MP3は、レコーダーが渡してくれた形式
ICレコーダー、スマートフォンの録音アプリ、口述用の機器、そして多くの会議ツールは、初期設定でMP3として保存します。小さくて、どこでも再生できて、そして「録音」という名前のフォルダに入ったまま二度と開かれないファイルになります。このページは、そのファイルをひとつ受け取り、話された内容をテキストにして返します。画面で読んでコピーでき、MP3の名前を引き継いだ.txtとしてダウンロードもできます。standup-0412.mp3ならstandup-0412.txtになります。
事前の準備は要りません。変換も、音量の調整も、無音の切り取りも、チャンネルの分離も不要です。機器が作ったファイルを、そのままアップロードしてください。
ビットレート、長さ、2つの上限
アップロードには常に2つの上限があります。ファイルの100 MBと、音声の3時間です。どちらに先に届くかは、レコーダーが使ったビットレートで決まります。
- 320 kbps。1時間でおよそ144 MB。長いファイルは書き出し直しが必要です。
- 128 kbps。1時間でおよそ58 MB。サイズの上限までにおよそ100分入ります。
- 64 kbps、モノラルの音声。1時間でおよそ29 MB。3時間の上限が先に来ます。
ビットレートが低くても認識には差し支えありません。音声は圧縮に強く、64 kbpsのモノラルではっきり話している録音のほうが、会議室の遠い端に置かれたスマートフォンで録った320 kbpsよりきれいに文字になります。上限を超えるファイルは、ビットレートを下げて書き出し直すか、2つに分けてください。料金はどちらにしても音声の分単位なので、分割しても、それぞれのファイルにかかる最低100クレジットのほかに余計な費用は生じません。
先に料金、そしてプレーンテキスト
文字起こしは有料の処理なので、最初の手順はあえてゆっくり進みます。アップロードすると長さが測られ、分数、クレジット、残高が画面に出ます。お客様が確認して初めて課金されます。1分ごとに10クレジット、下限は100クレジットなので、1時間の音声なら600クレジット、上限の3時間なら1,800クレジットです。有料ツールの料金は料金ページにまとめてあり、新しいアカウントにはお試し用として250クレジットを進呈します。
返ってくるのは、あえてプレーンテキストだけです。タイムスタンプも話者名もなく、SRTやVTTの字幕ファイルも作りません。そのぶん、議事録や報告書、チケットに貼り付けるのが簡単です。録音がMP3以外なら、音声をテキストに変換が同じ処理をM4A、WAV、OGG向けに説明したページです。音声ではなく文書に閉じ込められたテキストなら、通常のPDFにはPDFをテキストに変換を、ページがスキャンのときはPDFをOCRをお使いください。