Option 01
Voice Memos (iOS 18+)
Voice Memos アプリに組み込まれたデバイス上の文字起こし。無料ですが、非常に限定的です。
必須iPhone 12+ on iOS 18
スピーカーダイアライゼーションいいえ
言語約13言語、英語中心
エクスポートアプリからコピー&ペースト
タイムスタンプなし
コスト無料
Best for最近の iPhone で何を言ったかをざっと確認したい個人的な音声メモ向け。
Apple デバイスから M4A を文字起こし。変換不要。
Voice Memos、QuickTime、または任意の Apple アプリから M4A 録音を直接ドロップします。スピーカーラベル、タイムスタンプ、99言語 — MP3 変換の手間なし、iCloud 経由不要。
↓ 出力を見る
ボイスメモ入力。 レポート可能なトランスクリプト出力。
M4A は MPEG-4 コンテナ内の AAC です — iPhone Voice Memos と Mac QuickTime の両方がデフォルトです。コンテナを直接読み込み、AAC ストリームを取得し、オーディオを劣化させるような再コーディングステップはスキップします。
Voice Memo · iPhone 15
自動検出 en-USAAC 64 kbps · 44.1 kHz mono
~90s
トランスクリプト · ストリーミング
S1
資金調達の話に入る前に — これをメモ用に記録してもいい?
S2
いいよ。ボード関連のことはオフレコでお願い。
S1
了解。では、リード投資家に初めて会ったときのことを教えてください。
S2
3月のパロアルトの夕食でしたね。完全なコールドイントロでした。
Voice Memo モノ時の 94%SRT · 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.
サマリー 5文字起こし 1,420話者 2エクスポート
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.
キーポイント
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.
アクション項目
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つの本当の選択肢 · 正直な比較
Apple の組み込み機能。Otter。 または私たち。
iOS 18 は Voice Memos にデバイス上の文字起こしを追加しました。Otter はすべての M4A をアプリライブラリにインポートするよう求めています。私たちはファイルを受け取ってトランスクリプトを提供します — ライブラリなし、アプリインストール不要。
Option 02
Transcription.Solutions
M4A をそのままアップロード。スピーカーラベル、タイムスタンプ、すべてのエクスポート形式。
必須ブラウザ
スピーカーダイアライゼーション音響、2-10スピーカー
言語99言語、自動検出
エクスポートSRT · VTT · DOCX · TXT · JSON
タイムスタンプ単語レベル
コスト · 1分あたり$0.03
Best for電話で録音したインタビューから引用可能なトランスクリプトが必要なジャーナリスト、研究者、学生向け。
Option 03
Otter.ai
洗練された Web アプリ。ファイルをライブラリに入れる必要があり、英語優先、無料版はファイルサイズ制限あり。
必須アカウント + アプリアップロード
スピーカーダイアライゼーション英語のみ対応
言語EN / ES / FR のみ
エクスポート有料版が必要
ファイルサイズ300 MB 制限、無料版
コスト$17/user/mo (Pro)
Best for英語のみのユーザーで、会議の長期ライブラリが必要で、月額料金に問題のない方向け。
2026年5月現在の価格と機能フラグは正確です。Voice Memos 文字起こし機能の利用可能性は iOS バージョンとデバイスチップに依存します。
M4A に固有
で引っかかりやすい3つのこと。 一般的な文字起こしツール
ほとんどの問題は、形式自体ではなく、M4A がどのように録音されたかについてです。
何が間違っているか
- 1iCloud リンク経由で Voice Memo を共有する。 一般的なツールは icloud.com から取得できません — 実際のファイルが必要です。'共有'シートはデフォルトでリンク、M4A ではありません。
- 2電話を木製テーブルの上に平らに置く。 Voice Memos は、タイピング、カップ、電話通知からの表面振動を拾います。ダイアライゼーションは振動に混乱します。
- 3複数のメモに分かれた長いインタビュー。 Voice Memos は電話または低バッテリーで自動停止します。3つの M4A が残り、間のコンテキストが失われます。
ここで修正することは
- 1iPhone で: Voice Memos を開く → メモをタップ → ••• → ファイルに保存。次にファイルをアップロードします。Mac への AirDrop も機能します — M4A はそのまま保存されます。
- 2電話を本またはコーヒーカップに立てかけて、マイクがスピーカーに向くようにします。テーブルではなく。Lightning/USB-C ラベリエマイクがあれば使用します。
- 33つの M4A をすべて1つのジョブにドロップ — アップロード順に連結し、マージされたオーディオ全体でダイアライゼーションを実行して、スピーカーラベルの一貫性を保ちます。
M4A の推奨ジョブ設定
M4A 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。
- コンテナ処理
- AAC/ALAC ストリームを直接読み込む
- スピーカーモデル
- インタビュー · 2-6スピーカー
- 言語
- 自動検出 · 多言語オン
- ノイズプロファイル
- 電話マイクフィールド録音
- フィラーワード
- 保持 (ジャーナリズム用トグル)
- エクスポート
- DOCX · SRT · タイムスタンプ付き TXT
Accuracy · real-world numbers
Voice Memo で 94%。 電話がテーブルの向こう側にあっても対応できます。
M4A の AAC コーデックは音声に優しい — 上限は マイクの位置で決まり、ファイル形式ではないです。以下の数字は、実際のカスタマー Voice Memo と QuickTime ファイルから取得したもので、合成ベンチマークではありません。
95%
スピーカーの近くに持つ電話、静かな部屋
古典的な 1 対 1 インタビュー、話者から 30 cm 離れた場所での通話。Voice Memos のデフォルト 64 kbps AAC で十分です — エラーはテキストのみです。
94%
Voice Memos · ロスレスモード
設定 → Voice Memos → オーディオ品質: ロスレス。M4A コンテナ内の ALAC ~1 Mbps。音声のデフォルトより若干改善。
89%
テーブルの上の電話、3-4人のスピーカー
ラウンドテーブルインタビュー、電話は中央。音響ダイアライゼーションは明確な声では機能します。近くの椅子やラップトップファンのノイズが入ります。
82%
フィールド録音 · カフェまたは通り
エスプレッソマシン、交通音、後ろの別の会話。引用可能な単語。数字と名前は聞き直した方がいいです。
よくある質問
、人々が尋ねる8つのこと。 M4A 文字起こしについて
01M4A を MP3 に最初に変換する必要がありますか?+
いいえ。M4A コンテナを直接読み込み、AAC (または ALAC) オーディオストリームをそのまま取得します。MP3 に変換するとオーディオ品質が実際に失われます — 同じビットレートの AAC は MP3 よりもクリーンに聞こえます。
02iPhone Voice Memos ファイルで機能しますか?+
はい — Voice Memos は、私たちが見る最も一般的なソースです。メモを開く → ••• → ファイルに保存、または Mac に AirDrop 、その後アップロード。M4A ヘッダーに録音日付が含まれていて、トランスクリプトメタデータで保存します。
03Mac の QuickTime スクリーン録画について?+
QuickTime はデフォルトで MOV をエクスポートしますが、オーディオのみの録画は M4A として保存されます。どちらも機能します。ビデオトラック付きの MOV では、オーディオをサーバー側で抽出して文字起こしします — 事前に demux する必要はありません。
04iCloud 共有リンクをアップロードできますか?+
いいえ。iCloud は、なりすまし不可能な Apple ID ログインが必要です。最初に M4A をローカルにダウンロード (ファイルアプリまたは icloud.com → ダウンロード) してからここにアップロード。約20秒かかります。
05最大ファイル長は?+
標準プランで1ファイルあたり最大10時間。デフォルト品質の4時間の Voice Memo は約110 MB です — 5 GB アップロード上限をはるかに下回ります。ロスレスモードはより大きくなります。上限に達した場合は、2つのアップロードで分割します。
06電話をテーブルに置いた状態で、スピーカーラベルは機能しますか?+
はい、音響的に声が十分に異なっていれば — ほとんどの 2-4 人のインタビューは大丈夫です。2 人の参加者が非常に似た声の場合は、いくつかのチップを手動で名前変更することを想定してください。ステレオ外部マイク (Shure MV88、RØDE VideoMic) は大いに役立ちます。
07M4A 内の ALAC (Apple Lossless) を処理しますか?+
はい。Voice Memos のロスレス設定は、AAC の代わりに ALAC を M4A コンテナに書き込みます。コンテナメタデータからコーデックを検出し、どちらのパスもデコードします。ロスレスはノイズの多い環境で若干の精度向上をもたらします。
081時間の M4A のターンアラウンドはどのくらい早いですか?+
通常 4-6 分です。アップロードは電話ホットスポット接続での遅い部分です — 1時間の Voice Memo はデフォルト品質で約28 MB です。ソースオーディオはジョブ完了後24時間以内に削除されます。