インタビューを文字起こしする方法：実践ステップガイド

記事執筆でも研究でも採用面接でも、インタビューをテキストにしておけば検索・引用・共有が簡単になります。手で打ち起こすと録音時間の4〜6倍かかると言われますが、自動音声認識を使えば作業の大半はなくなり、主な仕事は確認と整理だけになります。

1. きれいに文字起こしできるよう録音する

文字起こしの品質は、録音ボタンを押す前にほぼ決まります。

• マイクを近づける：2人の間の机にスマホを置くだけでも十分。ピンマイクならさらに良好です。
• 静かな場所を選ぶ：BGMやカフェの雑音が誤認識の最大の原因です。
• 話がかぶらないようにする：同時に話された部分はどんな音声認識でも苦手です。
• オンライン取材：可能なら双方をそれぞれ録音するか、通話アプリの録音機能を使います。
• 録音前に同意を得る：録音の用途も相手に伝えておきましょう。

2. 録音を文字起こしする

1. PCでTidyTranscribeを開きます（長いファイルはChromeかEdgeが最速）。
2. 話されている言語を設定し、インタビューには高精度モデルを選びます。人名や自然な話し言葉は大きいモデルの方が正確です。
3. 録音ファイルをドロップします。MP3、M4A、WAV、動画ファイルに対応しています。
4. 進行状況バーを確認します。長いファイルは区切って処理されるので、途中から読み始められます。

すべてブラウザ内で処理されるため、録音はアップロードされません。個人情報や未公開情報を含むことが多いインタビューでは大切なポイントです。

3. TXTとSRTの両方を保存する

TXT は作業用の原稿です。SRT は同じテキストにタイムスタンプが付いたもので、発言の正確な位置を探して聞き直すときに役立ちます。

4. 話者名を付ける

このツールは話者を自動で区別しないため、確認作業の中で名前を付けます。シンプルで扱いやすい形式の例：

聞き手：プロジェクトはどのように始まったのですか？
佐藤：2021年に副業として始めたんです…

コツ：まず話者が変わるたびに改行と名前だけを入れる作業を一通り行い、そのあとで言葉づかいを直すと効率的です。

5. 確認して整える

• 人名・地名・専門用語が最も間違えやすい部分です。繰り返し出る語は置換で一括修正しましょう。
• 「素起こし」か「ケバ取り」かを決める：素起こしは「えー」「あの」や言い直しを残し、ケバ取りはそれらを除きます。記事では読みやすく整えつつ、意味は正確に保つのが一般的です。
• 公開する引用はすべて音声と照合する：SRTのタイムスタンプで該当箇所にすぐ移動できます。
• 聞き取れない部分は推測せず [聞き取り不能 12:34] のように記録します。

どのくらい時間がかかる？

端末によって大きく異なります。GPUを使える最近のPCは、スマホやCPUのみの環境よりずっと速く、「高精度」モデルは「バランス」より遅くなります。長い録音を始める前に、数分の音声で速度を確かめておくと安心です。確認作業はおおむね録音と同じくらいの時間がかかりますが、一から打ち起こすよりはるかに速く済みます。