Start free

長い音声ファイルを文字起こし。 最大10時間。タイムアウトなし。

ほとんどのツールは、2時間または2 GBを超えると静かに失敗します。当社のパイプラインは、長いファイルを並列処理レーンに分割し、タイムスタンプを揃えて再結合し、話者ラベルをそのまま保持した、一貫性のある1つの文字起こし結果を提供します。ProとBusinessの両方で、1ファイルあたり最大10時間まで対応。Businessはサイズ上限が大きく（2 GBではなく5 GB）、優先キューも利用できます。

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

Record straight from your browser

Sign up takes 30 seconds — recording opens right after, in the dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFiles auto-deleted in 24h

↓ Watch what happens

Audio in. Transcript out.

Drop a file, paste a URL, or record live — text appears back with speaker labels and timestamps. Same pipeline whether the source is a file, a URL, or your microphone.

Microphone · liveREC 00:07.41
en-US auto-detected16 kHz mono
~90s
Transcript · streaming2 speakers · 47:08
S1

Thanks for making the time. I want to start with framing — what was the original hypothesis behind the project?

S2

Honestly, maybe forty percent. The shape held — the mechanics underneath had to be rebuilt almost entirely.

S1

What flipped it for you? Was there one customer call, one piece of data

~95% accuracy on clean audioSRT · DOCX · 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.

Try it on your own file — it's free

Three real options · honest comparison

Built-in dictation, AI speech-to-text, or a human transcriber.

Three legitimate ways to get text from spoken audio in 2026. Each is best for different work. Honest numbers below — no claim that AI matches a professional human transcriber on hard audio.

Option 01

Built-in dictation

Live, free, on-device. Handy for short bursts while you talk.

Accuracy · clear English~85%
Speaker separationNo
TimestampsNo
Languages~30
60-min fileLive only
CostFree
Best forShort voice notes while you walk. Hands-free messaging. Dictating an email at a stoplight.
Option 02

AI speech-to-text

~30× faster than realtime. 100+ languages. Speaker labels. The sweet spot for most work.

Accuracy · clear English95%+
Speaker separationYes (Pro+)
TimestampsPer sentence
Languages100+ auto
60-min file~90 s
Cost · per min$0.03
Best forInterview recordings · meeting notes · podcast transcripts · YouTube subtitles · batch jobs · API automation · field journalism.
Option 03

Human transcriber

Gold-standard accuracy when the audio is hard or the stakes are legal.

Accuracy · clear English98–99%
Speaker separationManual
TimestampsPer turn
LanguagesPer transcriber
60-min file4–8 hours
Cost · per min$1–3
Best forLegal depositions · medical dictation · archival oral history · anything where 95%+ accuracy is non-negotiable.

Built-in dictation figures from public iOS / Android speech API benchmarks. Human transcriber rates from US/UK industry surveys 2024–2025.

Accuracy · real-world numbers

95%+ on clear English. It holds up on real-world recordings too.

Modern transcription reaches 95%+ word accuracy on clear English at 128 kbps and above, comparable to a human transcriber on the same recording. The audio coming in sets the ceiling — cleaner source, cleaner transcript. The breakdown below covers the recordings we actually see in production.

97%+
Clean studio audio

USB or studio microphone in a treated room. Single speaker at conversational distance. The headline number.

95%+
Clear English at 128 kbps+

Podcast masters, interview recordings, well-mic'd meetings. The sweet spot for most professional work.

93%
Real-world podcast

Field-recorded interviews, podcast episodes at 64–128 kbps, multi-speaker recordings. Usable for editorial without a review pass.

91%
Meeting room recording

Ceiling mic, omnidirectional capture, mild reverb, multiple speakers at distance. Plan a rename pass on the speaker chips.

Common questions

7 things people ask about this.

01最大ファイルサイズと長さは？+
Business: 5 GB/ファイル、1録音あたり最大10時間。Pro: 2 GB/ファイル、1録音あたり最大10時間。Free: 100 MB/ファイル、1ファイルあたり最大30分、月間合計30分。すべてのプランで同じフォーマット（MP3、WAV、M4A、FLAC、OGG、MP4、MOV、WEBM、MKV）を受け付けます。
02アップロード中や処理中にタイムアウトしますか？+
いいえ。2 GBを超えるファイルは、署名付きURL経由でストレージに直接アップロードされます — ブラウザタブでリクエストがタイムアウトすることはありません。処理は永続的なジョブキューを使用します。ブラウザを閉じてもジョブは継続し、文字起こしが完了するとメール通知が届きます。
03アップロード前にファイルを分割する必要がありますか？+
いいえ。パイプラインはファイルを内部的にオーバーラップチャンクに分割し、並列処理し、タイムスタンプを揃えて単一の出力に再結合します。手動でのチャンク分割が必要になるのは、ファイルがプラン制限を超える場合のみです。
04話者ダイアライゼーションは10時間のファイル全体で機能しますか？+
はい。ダイアライゼーションは全チャンク完了後にファイル全体に対して実行され、各チャンクで独立して実行されるわけではありません。つまり、1時間目のSPEAKER_01と9時間目のSPEAKER_01は同一人物です。制御された音声環境では、ずれは通常1時間あたり1回未満の誤帰属です。
05ファイルの処理速度はどのくらいですか？+
実時間の約4倍の速度です。つまり、4時間の録音は約60分かかります。非常に大きなファイル（6時間超）は、ピーク時に他のジョブの後ろにキューイングされる場合があります。オフピーク時は一貫して高速です。
06APIを使って複数の長時間ファイルを一括処理できますか？+
はい。各ファイルを個別のジョブとして /api/v1/jobs にPOSTし、Webhook URLを指定してください。ジョブは並列処理されます（プランの同時実行数制限に従います）。Businessは最大50の同時ジョブ、Proは最大20。アクティブな上限を超えた送信は `pending` として待機し、スロットが空くと自動的に昇格します — 送信時にレート制限を受けることはありません。
07アップグレード前に無料でテストする方法はありますか？+
はい — Freeティアでは月30分、カード不要でご利用いただけます。長時間録音の代表的な30分の抜粋で精度を確認してから、有料プランにお進みください。

Drop something in. See what comes out.

最大5 GB、10時間のファイルをアップロード。チャンク分割不要、タイムアウトなし、全体を通して話者ラベル付き。

無料で文字起こしを始める