Option 01
X ライブ字幕
Spaces UI 内のリアルタイム字幕。ダウンロードもなく、検索もなし。
必須ライブ参加
発話者ラベルなし
言語EN + その他数言語
エクスポートなし — 字幕のみ
Space 終了後のアクセスSpace 終了時に失われます
コストX アカウントで無料
Best forその場でアクセシビリティが必要で、終了後のトランスクリプトに関心がないリスナー向け。
Twitter トランスクリプション。Spaces、動画、ボイスメモをテキストに。
Twitter Space の MP3 を投入 — または動画、または DM のボイスメモ。発話者ラベル、タイムスタンプ、99 言語の SRT を取得します。X Premium は不要です。
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
↓ 出力を確認
Space 録音を入力。 ラベル付きトランスクリプトを出力。
X は Space 録音を単一の混合 MP3 としてエクスポート — すべてのスピーカーが 1 チャネルです。通常の Space の形状である 6～12 の回転マイク保有者向けにチューニングされた音響ダイアライゼーションを使用します。
X Space 録音（MP3）
自動検出 en-US44.1 kHz モノラル · 96 kbps
~90s
トランスクリプト · ストリーミング中
S1
皆さんおかえりなさい — 今は約 600 人のリスナーです。Jess、Solana のポイントについてジャンプインしたかった？
S2
ああ、先週のスループット数字はバリデータセットのコンテキストなしには誤解を招きます。
S3
それに異議を唱えてもいいですか？mainnet beta データは別の話を語っています。
S1
どうぞ、Mike — 簡潔に、まだキューに 2 人のスピーカーがいます。
Spaces MP3 で 92%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.
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 つの実現可能なオプション · 正直な比較
X の字幕。Otter。 またはtranscription.solutions。
X は 2023 年に Spaces にライブ字幕を追加しましたが、トランスクリプトのエクスポート機能はありません。Otter はオーディオを会議にミラーリングする必要があります。私たちは X からダウンロードしたMP3を取得してファイルを返します。
Option 02
Transcription.Solutions
Space MP3 をドロップするか Space URL を貼り付けます。発話者ラベル、SRT、サマリー — すべてのプランに含まれます。
必須MP3 ダウンロードまたは Space URL
発話者ラベルアコースティック、2～12 スピーカー
言語99、自動検出
エクスポートSRT · DOCX · TXT · JSON
AI サマリー重要ポイント + トピックタグ
コスト · 分あたり$0.03
Best forSpaces をブログ投稿、ポッドキャスト、または YouTube 動画に焼き込み字幕で再利用するホスト向け。
Option 03
Otter / Fireflies
Zoom 向けに設計されたカレンダーボット。Space をキャプチャするには、オーディオをダミー会議にルーティングする必要があります。
必須オーディオループバックリグ
発話者ラベル多くの場合 1 つに崩壊
言語EN チューニング、他は品質低下
エクスポートTXT、DOCX（有料）
AI サマリー有料プラン
コスト$17/ユーザー/月
Best for既に Otter に支払っていて、大まかなライブキャプチャが必要で、セットアップの面倒さを気にしない人向け。
価格とフィーチャーフラグは 2026 年 5 月現在のものです。X Spaces 字幕ロールアウトはまだリージョンとアカウントタイプによって異なります。
X / Twitter 固有の機能
汎用トランスクライバーが Spaces で見落とす4つのこと。
Spaces には形があります：モノミックス、回転マイク、暗号とテック用語、多くの @ハンドル。それに合わせてチューニングします。
何が問題なのか
- 1モノのみのエクスポート。 X は Zoom のようなスピーカーごとのチャネルを提供しません — みんなが 1 つのトラック上にいます。ステレオ会議向けにチューニングされたツールはパフォーマンスが低下します。
- 2@ハンドルとティッカー（@balajis、$SOL、$ETH、gm、ngmi）は音的に綴られます。汎用 AI はそれらをタイプミスと思い込みます。
- 3ホストのイントロ音楽とスティンガーは単語検出を妨害し、トランスクリプトの最初に何かを追加します。
ここで何を調整するか
- 1ジョブフォームで Spaces / パネルスピーカーモデルを選択します。4～12 のモノスピーカーと回転マイク向けにチューニングされ、音声マージをより良く許容します。
- 2カスタム語彙にゲストリストとティッカーリストを貼り付けます。@ハンドル、$TICKERS、プロトコル名をレコグナイザーへのヒントとして渡します。
- 3スキップ非音声イントロをオンにします。先頭の音楽をトリミングして、トランスクリプトを最初に検出された音声から開始します — 通常は 20～40 秒後。
X Spaces の推奨ジョブ設定
Space MP3 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。ジョブごとにフォームからオーバーライド可能です。
- ダイアライゼーション
- アコースティック · 4～12 スピーカー
- スピーカーモデル
- Spaces / パネル
- 言語
- 自動検出 · 多言語オン
- フィラー単語
- 保持（Spaces は会話体）
- サマリー
- 重要ポイント + トピックタグ
- エクスポート
- SRT · DOCX · タイムスタンプ付き TXT
Accuracy · real-world numbers
クリーンな Spaces なら 92%。 Bluetooth が関わると低下します。
X はすべての Space を単一の混合モノ MP3 と���てエクスポートするため、上限值は各スピーカーがどのように接続したかに依存します。有線マイクが静かな部屋にあるのが最良のケースです。 車の Bluetooth イヤホンが最悪です。以下の数値は本番環境の実際の Space ファイルから取得しています。
94%
2～3 スピーカー、スタジオマイク
小規模な Space で、ホストは USB または XLR マイク使用。ダイアライゼーションはモノミックスでも音声を明確に分離します。
92%
4～8 スピーカー、混合デバイス
典型的な Space。iPhone ユーザーもいれば、ラップトップユーザーもいます。ダイアライゼーションは保持され、スピーカーチップで 2 分のクリーンアップパスを期待してください。
87%
9～15 人の回転スピーカー
マイクを回す大規模な Space。音響モデルはスピーカーが素早く交代する場合、似た声をマージできます。
81%
Bluetooth またはノイズの多い回線
コーヒーショップの AirPods、AAC 圧縮、風。テキストは使用可能です；数字、名前、頭字語が最初に品質低下します。
一般的な質問
8つの質問。 Twitter トランスクリプションについてよくある
01ライブ中の Space をトランスクライブできますか？+
リアルタイムではありません。録音から機能します。Space が終了するまで待って、X ダッシュボードから MP3 をダウンロード（Spaces → 録画 → オーディオをダウンロード）して、ファイルをドロップします。ほとんどの Space は終了後 30 日間利用可能です。
02録画されなかった Space の場合は？+
ホストが録画をオンにしなかった場合、X にはファイルがなく、私たちも持っていません。一部のサードパーティツールは Spaces を外部でキャプチャします — その MP3 または MP4 がある場合は、受け入れます。
03Space URL から直接取得できますか？+
はい、Space が X でまだ公開されており、録画が有効になっている場合。ジョブフォームに URL を貼り付けます。X が期限切れまたはリストを外した場合は、ダウンロードした MP3 を使用する必要があります。
04X の動画投稿と Vine スタイルのクリップも処理できますか？+
はい。MP4 をドロップするか、投稿 URL を貼り付けます。30 秒未満の短いクリップは 1 分の最小料金で請求されます。長めの動画は標準 $0.03/分 でトランスクライブされます。
05音声 DM は？+
X DM の音声メモが機能します — 会話からオーディオファイルをエクスポートしてドロップします。通常は 30～60 秒で 1 スピーカーなので、精度は高い（94%+）でコストは分あたりの最小料金です。
0610 人がマイクの時、発話者ラベルはどのように機能しますか？+
汎用ラベル（Speaker 1、Speaker 2…）을 音響で割り当てます。トランスクリプトが読み込まれた後、1 回リネームします — 通常は Space のゲストリストに対して 2～3 分のパスです。リネームはファイル全体に適用されます。
07AI サマリーは暗号 / Web3 用語をキャッチしますか？+
ほとんどの場合はい — プロトコル名、L1/L2、一般的なティッカー（$BTC、$ETH、$SOL）とスラング（gm、wagmi）は専門用語に含まれています。不明瞭なプロジェクトや新しいローンチについては、処理前にカスタム語彙に追加してください。
08Space を YouTube 動画として再利用するための焼き込み字幕を取得できますか？+
SRT または VTT を返すので、エディタ（Descript、Premiere、CapCut、DaVinci）にインポートします。焼き込み MP4 はレンダリングしません — SRT は既に使用している任意の動画ツールへのブリッジです。