルでも対象です。
インターネット接続が必要ですが、以下の手順で手元のファイルを直接読み込み、テキスト化できます。
- ツールバーの「マイメディア」から動画または音声ファイルをインポートする
- プロパティパネルの「キャプション」タブで自動キャプションをオンにする
- 言語を選び「メディアのトランスクリプトを作成する」を選択する
- 「キャプションのダウンロード」を選び、.SRTファイル(字幕データ)を保存する
この機能は、1つのファイルにつき1つの言語で生成できます。編集可能なテキストとタイムスタンプも表示されます。
手順そのものは同じですが、読み込ませるのが動画の場合だけ、話が少し変わります。
3. 動画(mp4)を読ませるときに変わる3つのこと
音声ファイルではなく動画を文字起こししたい人にとって、ここが分かれ目になります。
(1) 動画を再生しなくていい
よく紹介される「ステレオミキサー+音声入力(Windowsキー + H)」は、動画を頭から再生しながら音を拾う方式です。つまり30分の動画なら、再生に30分かかります。
一方、Clipchampの公式手順は「マイメディアから動画をインポートする」→「メディアのトランスクリプトを作成する」で、再生もステレオミキサーも出てきません。公式ページはインポート元として「デバイスからファイルをインポートしたり、OneDriveやその他のクラウド ストレージ統合からメディアを追加したり」と書いています。
(2) 出てくる .SRT が、動画なら素直に使える
Clipchampからダウンロードできるのは .SRT(字幕データ)です。議事録のような「文章」が欲しい人には、タイムスタンプを消す手間が残ります。
ただし動画が目的なら、.SRT はもともと字幕のためのファイル形式です。公式手順の最後には「自動キャプションをプレビューし、お好みの動画解像度で動画をエクスポートします」とあり、字幕を乗せた動画として書き出すところまで、同じ画面で終わります。公式はこの機能の用途として「ビデオの字幕を自動的に作成する」「トランスクリプトを使用して特定のタイムスタンプに簡単に直接移動できるように、ビデオのインデックスを作成する」も挙げています。
→ 逆に、議事録のような「文章」が欲しいのにタイムスタンプを消す手間のほうが気になる人の出口は、7章にあります。
(3) うまくいかないときは、精度よりファイル形式を疑う
公式のトラブルシューティングには、こう書かれています——「元の入力ビデオが WebM などの異なる形式であった場合、MP4 に変換すると、キャプション機能がオーディオ トラックを正しく認識できるようになることがあります」。
キャプションが出てこない・途中で止まるときに公式が挙げている手は、この形式変換のほかに4つあります。①ブラウザのタブを再読み込みする(アプリ版は閉じて開き直す) ②編集プロジェクトからクリップを削除して入れ直す ③別の動画で試して、特定のファイルの問題かを切り分ける ④ファイアウォールやブラウザ拡張機能が、Azureの音声テキスト変換サービスへの接続を塞いでいないか確認する。
言語は1つの動画につき1言語です。日本語については、公式手順ページが「言語の完全な一覧」としてリンクしているMicrosoft Learnの音声テキスト変換のロケール表に ja-JP(日本語・日本)が載っています(2026年10月14日確認。Clipchampの画面上でどう表示されるかは、当サイトでは確認していません)。
では、動画を再生しながら字幕を出す「ライブキャプション」ではだめなのでしょうか。
4. 再生音を文字化する「ライブキャプション」の注意点
Windows 11(バージョン 22H2以降)には、PCを通過するすべての音声をテキスト化する「ライブキャプション」機能があります。
初回に言語ファイルをダウンロードすればデバイス上で処理が行われるため、インターネットから切断されている場合でも機能します。
しかし、手元の動画・音声ファイルの文字起こし目的で使うには、決定的な弱点があります。
公式ページに「生成されたキャプションは、デバイスやクラウド上のどこにも保存されません」と明記されているため、テキストとして残すことができません。
用途によって、どの機能を選ぶべきかが変わってきます。
5. Windows標準機能の比較と選び方
ここまで紹介したWindowsの機能を比較してみましょう。
| 機能 | 手元のファイル読込 | テキストの保存 |
|---|---|---|
| Clipchamp | 可能(動画・オーディオアセット) | 可能(.SRT形式) |
| ライブキャプション | 不可(再生音を認識) | 不可(保存されない) |
| 音声入力 | 不可(マイクの声を認識) | 可能(テキスト入力) |
では、これらの標準機能を使う上で、セキュリティ面は安全なのでしょうか。
6. セキュリティとデータの安全性
仕事のデータを扱う場合、音声データがどう処理されるかが重要です。
ClipchampはAzure Cognitive Servicesを使用しますが、データはプロジェクトに保存され「人間の介入はないため、誰もオーディオにアクセスすることはできません」とされています。
ライブキャプションはすべてデバイス上で処理され、クラウドやMicrosoftと共有されることはありません。
なお、音声入力はAzure Speechサービスを利用したオンライン音声認識が使用されます。
標準機能でも文字起こしは可能ですが、ビジネス用途ではどうでしょうか。
7. ビジネスで議事録作成を効率化したい方へ
Clipchampを使えば無料で文字起こしは可能ですが、ダウンロードできるファイル形式が.SRT(字幕用データ)になります。
そのため、そのまま議事録として使うには、タイムスタンプを消すなどテキストの整形に手間がかかります。
もし、長時間の会議動画・会議音声のテキスト化や、業務の時短を目的としているなら、専用の文字起こしツールの導入を検討するのも一つの方法です。
Windowsパソコンから利用する場合、Webブラウザ上で高精度にテキスト化できるビジネス向けツールが便利です。
ただし、専用ツールの無料枠も「1本まるごと」は通りません。当サイトが公式ページで確認している範囲では、Nottaのフリープランは月120分・1回につき3分までで、この3分は手元のファイルを取り込む場合も同じように掛かります(公式ヘルプのインポート機能のプラン別の枠に「Free: 3 mins/record」、公式料金ページのFAQに「無料ユーザーは文字起こしの最初の3分しか閲覧できない」。いずれも英語版・2026年10月13日に確認)。取り込み自体は無料でできますが(月50個)、読めるのは先頭3分だけです。つまり30分の会議動画を1本まるごとテキストにするなら有料プランで、プレミアムの年間プランは14,220円(税込・12ヶ月一括、月換算1,185円)・月1,800分です(2026年9月13日に公式料金ページで確認)。
逆に言えば、無料のまま確かめられるのは「自分の音声で精度が足りるか」までです。そこで足りるなら、上のClipchampのまま0円で済みます。有料を考える理由になるのは、「長い動画・音声を1本まるごと、整形済みのテキストで欲しい」ときと、次の8章の「その音声をクラウドに上げられない」ときの2つです。
▼Windows PCからWeb版で手軽に高精度な文字起こしを始めるなら
※申込と契約の管理はPCのWeb版から行うのが確実です(スマホのアプリから申し込むとApple ID・Google Play経由の課金になり、解約の手順も変わります。2026年9月30日に公式の料金ページで確認)
次の一手:ここまでは、音声がいったんクラウドを通る前提の話です。その音声を社外に出せない場合は、次の8章へ。
8. クラウドに上げられない音声なら——買い切り・オフラインのソフト
6章で見たとおり、Clipchampの自動キャプションはAzureのサービスを通り、音声入力もオンラインです。端末内で処理される「ライブキャプション」は、テキストを保存できません。つまり「社外に出せない音声を、1本まるごとテキストで残す」だけが、ここまでの選択肢から漏れます。
この用途に当たる市販ソフトに、ソースネクストの「RecText AI 2」があります。公式の製品ページとサポートページで確認できたのは次の点です(2026年10月14日確認)。
- 定価9,980円(税込)の買い切りで、文字起こしの時間は無制限。1本のライセンスで3台のPCまで使えます。公式は「サブスク料金も従量課金もかからない」と書いています。
- 録音・録画済みのファイルを読み込めます。公式のよくあるご質問にある対応形式は録音がMP3・WAV・WMA・M4A、録画がMP4。フォルダ内のファイルをまとめて文字起こしする機能もあります。
- 文字起こしはPCの中で処理され、公式は「一切のデータをインターネット上に送信しない」と書いています。ただし完全なオフラインではありません——同じページのよくあるご質問が、利用開始時の認証・製品の登録・アップデートにはネット接続が必要と書いています(完全なオフライン環境で使いたい場合は法人向けの問い合わせ窓口の案内になります)。
- 対応OSはWindowsのみ(動作環境はWindows 11/10の64ビット版)。対応言語は日英で、要約と共有の機能はありません(公式の機能比較表では、クラウド版の「AutoMemo」に付いています)。
- 精度はメーカー公表の正解率92.1%です。ただし公式の注記は「環境音が約40dBの会議室で、話者1名の音声を録音した1回の検証」(ソースネクスト調べ/2025年6月)で、同じ比較表のクラウド版は98.9%と書かれています。
- 戻せる一歩:公式は「万一正常に動作しない場合」に限り、購入から30日以内に購入相当額を返金する「安心サービス」の対象製品としています(ユーザー登録と購入履歴の確認が条件。ダウンロード版は返送不要)。「思っていたのと違った」での返品ではありません。
楽天で買いたい人向けの導線です。リンク先は上の8章で挙げたソフトのダウンロード版で、楽天市場ではメーカーの公式ショップが扱っています(当方が商品ページを見たのはダウンロード版の1枚です。同じ店にカード版もありますが、そちらの納期・在庫は確認していません)。
楽天で買う場合の納期・返品の条件と、終わった値引きのこと
2026年10月14日に確認したときは「マラソン限定価格」6,980円でした——この値引きは終わっています(終了の日時は商品ページに書かれていませんでした)。ダウンロード版なので商品の発送はなく、楽天のページには「メールにて30分〜3時間以内にお届け」と出ています。
返品について:この店舗の返品特約には「当店ではお客様都合による返金は受け付けておりません」「当店ではお客様都合による交換は受け付けておりません」と別々に書かれており、商品の不具合による返金は「対応可能期間:対応期限はございません/返金額:商品代金全額/返品送料:店舗負担」(同じ欄の備考に「対応可能期間など、商品によって条件が異なります」の但し書きあり)と書かれています。2026年10月14日に店舗情報ページで確認しました。8章に書いた「購入から30日以内」はメーカー直販の「安心サービス」の条件で、楽天経由で買った場合に対象になるかは確認できていません。
次の一手:買い切りのこのソフトに要約と共有の機能はありません(付いているのはクラウド版の「AutoMemo」のほう)。そちらの総額が気になる人は、当サイトのAutoMemoの記事へ。
広告(Amazonアソシエイト)
Amazonで買いたい人向けの導線です。リンク先は8章で挙げたソフトのカード版で、シリアル番号とダウンロード手順が記載されたものが同梱されて届きます(2026年10月26日に商品ページで確認。販売元はソースネクスト・ポケトーク公式)。上の楽天のリンクはダウンロード版で、こちらは発送があります。
※当サイトはAmazonの価格と在庫を本文に記載していません(アソシエイト運営規約)。金額・納期・在庫はリンク先でお確かめください。
9. 「オフラインで文字起こし」をWindowsで探している人が、先に見る設定
ここまでの道は、8章の買い切りソフトを除いて、どこかで音声がネットに出ます。ではWindows本体は、出る/出ないの線をどこに引いているのか。Microsoftの公式ページは、音声認識には2種類あると書いています(当サイトが2026年11月1日に取得して確認)。
「デバイス ベースの音声認識: デバイスで音声をローカルで処理します。音声データは Microsoft に送信されません。」「オンライン音声認識: Microsoft クラウドベースのサービスを使用して、より正確な認識を実現します。音声データは、サービスを提供し、テキスト文字起こしを作成するためにのみ Microsoft に送信されます。」
切り替えは設定の中にあります。公式が載せている手順は[Start > Settings > Privacy & security > Speech]——日本語のページなのに、この手順だけ英語の表記のまま残っています(2026年11月1日時点)。日本語のWindowsでは「設定」→「プライバシーとセキュリティ」→「音声認識」に当たりますが、名称は画面で確かめてください。
ここで大事なのは、オフにしても文字起こしが増えるわけではないことです。公式は「オンライン音声認識をオフにすると、デバイス ベースの機能 (ナレーターなど) のみが使用できます。」と書いています。そして音声入力(Windowsキー + H)は「オンライン」側です——「音声入力では、Azure Speech サービスを利用したオンライン音声認識が使用されます」「音声入力を使用するには、インターネットに接続し、マイクを動作させ、テキスト ボックスにカーソルを置く必要があります」(同日確認)。つまりオフにすると、音声入力は使えなくなります。
端末の中だけで処理する動きが無いわけではありません。公式は「流動ディクテーション」を「Copilot+ PC の音声入力の新機能」とし、「デバイス上の小規模言語モデル (SLM) を利用して、高速でプライベートな処理を保証します」と書いています。ただし注記は「これは Copilot+ PC の機能であり、すべての英語ロケールで利用できます」——日本語で使えるとは書かれていません。
Wordのトランスクリプトを使う場合は、音声の置き場所まで公式に書いてあります。「録音は、OneDrive の[トランスクリプトされたファイル]フォルダーに保存されます」「お客様のオーディオ ファイルは Microsoft に送信され、このサービスを提供するためだけに使用されます」「デスクトップ用 Word のトランスクリプト機能が正しく機能するには、オプションの接続エクスペリエンスが必要です」(同じページに、Microsoft 365のサブスクリプションでアップロードできるのは1か月あたり最大300分までとも書かれています。2026年11月1日確認。上限の詳しい話はWordのトランスクリプトの上限の記事へ)。「社外に出せない」が理由でオフラインを探しているなら、ここが分かれ目です——音声はOneDriveに残るので、消すなら自分で消すことになります。
まとめると、Windowsの標準機能だけでオフラインのまま使えるのは、4章のライブキャプション(テキストを保存できない)までです。テキストで残すところまで要るなら、8章の買い切りソフトか、ネットに出すことを受け入れるかの2択になります。iPhoneで同じことを調べていてエラー文が出た人は、ボイスメモで「インターネットに接続できません」と出るときの記事へ。
今夜できること:Windowsの検索窓に「Clipchamp」と入れてアプリを開き、手元のファイルを1本だけ「マイメディア」に取り込んで、「メディアのトランスクリプトを作成する」まで進めてみてください。そこで出た文字で足りるなら、この記事の有料の話はどれも要りません。
確認日: 2026年9月29日(動画についての第3章と日本語ロケールの記載は2026年10月14日に追記・同日確認)。本記事の仕様・条件は、Microsoftサポートの公式ページ(「Windows で音声入力を使用する」「Windows でライブ キャプションを使用する」「Clipchamp で AutoCaptions を使用する方法」)、Clipchampの公式料金ページ(clipchamp.com/ja/pricing/)、および自動キャプションの公式ページが「言語の完全な一覧」としてリンクしているMicrosoft Learnの音声テキスト変換ロケール表の記載に基づいています。確認できていないこと: ①ステレオミキサー経由で音を流した際に、音声入力のエコー除去がどう働くか(公式ページに記述がなく、当サイトも実機で確認していません。「ステレオミキサーでは絶対にできない」という意味ではありません) ②Clipchampの画面上での日本語の表示と、ライブキャプションの日本語対応——Clipchampについては上記のロケール表に ja-JP の記載を確認しましたが、アプリの言語選択で実際にどう出るかは確認していません。ライブキャプションは「初回に言語ファイルをダウンロードする」という記述までで、日本語の明記を確認していません ③自動キャプションが無料プランで使えるかどうかの公式の明記——料金ページの無料/Premium比較表には「AI オーディオ編集ツール(無料プランに含まれる)」の行はありますが、字幕・キャプションの行そのものがありません。自動キャプションの公式手順ページ(上記)にも、有料プランが必要という記載は見つかりませんでした。探したのはこの2ページです。第8章について: 定価・動作環境・対応形式・精度の注記・機能比較表はソースネクストの公式製品ページ(sourcenext.com/product/rectext/)、返品の条件は同社の「安心サービス(ソフトウェアの返品)」のページで、いずれも2026年10月14日に確認しました。確認できていないこと: ①体験版の有無(上記の製品ページには記載が見つかりませんでした。探したのはこの1ページです) ②楽天市場で購入した場合も「安心サービス」の対象になるか(同ページは店舗で購入した場合の返金について触れていますが、楽天経由についての明記は見つかりませんでした)。第9章について: Microsoftサポートの公式ページ(「音声認識、音声のアクティブ化、手描き入力、入力、プライバシー」「音声入力を使用して、PC 上でタイプをする代わりに話す」「レコーディングの文字起こし」)を2026年11月1日に取得して確認しました。確認できていないこと: ①日本語版Windowsの設定画面での表記(公式の手順が英語表記のままで、当サイトは実機の画面を確認していません) ②オンライン音声認識をオフにした状態で、どのアプリの文字起こしが動かなくなるか(公式は「デバイス ベースの機能 (ナレーターなど) のみ」までしか書いていません)。仕様・料金は変更される場合があります。利用前に必ず公式ページでご確認ください。
ピンバック: 安いICレコーダーでも文字起こしは終わります。ただし、文字にするのはその機械ではありません - あまのじゃくなAIツール研究所
ピンバック: LINE通話の録音・文字起こしは今だけ無料。終わる日は「今冬」としか書かれていません - あまのじゃくなAIツール研究所