インタビューの文字起こしのやり方：録音から引用チェックまでの手順を解説（2026年版）
インタビューの文字起こしのやり方を手順ごとに解説します。クリアな音声で録音し、AIで数分で文字起こししたら、話者を区別して引用を確認し、文字起こしを書き出すまでの流れがわかります。素起こしとケバ取りの違いも紹介します。
結論
インタビューの文字起こしは、次のやり方で進めます。クリアな音声で録音し、ファイルをAI文字起こしツールにアップロードしたら、話されている言語を選んで話者の検出をオンにします。そして、誰かの発言を引用する前に、文字起こしを録音と照らし合わせて確認します。Whisper AI Transcriptionなら、1時間のインタビューは通常2〜3分で文字起こしされ、残りの時間は人名、引用、文脈の確認に充てられます。
インタビューを文字起こしする3つの方法
- 自分で入力する：無料で、すべてを自分で管理できますが、時間がかかります。手作業での文字起こしには、音声1時間あたり数時間かかるのが一般的です。
- 人による文字起こしサービスに依頼する：聞き取りにくい音声や法的な記録に向いていますが、1分ごとに料金がかかり、仕上がりまで数分ではなく数日かかります。
- AI文字起こしを使う：速くて費用も安く、クリアな録音なら正確です。結果の確認は自分で行う必要がありますが、ゼロから入力するよりはるかに短時間で済みます。
ほとんどのインタビュー（研究、取材、ポッドキャスト、採用、ユーザーリサーチ）では、AIで文字起こししてから丁寧に確認するやり方が、スピード、コスト、精度のバランスに最も優れています。
インタビュー前に：クリアに録音するための準備
文字起こしの問題の多くは、ソフトウェアではなく録音の段階で生まれます。
- 録音の同意を得る：録音と文字起こしをどのように使うのかを相手に伝えましょう。ルールは国によって異なるため、自分に当てはまるものを確認してください。
- 専用のマイクを使うか、スマートフォンを話し手の近くに置く：精度を下げる要因としては、アクセントよりも距離や反響のほうが大きく影響します。
- 静かな部屋を選ぶ：カフェ、開いた窓、BGMは避けましょう。
- リモートインタビューは通話ツール自体の録音機能で録る：通話アプリが保存した音声・動画ファイルは、スピーカーから流れる音を別の端末で録音するよりも、たいていクリアです。
- 人名や用語を事前にメモする：人名、会社名、専門用語の表記を書き留めておけば、後で確認できます。
インタビューを文字起こしするやり方：ステップごとの手順
- 録音をアップロードする：音声または動画ファイル（MP3、WAV、M4A、MP4のほか20種類以上の形式、最大3GB）を追加するか、ブラウザで直接インタビューを録音します（1回あたり最大120分）。
- 音声の言語を選ぶ：話されている言語を選ぶと、句読点や人名の表記が正確になりやすくなります。
- 複数話者をオンにする：このベータ版モードは異なる声を検出して文字起こしにラベルを付けるので、誰が何を話したかがわかります。対応言語は、英語、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、ヒンディー語、日本語、中国語、韓国語、ポーランド語、ロシア語、トルコ語、ウクライナ語、ベトナム語です。
- 文字起こしを開始する：ほとんどのファイルは1分以内に完了し、1時間の録音でも通常2〜3分で処理されます。
- 文字起こしを音声と照らし合わせて確認する：人名、数字、専門用語を修正し、引用する予定の箇所はもう一度聞き直しましょう。
- ダウンロードまたは共有する：文字起こしをダウンロードするか、テキストとして共有するか、ほかのインタビューと一緒にフォルダに保存しておけます。
素起こしとケバ取り、どちらにする？
文字起こしをどこまで発言どおりにするかは、早めに決めておきましょう。
- 素起こしは、「えー」などのつなぎ言葉、言い直し、繰り返しをすべて残します。法務関連の作業や言語学の研究、また「どう話したか」が重要な場合に使います。
- ケバ取りは、つなぎ言葉や言いよどみを取り除きつつ、意味と話し手自身の言葉は残します。記事やレポート、ほとんどの質的研究に向いています。
AIによる文字起こしは、もともとケバ取りに近い仕上がりです。厳密な素起こしが必要な場合は、確認作業に余分な時間を見込んでおきましょう。
公開前に引用を確認する
クリアな音声で最大99%の精度があっても、いちばん大事な一文に誤った単語が入る可能性は残ります。引用を記事やレポートに載せる前に、次の点を確認しましょう。
- 直接引用はすべて、元の音声を聞いて確かめる。
- 人名、数字、日付、製品名を再確認する。
- 聞き取れない箇所は推測せず、印を付けておく。
- 相手が別の言語で話していた場合は、翻訳の横に元の言葉を残しておく。
文字起こしから知見を引き出す
文字起こしはあくまで素材です。確認が済んだら、次のことができます。
- 要約する：長い会話の要点を数行で把握できます。
- AIに質問する：全文をスクロールする代わりに、「料金について彼女は何と言っていた？」のように質問できます。
- 翻訳する：インタビューの言語と読み手の言語が異なる場合に、別の言語に翻訳できます。
- インタビューを比較する：プロジェクトごとの文字起こしを1つのフォルダにまとめておけば、比較しやすくなります。
このやり方が向いている人
- ジャーナリスト：正確な引用をすばやく用意したい方。
- 研究者や学生：質的インタビューを行っている方。
- ポッドキャスター：番組ノートを作り、エピソードを検索できるようにしたい方。
- プロダクトチームやUXチーム：顧客インタビューを集めている方。
- 採用担当者：候補者との面談を記録している方。
よくある質問
1時間のインタビューの文字起こしには、どれくらい時間がかかりますか？
AI文字起こしなら、通常2〜3分です。手作業で入力する場合は、一般的に数時間かかります。どちらの場合も、文字起こしを確認する時間を別に見込んでおきましょう。
AIはインタビューで誰が話しているかを区別できますか？
はい。複数話者をオンにすると、異なる声が検出され、文字起こしにラベルが付きます。このモードはベータ版で、英語、スペイン語、フランス語、ドイツ語を含む16言語に対応しています。
AI文字起こしは引用に使えるほど正確ですか？
クリアな音声では最大99%の精度に達するため、優れた下書きになります。公開する前に、直接引用は必ず録音と照らし合わせて確認してください。
Zoomや電話のインタビューも文字起こしできますか？
はい。通話を音声または動画ファイルとして保存し、アップロードしてください。通常は、通話アプリ自体で録音したものが最も良い結果になります。
ほかの言語のインタビューも文字起こしできますか？
はい。50以上の言語で文字起こしでき、文字起こしの後で翻訳することもできます。
インタビューを無料で文字起こしする方法はありますか？
はい。Whisper AI Transcriptionには、無料で始められる無料プランがあります。プレミアムプランでは、文字起こしできる時間が増えます。
インタビューの文字起こしを始める
- Webで無料で始める：アカウントを作成
- 録音をアップロード：音声をテキストに変換または動画をテキストに変換
- ライブで録音：ブラウザで音声をテキストに変換
- 要約する：文字起こしを要約に変換
- iPhone/iPad：App Storeでダウンロード
- Android：Google Playで手に入れよう