アップロードを開き、ファイルを選ぶ
ログインして「ローカル音声・動画をアップロード」を開き、選択欄やドロップ領域で一つのファイルを選びます。ゲストもログイン後にこの入口へ戻ります。ファイルは自動送信しません。
ローカル音声 · 時間情報付きテキスト
音声を文字起こしして TXT・SRT に出力
処理する権限のある音声を、検索・選択できる文章にします。ファイル、長さ、利用枠を確認し、明示的に同意してから開始します。
自分の音声ファイルから始める
MP3、M4A、WAV、AAC、FLAC、OGG、Opus、AMR、WMA 音声を受け付けます。MP4・MOV 動画は端末上で音声を抽出し、音声だけをアップロードします。音声ファイルは各 60 MiB までです。ただし M4A の AAC 音声と動画から抽出した音声は、平均 320 kbps 以下なら 60 MiB 上限の代わりに素材の時間上限を適用します。無料枠、S、単発パスは最長 120 分です。有効な L の文字起こし枠があれば最長 180 分を送信できますが、タスク送信時に全体を賄う L 分数が必要です。ファイルの時間上限と残りの枠は別で、アップロードできても文字起こし枠が足りるとは限りません。
ログインして音声・動画アップロードを開く →利用枠とパックを確認
ログインが必要です。このリンクはワークスペースの「ローカル音声・動画をアップロード」を開きます。ログイン後もその入口に戻りますが、ファイル選択、規約同意、文字起こし開始を代行することはありません。
ファイルを選ぶ前に
- 録音を処理する権限を確認してください。関係者や個人情報を考慮し、自分が所有するか、利用できる録音だけを送信します。非公開の素材を送る前に音声処理の説明を読んでください。
- 自分で原本を保管してください。Vidleaf は録音のバックアップサービスではなく、削除後の原本再生も提供しません。引用の確認用にローカルのコピーを残してください。
- 実際の形式を確認してください。サーバーはコンテナー、音声ストリーム、長さを調べ、映像を含むファイルを拒否します。MP4・MOV 動画は端末上で AAC 音声だけを抽出して送ります。AAC でなければ拡張子を変えるのではなく、端末で音声を書き出してください。
- サイズと長さの両方を確認してください。音声の 60 MiB 上限は約 62.9 MB です。M4A の AAC と抽出音声は平均 320 kbps 以下なら素材の時間上限を適用し、60 MiB 超の M4A は端末で先に確認します。非圧縮 WAV は時間上限よりずっと前に 60 MiB を超える場合があります。必要なら AAC M4A や適切な MP3 に変換するか、自然な区切りで分割してから送信してください。
不明瞭な音声を再エンコードしても失われた語句は復元されません。遠い声や重なる会話は原本で確認してください。
アップロードと確認の手順
音声処理の説明を読む
同意が必要な場合、音声をアップロードする前に、個別の説明で処理業者、データ、目的を示します。拒否して後で選び直すこともできます。この同意は、今回の文字起こし利用枠の確認とは別です。
長さと利用量を確認
アップロードとファイル検査後、検出した長さ、見込みの文字起こし利用量、残りの枠を確認します。納得した場合のみ実行してください。有料枠が必要な場合は、表示された枠の選択と許可操作に従います。アップロード完了だけでは認識を始めません。
同じアカウントに同じファイルの利用可能な結果があれば、再アップロードで新規タスクを作らず結果を開く場合があります。この再利用で他アカウントと非公開結果を共有することはありません。
処理開始前の画面例
これらの画像は、独立した実演環境で現在の画面を表示したものです。ファイル名、長さ、利用枠は例です。文字起こし、外部への処理、支払いを送信しておらず、実際のタスク・アカウント記録ではありません。
実際の実行：パブリックドメインの 7 分の朗読を文字起こし
この節は模擬画面ではありません。2026 年九月 25 日に、運営者のアカウントで以下の録音を vidleaf.app にアップロードし、文字起こし・出力しました。認識サービスは変わるため、後で同じファイルを使っても結果が異なる場合があります。
録音は LibriVox のリンカーン第二次大統領就任演説、朗読 John Greenman（Internet Archive の資料）です。MP3、7 分 9 秒、約 6.9 MB。録音と演説はともにパブリックドメインです。Lincoln's Life and Works に基づく Wikisource の本文と比較しました。
タスク記録の作成・完了時刻では、確認後約 7 秒で完了し、時間付きの 47 行を生成しました。1–3 行目は LibriVox の導入、47 行目は終了案内です。演説だけが必要なら除いてください。
文章の比較
朗読した演説は 705 語で、文字起こしでは 5 語が欠落し、他の語の誤りはありませんでした。大小文字・句読点を除く単語誤り率は約 0.7% です。欠けた五語はすべて 04:43 の行末にあり、この行はちょうど 30 秒です。次の行は departure で始まり、問いの部分が失われています。
印刷本文との四つの相違は、朗読者がそのように発音し、別の独立した音声モデルでも同じ語を認識したため誤りに数えませんでした。二つの引用の前後の quote … unquote、bondman's に対する bondsman's、that のない suppose American slavery、a just and a lasting peace です。
| 行 | 字幕 | 原文 | 修正点 |
|---|---|---|---|
| 04:43–05:13 | …by whom the offense came, / departure from those divine attributes… | …by whom the offense came, shall we discern therein any departure from those divine attributes… | 30 秒の行の末尾で五語欠落 |
| 03:46 | both read the same bible and pray to the same god | Both read the same Bible, and pray to the same God | 固有名詞を大文字に |
| 03:57 | a just god's assistance | a just God's assistance | 大文字に修正 |
| 01:52 | saving the union without war | saving the Union without war | 大文字に修正 |
| 04:27 | quote, woe unto the world … cometh, unquote. | “Woe unto the world … cometh.” | 読み上げた引用符：引用時は記号に置き換える |
未編集の SRT 出力（33–34 行目）：
33 00:04:43,324 --> 00:05:13,324 If we shall suppose American slavery is one of those offenses which in the providence of God must needs come, but which, having continued through his appointed time, he now wills to remove, and that he gives to both North and South this terrible war, as the woe due to those by whom the offense came, 34 00:05:13,324 --> 00:05:21,796 departure from those divine attributes which the believers in a living God always ascribe to him?
この実行から分かること
- 誤字だけでなく欠落も探してください。明瞭な朗読で聞き違いがほぼなくても、語句全体が消えました。不自然に長い行の末尾は聞き直してください。
- 大文字を確認してください。God、Bible、Union が一部の行では小文字でした。
- 行は文ではなく間に沿って区切られます。演説の 43 行中 21 行は小文字で始まり、13 行は終止符・疑問符なしで終わります。文章や字幕として使う前に結合・分割してください。
- 読み上げた慣用表現も文字になります。quote … unquote や LibriVox の案内も文章に含まれました。
これは静かな環境で一人が明瞭に読む録音です。会議、インタビュー、雑音のある音声はより難しいため、公開・引用前に原本を確認してください。
現在の制限と意味
| 項目 | 現在の範囲 | 確認事項 |
|---|---|---|
| ファイル形式 | MP3、M4A、WAV、AAC、FLAC、OGG、Opus、AMR、WMA 音声。MP4・MOV 動画からは端末上で抽出した AAC 音声だけを送ります。 | 動画の音声が AAC でなければ、先に音声を書き出します。拡張子だけを変えないでください。 |
| ファイルサイズ | 音声は最大 60 MiB。L パックでもこの上限は増えません。M4A の AAC と抽出音声は平均 320 kbps 以下なら素材の時間上限を適用します。 | ファイルの詳細を確認し、必要なら WAV を AAC M4A に変換するか、端末で録音を分割します。 |
| 通常の時間上限 | 無料枠、S、単発パス：素材一件につき最長 120 分。 | この時間上限とは別に、残りの分数を確認してください。 |
| L で長い音声を処理 | 有効な L 文字起こし枠で最長 180 分。120 分を超えるタスクは録音全体に L の分数を使います。 | 送信時に十分な L 分数が必要です。その長いタスクの不足を無料枠、S、単発パスで補うことはできません。 |
| 話者識別 | 文字起こし完了後に利用できます。原本はアップロード後、最長約六時間保持します。その後は同じファイルを再送信してください。文字起こし済みのファイルは再課金しません。 | 話者識別は文字起こしと別の利用権で、長さに応じて計量します。保管期間内に実行するか、先に再アップロードしてください。 |
| 原本の再生 | 削除後の原本再生はできません。 | 字幕確認用に、自分が利用できる原録音を保管してください。 |
| ファイル検査 | 読めないストリーム、不完全な出力、長さ不明などで拒否される場合があります。 | 端末で再生を確認し、完全な音声を書き出してから再試行してください。 |
| 出力の正確さ | 語句、句読点、時間情報に誤りがある場合があります。 | 公開、引用、納品前に重要な部分を確認してください。 |
利用枠の例：150 分の録音
録音が 150 分で、サイズ上限内とします。120 分超のこのタスクには、無料枠や S の残高を組み合わせて使えません。全 150 分を賄う L 枠が必要で、送信時の利用量確認に通る必要があります。L の 180 分上限は素材単位の制限で、録音ごとに追加される無料枠ではありません。
120 分以内の通常タスクは、原則として週の枠・登録特典を先に使い、その後に条件を満たす購入枠を使います。確認画面に適用する枠と見込み量を表示します。他タスクの予約、期限切れ、消費、凍結で利用可否は変わります。処理できない場合は再送信前に「マイアカウント → 利用枠&使用状況」を確認してください。
単発パスは最初の実使用で一つの素材に紐付き、開始期限と完了期限があります。要約・翻訳は AI 回数、話者識別は別の利用権を使います。文字起こしを終えても、その後の処理がすべて無料になるわけではありません。現在のプランと購入確認で、購入可否、価格、返金条件をご覧ください。
文章を確認し、TXT・SRT に出力
人名、日付、金額、専門語、否定を検索し、該当箇所を聞き直してください。not の欠落や小数の誤りは意味を変えます。重なる発話が一つの区間に入る場合があり、段落の順序は誰が話したかの証拠にはなりません。
全結果は各行を選ばず「全文 TXT / 全文 SRT」で出力できます。抜粋なら関連行を選びます。TXT は編集用、SRT は字幕ツール用の時間情報を含みます。結合、削除、変更後は時刻を再確認してください。
以下は SRT の構造例で、実際の録音からの出力ではありません。
1 00:00:00,000 --> 00:00:02,400 [first recognized passage] 2 00:00:02,400 --> 00:00:05,100 [second recognized passage]
要約は出典を圧縮し、翻訳は表現を変えます。直接引用には要約を逐語の発言とせず、字幕を原音声と照合してください。
プライバシー、保管、削除
ローカル音声の字幕・翻訳・要約はアップロードしたアカウントに限定します。原本はサーバーで最長約六時間の一時保管とし、文字起こし成功後も期間内は話者識別に使えます。失敗・キャンセルした原本はすぐに削除します。停止やストレージ障害で削除が遅れる場合があります。文章は別に保存するため、原音声の削除だけで字幕も消えるわけではありません。
「マイタスク」の非表示は履歴を隠すだけで、保存文の削除ではありません。結果の削除はポリシーの保管・削除手順に従って依頼してください。問題の相談では、まずタスク状態、エラー、発生時刻を伝えてください。初回の連絡で私的録音、認証情報、不要な個人情報を送るのは避けてください。現在の音声説明とポリシーに処理業者・目的を記載しています。
文字起こし前に録音を計画する
- 口述史：声を別チャンネルにするか判断する。この解説は個別の音量調整に別チャンネルが役立つ理由を示します。インタビュー録音の準備に使えます。
よくある質問
ファイルを選んですぐ文章が出ないのはなぜですか？
アップロード後、長さと利用量を確認して文字起こしを実行します。送信済みなら「マイタスク」で状態を確認してください。ファイルを選び直しても実行中のタスクは速くなりません。
短い録音でも利用枠を超えるのはなぜですか？
時間上限は自動で付与される残高ではありません。他のタスクが分数を予約したり、利用権が失効したりします。週の枠、登録特典、購入枠と、現在の確認画面をご覧ください。
アップロード失敗や接続切断では最初からやり直しますか？
先にエラーと「マイタスク」を確認してください。未完了のアップロードと送信後の応答切断は異なり、後者ではサーバーで処理が続いている場合があります。切断はタスク未作成の証拠ではありません。既存タスクを確認するまで再送信を避け、その後で通信やファイルの問題に対処してください。
ローカル録音の人物を自動で名付けられますか？
文字起こし後に自動話者識別を使えます。誰がいつ話すかを分ける機能で、声から実名を特定しません。原本はアップロード後、最長約六時間保持します。その後は同じファイルを再送信してください。発言者の帰属は自分の録音で確認します。
キャンセルすれば必ず利用量は発生しませんか？
開始の確認前なら文字起こしタスクを作成しません。送信後は処理段階により、提供者が受け付けた作業が続き、費用が発生する場合があります。タスク状態と利用記録で結果を確認してください。ページを閉じるだけではキャンセル申請になりません。
同じファイルをアップロードすると再文字起こししますか？
同じアカウントに利用できる結果があれば、直接開く場合があります。ファイルやアカウントが変わると再利用できない場合があります。他人の非公開結果を表示することはありません。