Start free

ボイスメールをテキスト化。100以上の言語、あらゆるキャリア形式に対応。

キャリアのビジュアルボイスメールアプリ、VoIP受信トレイ、またはPBXシステムからボイスメールをMP3またはWAVとして書き出します。ファイルをアップロードすると、数秒でタイムスタンプ付きの文字起こしが得られます。

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電話やキャリアからボイスメールを書き出すにはどうすればいいですか？+
Google Voice：ボイスメールをクリックし、［その他］をクリックしてMP3としてダウンロード。Microsoft Teams Phone：［通話］タブでボイスメールを開き、［ダウンロード］をクリック。ビジュアルボイスメール（iPhone）：ボイスメールをタップし、共有アイコンをタップ。Androidのビジュアルボイスメール：メッセージをタップし、三点メニューをタップして共有または書き出し。VoIPプロバイダー：ポータルからダウンロードするか、メール添付ファイルとして受信。
02どのボイスメール音声フォーマットに対応していますか？+
MP3、WAV、OGG、AMR、およびほとんどの一般的なキャリア形式に対応しています。Google VoiceとTeams PhoneはMP3で配信されます。ほとんどのVoIPプロバイダーはWAVで配信します。モバイルキャリアはAMRまたはOGGで配信する場合があります。すべて変換不要で受け付けられます。
03ボイスメールの文字起こしで期待できる精度はどのくらいですか？+
静かな環境で残された標準的なキャリアのボイスメールでは88%以上です。ノイズの多い録音や圧縮の強い通話では80%以上です。ボイスメール音声は電話品質（8 kHz）であるため、ボイスメモと比較して上限が制限されますが、発信者の詳細や折り返し電話番号を特定するには十分です。
04ボイスメールのバックログを一括で文字起こしできますか？+
はい。各ボイスメールを個別のジョブとして共有のwebhook URLを指定して/api/v1/jobsに送信してください — Businessプランでは最大50の同時ジョブ、Proプランでは最大20の同時ジョブを実行可能。200件のバックログでも、Businessプランなら1時間以内に処理が完了します。DOCX、TXT、JSONの出力形式が利用可能です。JWT認証、キーごとのレート制限。
05発信者の言語を自動検出しますか？+
はい。言語は音声の最初の30秒から自動検出されます。フランス語、スペイン語、中国語など、100以上の言語でボイスメールを残す発信者の場合、手動設定なしでその言語で文字起こしされます。
06ボイスメールで話者分離（ダイアライゼーション）は利用できますか？+
はい。ProプランおよびBusinessプランで利用可能です。ほとんどのボイスメールは単一話者です。まれに、2人が話すボイスメール（誤って録音された短い会話）や、自動応答と発信者のシーケンスを分離できます。
07ボイスメールの文字起こしをCRMと連携できますか？+
はい。API経由で可能です。新しいメッセージが到着したらボイスメールの音声URLをPOSTし、webhook経由で文字起こしを受け取り、テキストをCRMやヘルプデスクにプッシュします。複数のカスタマーサポートチームがこのパターンを使用して、ボイスメールからチケットノートを自動入力しています。

Drop something in. See what comes out.

月30分無料、クレジットカード不要。ボイスメールを1件ダウンロードし、MP3またはWAVをアップロード — 約10秒で文字起こしが完了します。

無料で文字起こしを始める