文字起こし・音声認識を徹底比較

OpenAIのWhisperをベースにしたサービスは英語の精度が特に高く（WER 5%以下）、日本語も実用レベルです。CLOVA Note（LINEヤフー）は日本語特化で国内トップクラスの精度とされています。Notta・Otter.ai等は話者識別・タイムスタンプ付き文字起こしにも対応しています。

Notta・tl;dv・Tactiqなどは会議録音ファイルをアップロードして文字起こしできます。Zoom本体にも自動文字起こし機能があります。tl;dvはZoom・Google Meet・Teamsに直接連携してリアルタイム文字起こし・要約も可能です。

CLOVA Note（LINEヤフー開発）は日本語音声認識を専門に設計しており、日本語の文字起こし精度は国内最高水準の一つです。Notta・Otter.aiなども日本語対応しており、クリアな発音であれば90%以上の精度が出ることも多いですが、専門用語・方言・早口な発話では校正が必要です。

CLOVA Note（LINEヤフー）は基本機能が無料で使えます。Notta（月120分無料）・Otter.ai（月600分無料）なども無料プランがあります。OpenAIのWhisperはオープンソースのため自己ホストすれば無料で使えます。

CLOVA Note（LINEヤフー開発）は日本語に特化した音声認識エンジンを使用しており、日本語のみの会議・インタビューでは高い精度が出ます。Nottaは50言語以上に対応しており日英混在の会議に強く、AIサマリーや連携機能も充実しています。日本語のみならCLOVA Note、多言語・AI要約も使いたいならNottaが有力候補です。

Notta・WhisperはMP4などの動画ファイルをアップロードしてSRT形式などの字幕ファイルを生成できます。YouTubeはアップロード後に自動字幕を生成しますが精度にばらつきがあるため、Whisper APIで高精度な字幕を事前作成してからアップロードする方法も効果的です。

tl;dvとTactiqはZoom・Google Meet・Microsoft Teamsの会議に自動参加してリアルタイムで文字起こし・要約を行います。CLOVA NoteとNottaのモバイルアプリは対面会議をリアルタイムで文字起こしできます。Zoom標準の自動字幕機能も日本語に対応しています。