Start free

ボイスメモをテキスト化。iPhone、Android、あらゆるアプリ対応。

お使いのスマートフォンのレコーダーは、デバイスに応じてM4A、MP3、WAVでメモを保存します。ファイルをブラウザタブに共有してドロップするだけで、約90秒でタイムスタンプ付きの文字起こしを取得できます。

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スマートフォンのレコーダーはどのファイル形式で保存しますか？+
iPhone Voice Memos：M4A（AAC）。Android（Google Pixel、Samsung）：通常M4AまたはAAC、場合によりMP3。Windows Voice Recorder / Sound Recorder：M4A。Mac Voice Memos：M4A。これらはすべて変換なしで直接アップロードできます。
02スマートフォンからブラウザにボイスメモを送信するにはどうすればよいですか？+
iPhone：Voice Memosを開き、録音をタップし、共有をタップして、AirDropでMacに送信するか、iCloudファイルに保存します。Android：レコーダーアプリで共有またはエクスポートをタップし、メールまたはクラウドストレージで送信します。Mac/Windows：ファイルは既知のフォルダにあります — そこからドラッグしてください。
03ボイスメモの最大時間は？+
無料プランは30分。ProおよびBusinessプランでは、ファイルあたり最大10時間。ほとんどのスマートフォンボイスメモは30分未満なので、無料プランで個人のユースケースの大半をカバーします。30分を超える研究インタビューや長時間の講義は有料プランが必要です。
04二人のボイスメモで話者ラベルは利用できますか？+
はい、ProおよびBusinessプランで利用できます。最もクリアな分離を得るために、スマートフォンを二人の話者の等距離に置いてください。パイプラインが各音声を識別してラベル付けします — 任意のラベルをクリックして「話者1」から実際の人物名に変更できます。
05英語以外の言語のボイスメモも文字起こしできますか？+
はい — 100以上の言語、自動検出。フランス語、スペイン語、ドイツ語、日本語、ポルトガル語、ロシア語、その他95以上の言語に対応。検出が不確かな非常に短いメモの場合は、詳細設定で言語を強制指定できます。
06OtterやRevなどのサードパーティアプリのボイスメモも文字起こしできますか？+
アプリが元の音声をM4A、MP3、WAVとしてエクスポートできる場合は可能です — そのファイルをアップロードしてください。サードパーティ製録音アプリとは直接接続しません。まずアプリから音声をエクスポートしてからアップロードしてください。
07背景音楽や環境音があるボイスメモはどうですか？+
軽い背景音（カフェの雰囲気、静かな交通騒音）は精度を85〜88%程度に低下させますが、それでも文字起こしは可能です。発話と同等の音量の大音量の音楽は難しいケースで、そのようなセクションでは精度が大幅に低下します。

Drop something in. See what comes out.

月30分無料、クレジットカード不要。スマホから録音を共有してドロップするだけで、約90秒で文字起こし完了。

無料で文字起こしを始める