Option 01
Rev 人間逐語記録
人間がタイプします。精度が高いですが、24時間のターンアラウンドと料金はコンテンツ時間に応じて線形にスケールします。
精度〜99%（人間）
ターンアラウンド12〜24時間（一般的）
クロストークマークあり [crosstalk]
QDA エクスポートDOCX、手作業でクリーンアップ
分当たりの料金$1.50 逐語記録
90分グループ〜$135
Best for博士論文や、すべての音声乱雑さが人間で検証されなければならない規制研究。
フォーカスグループ文字起こし。全員にラベルを、全ての言葉を。
6人、8人、10人の声が入ったフォーカスグループ録音をドロップすれば、各参加者にラベル付きの逐語記録、クロストークのタグ、NVivo にそのまま読み込める DOCX が手に入ります。
Drop a file, or pick one
MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously
Paste a link, we’ll fetch the audio
YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more
↓ 出力をご覧ください
8人の参加者が入ると、 逐語記録で出ます。
フォーカスグループは、我々のキューの中で最難度の音声ダイアライゼーションケースです — 類似の人口統計、似た声、頻繁なクロストークの重複。我々はそれをドロップするのではなくインラインでタグを付け、Speaker 3 を 'Participant_F2' に一度リネームすると、全体に反映されます。
フォーカスグループ録音
自動検出 en-US44 kHz バウンダリーマイク · WAV
~90s
トランスクリプト · ストリーミング
S1
最初にパッケージを開いたときのことを説明してもらえますか — 何に気づきましたか。
S2
正直に言うと？最初は匂いでした。病院みたいな、クリニカルな感じ —
S3
ああ、同じだ。ラベンダー香って書いてあるのかと思ったのに。
S2
そう、ラベンダーって書いてあるのにそれっぽくない —
8スピーカー・ルームマイク上で91%DOCX（QDA対応） · SRT · TXT · JSON
↓ This is the dashboard
This is what loads when the job finishes.
Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.
Summary 5Transcript 1,420Speakers 2Exports
Founders need post-call content, not just transcripts. Tools force them to stitch 5 apps together.
Sample preview from a founder interview about post-call workflow. Real transcripts look exactly like this — same tabs, same summary block, same key-points / action-items split, same auto-tag chips.
Key points
Gap exists between raw recordings and shippable content — tools stop at transcript.
Show notes, social clips, blog drafts all expected by call's end, not next-day.
Current tooling fragmented across 5 apps — no single pipeline.
Conversion-rate signal flipped a buyer-segment assumption at week 3.
40% of original hypothesis survived — the shape held, mechanics rebuilt.
Action items
Speaker 1Investigate single-pipeline approach to replace 5-app stitch.
Speaker 2Mock how show-notes draft could flow from the transcript.
Speaker 2Pull conversion-rate by segment, Monday EOD.
Speaker 1Map the 5-app stitch & list which steps actually need a human.
3つの選択肢 · 正直な比較
Rev人間翻訳。汎用AI。 それとも私たち。
���究者は通常、人間の文字起こし者に支払う（遅い、正確、高い）か、8音声ルーム用に構築されていない汎用AIツールでファイルを実行するかのどちらかを選びます。我々はその中間です — AI のスピード、リサーチ録音向けにチューニングされたダイアライゼーション、NVivo に手術なしで読み込める DOCX。
Option 02
Transcription.Solutions
6〜10音声用にチューニングされたダイアライゼーション、インラインでタグ付けされたクロストーク、NVivo、ATLAS.ti、Dedoose 向けのサイズ調整された DOCX エクスポート。
精度グループオーディオ上で88〜94%
ターンアラウンド〜1×リアルタイム
クロストークタグ付き、ドロップなし
QDA エクスポートスピーカーターン付き DOCX
分当たりの料金$0.03
90分グループ〜$2.70
Best for複数グループを実施している研究者で、初回パスのトランスクリプトが明日の朝までに NVivo に必要（来週ではなく）。
Option 03
Otter / Sonix
ミーティング向けの汎用AI。2〜3スピーカーで普通ですが、5を超えるとボロボロになり、エクスポートは QDA ソフトウェアを想定していません。
精度5スピーカーを超えるとドロップ
ターンアラウンド高速
クロストークドロップされることが多い
QDA エクスポートネイティブ NVivo フォーマットなし
スピーカー上限ソフトリミット 〜6
料金$17〜22/ユーザー/月
Best for録音に2〜3音声があり、カレンダーワークフローに含まれる短いインタビューと1対1。
価格は2026年5月現在。精度範囲は合成ベンチマークではなく、顧客フォーカスグループファイルの内部サンプルから派生しています。
フォーカスグループに固有
で研究者が直面する3つのこと。 汎用AIツール
最初に正しい設定をフリップすれば、トランスクリプトはクリーンアップの週末なしで NVivo に落ちます。
何が悪くなるか
- 1クロストークがドロップされます。 通常、ほとんどのコンシューマーツールは重複中に1人のスピーカーを選択し、残りを破棄します。コンセンサスやプッシュバックが発生する瞬間を失います。
- 2スピーカーが3に崩壊します。 ツールはミーティングサイズのルームを想定し、ダイアライゼーションクラスタを低く キャップします。8人の参加者は「Speaker 1」「Speaker 2」「Speaker 3」として戻ります。
- 3エクスポートはテキストの壁です。 スピーカーターン単位の段落を破棄、NVivo がインポート時に自動コード化できる DOCX 構造はありません。
ここで何をフリップするか
- 1ジョブフォームで重複する音声をタグ付けするをオンにします。クロストークはインライン `[overlap]` マーカーを取得し、両方のスピーカーは発話を保持します。
- 2予想スピーカー: 8〜12 を明示的に設定します。推測ではなく、予想に対応するようにダイアライゼーションクラスタ数をサイズ調整します。
- 3DOCX（QDA対応）エクスポートを選択します。スピーカーターンはラベル付きプレフィックスの段落になります — NVivo、ATLAS.ti、Dedoose はすべてインポート時にこのフォーマットを自動検出します。
フォーカスグループの推奨ジョブ設定
「研究」テンプレートでフォーカスグループファイルをドロップすると、これらはデフォルトでオンになります。フォームからジョブごとにオーバーライドしますo
- ダイアライゼーション
- アコースティック · 予想スピーカー 6〜10
- 逐語モード
- フル — 音声乱雑さを保持
- 重複処理
- [overlap] でインラインタグ
- カスタム語彙
- スクリーニングからの製品/ブランド名
- スピーカーラベル
- ジョブ後に編集可能、全てに反映
- エクスポート
- DOCX（QDA対応） · タイムスタンプ付き TXT
Accuracy · real-world numbers
ラバリア式で参加者ごとに94%。 シングルルームマイクで82%を維持。
フォーカスグループの精度はマイク配置でボトルネック — モデルではありません。全参加者にラバリアマイクがあれば、参加者ごとにクリーンなチャネルが得られます — ダイアライゼーションは簡単になります。8音声のカンファレンステーブルの上のシングルバウンダリーマイクは難しいケースです。以下の数値は、パイプラインの実際のリサーチ録音から来ています。
94%
参加者ごとのラバリア
各参加者は独自のトラック上で、マルチトラック WAV に混在。ダイアライゼーションはスキップ — テキストのみのエラー。博士論文レベルの仕事に最適。
91%
カンファレンスマイク、4〜6参加者
テーブルに中心置きのバウンダリーマイク、中程度のルーム処理。声は見分けられ、同じ性別で同じような年代の参加者間で時々混乱。
86%
シングルルームマイク、7〜10参加者
クロストークは頻繁で、似た声は音響ダイアライゼーション下でマージします。分析前に、スピーカーチップのリネームおよびマージにのパス（10分間）を予想してください。
82%
モノ Zoom のリモートグループ
圧縮モノミックス、チャネルごとの分割は利用不可。言葉はテーマティックコーディングに使用可能ですが、軽微レベルの逐語請求はここで弱まります。
よくある質問
フォーカスグループ文字起こしについてよく聞かれる8つのこと。
01Speaker 1 を参加者の実名またはID にリネームできますか？+
可能です。エディターの任意のスピーカーチップをクリックし、名前またはスクリーニング ID（例：'P04_F_34'）を入力すると、そのスピーカーからのトランスクリプトのすべてのターンに反映されます。DOCX エクスポートはリネームされたラベルを使用します。
02クロストークと重複する音声をどのように処理しますか？+
我々は `[overlap]` マーカーでインラインでタグを付け、トランスクリプトに両方のスピーカーの発話を保持します。汎用ツールは通常、1つの音声を選択して他方をドロップします — 重複の瞬間がしばしばフォーカスグループの実際のダイナミクスが一番目立つ場所のため、我々はそうしません。
03DOCX は本当に NVivo と ATLAS.ti に���リーンにインポートされますか？+
はい。我々はスピーカーラベルを段落形式の見出しとしてエクスポートします。NVivo はインポート中にこれを自動コード化し、ATLAS.ti はスピーカーターンとして認識します。Dedoose はトランスクリプトインポートパスを介して同じ DOCX を受け入れます。
041つのファイルで何人のスピーカーをダイアライゼーションできま？+
ソフト上限は12人です。それを超えると、音響クラスタリングは似た声をマージし始めます — 通常、あなたの側で10〜15分のリネームパスが必要になります。最良の結果のためにジョブフォームで「予想スピーカー」を明示的に設定します。
05逐語またはクリーンアップ — 選べますか？+
両方可能です。逐語モードはすべての「um」、フォルススタート、繰り返された言葉をディスコース分析用に保持します。クリーンアップは可読性のために音声乱雑さを削除します。ジョブごとに選択できます。研究テンプレートのデフォルトは逐語です。
06IRB 要件と参加者の機密性について？+
ファイルは当社のインフラストラクチャで処理され、第三者 API に送信されません。ジョブごとにフラグをN日後に自動削除するオプションを提供しており、IRB プロトコルに対応しています。我々は SOC 2 Type II および GDPR 準拠で、IRB が必要な場合、DPA は法務ページにあります。
07ビデオのみまたはオーディオのみで最良の結果が得られますか？+
オーディオのみで問題ありません — ダイアライゼーション用にビデオは使用しません。参加者識別用のビデオがある場合、独自のコーディング用にローカルで保持します。オーディオトラックのみのアップロードは高速で安価です。
08Rev 人間逐語記録と比較して費用はどうですか？+
90分のフォーカスグループは、ここで約 $2.70、Rev 逐語記録で約 $135 です。トレードオフは精度です。我々はマイク設定に応じて 86〜94% に着地し、Rev の人間文字起こし者は〜99% に達します。ほとんどの研究者は我々を初回パス用に使用し、必要な場合のみ特定のグループを人間にエスカレートします。
フォーカスグループ録音をドロップすれば、 トランスクリプトが明日 NVivo に。
毎月30分無料。カードは不要。スピーカーラベル、クロストークタグ、QDA対応 DOCX エクスポートはすべてのプランに含まれます。
無料で始める