文字起こしツール、便利だけどいずれのツールも 月額課金(サブスク)モデルが主流で意外とコストがかかる。 無料プランは魅力的に見えても、月に使える時間数に上限がある。 そんなサブスクに疲れた方へ！ またこれからクラウドソーシングを始める方へ朗報です！ このアプリは、PCにインストールして使う 買い切り型の文字起こしソフトです。 月額費用は「一切かかりません！」 「個人」「自作」と聞くと、精度が心配になる方も多いと思います。 なので、しっかり精度の検証もしています。 実際に人力で書き起こされた正解データと、このアプリの 文字起こし結果を1件ずつ照合しました。 【誤り率】 素の誤り率:13.1% 実質誤り率(表記のクセを除いた実態値):4.7% 「素の誤り率」は、"歪めた=ゆがめた" や "全て=すべて" の ような、漢字とひらがなの書き方の違いまで誤りとしてカウント した場合の数値です。 この書き方の違いを除いた「実質誤り率」は4.7%。 これは、商用の文字起こしツールでも高精度とされる水準(WER5%以下) に匹敵します。 【なぜ精度が高いのか】 このアプリは、Whisper(OpenAI)・pyannote.audio という、 多くの商用の音声認識・話者分別サービスでも採用されている AIエンジンを土台に組み上げています。 つまり「エンジンの性能」自体は商用ツールと共通していて、 違うのは「月額課金の形で提供するか」「買い切りのアプリと して自分の手元で動かすか」という部分です。 一方で、正直にお伝えすると弱点もあります。 地名・専門用語・人名など、聞き馴染みのない固有名詞は誤変換が増える傾向があります (例:「木曽川」→「基礎川」) こうした誤変換は、月額課金の商用ツールを含め、音声認識技術そのものが共通して抱える限界です。 そのため完璧な仕上がりを求めるより、「議事録の下書きとして使い、固有名詞が出てくる箇所だけ見直す」という使い方が現実的です 【対応OS】Windows 10/11 【対応拡張子】.mp3 .wav .m4a .mp4 .mov .flac .ogg ■ できること ・ドラッグ&ドロップで音声・動画ファイルを複数まとめて追加 ・モデル選択(small/medium/large-v3、通常はmediumを推奨) ・検索・置換機能(見出し・時間表示などは自動で対象外) ・フィラーワード(えー・あの 等)の「ハイライト/自動削除」設定 ・結果のコピー・音声元フォルダへ保存・名前を付けて保存 ・プログラミング知識は不要、専門コマンド入力もほぼなし ※ 話者分別(誰が話したかの区別)には対応していません。 それが必要な方は「話者分別ありver」をご検討ください。 (Hugging Faceのアカウント登録は不要です) ■ 同梱物 ・セットアップガイド(PDF、画面付き) ・setup.bat / run.bat / transcribe_gui.py / app_icon.ico 一式 【注意事項】 ・セットアップ手順は同梱のPDFガイドに沿って進めてください ・トラブル対応は、アプリ内の「ヘルプ」タブ、またはこちらのメッセージ機能でサポートします ・話者分別(誰が話したかの区別)が必要な方は、そちらの機能を含む上位版もございます 【その他】 ・本アプリは個人が開発した非公式ツールです。動作を保証するものではありません ・エラー発生時は自動でerror_log.txtに記録されます。不具合はメッセージ機能でご連絡ください ・セットアップ完了後の追加費用は一切ありません(買い切り)