無料トライアル
$0USD
カード登録不要。認証済みアカウントごとに 1 回限り。
5 分間お試し
- 単語ごとのタイムスタンプと話者ラベル
- 文字起こしの編集
- TXT・SRT・VTT・JSON への書き出し
- 英語の文字起こしのみ
- 1 ファイル最大 5 分・100 MB
- 結果の保存期間は 7 日間
無料体験の処理時間は 30 日間有効
WhisperX オンライン
音声を文字起こし。単語単位のタイムスタンプと話者ラベルを、インストールなしで。
サンプルを試す
00:23
処理の詳細と編集前の結果
WhisperX · large-v3 · EN
WhisperX の開発者や OpenAI とは提携していない、独立した非公式サービスです。
元の音声を聞いて、結果を確かめる
実際の WhisperX で処理した短い合成音声です。元の音声と比較できるよう、サンプル本文は英語のまま表示しています。操作を紹介するための例であり、実環境での精度を測るテストではありません。
実際の会議の録音・AMI Meeting Corpus
未編集の自動出力です。単語の欠落や話者の割り当て間違いがあり得ます。出典：AMI Consortium / University of Edinburgh、CC BY 4.0。精度テストではなく、提供元による当サービスの推奨も意味しません。
AMI · EN2009d · 4926.96–5023.53 s
2.00 s · SPEAKER_00Because, you know, if you're told, use the booking system.
4.76 s · SPEAKER_00Well, we think we spoke to all the people who used those facilities the other day, but we could be wrong.
9.89 s · SPEAKER_00Well, that's true.
聞き直しながら確認できる文字起こし
WhisperX は音声認識に単語のアライメントと、必要に応じて使える話者分離を組み合わせます。音声や動画をアップロードし、長さと料金を確認したら、ブラウザーで結果を見直せます。再生しながら文字を直し、話者名を変更し、モデルによる処理結果と編集後のテキストを別々に残せます。
確かめたい箇所へ、タイムスタンプから戻る
WhisperX は音声認識後のアライメントで、単語が録音のどこにあるかを推定します。タイムスタンプがある箇所をクリックすると、前後の文脈を聞き直せます。信頼できる時刻が得られない単語もあります。文字の編集では再アライメントや新たな時刻の測定は行われません。元の出力と修正版を区別する必要がある場合は、元の JSON を保存してください。
話者分離で、誰の発言かを整理
話者分離は、ひとつの録音内で声をもとに発言をグループ化します。ラベルを名前に変える前に音声を確認してください。似た声、短い返答、同時発話では誤りが生じることがあります。ラベルは話者の身元を示すものではなく、別のファイルに登場する同じ人物を認識する機能もありません。
テキスト、構造化データ、字幕を書き出し
読みやすいテキストには TXT、構造化データには JSON、字幕には SRT または VTT をダウンロードできます。TXT と JSON は話者情報を保持しますが、SRT と VTT には話者名が自動では入りません。既存の結果の編集や再ダウンロードで追加の処理時間は消費しません。字幕は別ファイルとして書き出され、動画への焼き付けは行いません。
録音の対応言語
無料トライアルは英語に対応しています。有料では英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、日本語を文字起こしできます。話された言語のまま出力され、翻訳は行いません。画面の表示言語と録音の対応言語は別のものです。
使い方は3ステップ
- 1
処理する権利のある録音をアップロードします。話されている言語を選び、必要に応じて話者ラベルを有効にします。
- 2
長さと料金を確認して処理を開始します。タスクはアカウントに保存されます。
- 3
音声を聞き直してテキストを修正し、ダウンロードします。編集前の結果と編集後のテキストを選べます。
形式とファイル上限
MP3、WAV、M4A、FLAC、OGG、MP4、MOV、WebM に対応しています。一度限りの無料トライアルは5分で、1ファイル100 MB・5分まで。有料アカウントは1ファイル500 MB・60分までです。自分のファイルの処理にはアカウントが必要です。外部リンクからの取得やライブ録音には対応していません。
非公開のファイルと保存期間
結果にアクセスできるのは自分のアカウントだけです。トライアルの結果は7日間、有料の結果は30日間保存されます。表示された期限までにダウンロードしてください。処理はブラウザー内ではなく外部サービスで行われます。処理前に必要な処理時間を確保し、結果の提供が正常に完了した時点で残高から差し引きます。失敗したタスクでは確保分を戻します。
目的に合わせて選ぶ
WhisperX ガイド
必要な分だけ、処理時間を購入
アカウントの認証後、一度限りの5分トライアルをカード登録なしで利用できます。その後は時間パック、月額プラン、年額プランから選べます。パックの有効期限は12か月、サブスクリプションの処理時間は30日です。サブスクリプションは解約するまで自動更新されます。最終金額は決済画面で確認してください。
月払い・年払いプラン
Starter
$9米ドル／月
毎月自動更新されます。次回以降の更新はお支払い設定で停止できます。
毎月 120 分
- 単語ごとのタイムスタンプと話者ラベル
- 文字起こしの編集
- TXT・SRT・VTT・JSON への書き出し
- 対応する全 8 言語を利用可能
- 1 ファイル最大 60 分・500 MB
- 結果の保存期間は 30 日間
毎月付与される処理時間の有効期限は 30 日間
Creator
$29米ドル／月
毎月自動更新されます。次回以降の更新はお支払い設定で停止できます。
毎月 600 分
- 単語ごとのタイムスタンプと話者ラベル
- 文字起こしの編集
- TXT・SRT・VTT・JSON への書き出し
- 対応する全 8 言語を利用可能
- 1 ファイル最大 60 分・500 MB
- 結果の保存期間は 30 日間
毎月付与される処理時間の有効期限は 30 日間
時間パック。必要な分だけ購入。
必要なときに処理時間を購入できます。自動更新はありません。有効期限は 12 か月で、サブスクリプションとの併用も可能です。
120 分の時間パック
$9米ドル、1 回限り
サブスクリプション不要。未使用分は 12 か月後に失効します。
必要なときに使える 120 分
- 単語ごとのタイムスタンプと話者ラベル
- 文字起こしの編集
- TXT・SRT・VTT・JSON への書き出し
- 対応する全 8 言語を利用可能
- 1 ファイル最大 60 分・500 MB
- 結果の保存期間は 30 日間
600 分の時間パック
$29米ドル、1 回限り
サブスクリプション不要。未使用分は 12 か月後に失効します。
必要なときに使える 600 分
- 単語ごとのタイムスタンプと話者ラベル
- 文字起こしの編集
- TXT・SRT・VTT・JSON への書き出し
- 対応する全 8 言語を利用可能
- 1 ファイル最大 60 分・500 MB
- 結果の保存期間は 30 日間
よくある質問
WhisperX の公式サイトですか？
いいえ。独立した非公式のホスト型サービスです。オープンソース版は GitHub の m-bain/whisperX で別に開発されています。
インストールなしで自分の録音を使えますか？
はい。ファイルのアップロードと処理にはアカウントが必要です。外部サービスでモデルを実行するため、自分の GPU やモデル用トークンは必要ありません。
録音は翻訳されますか？
いいえ。話された言語のまま文字起こしします。トライアルは英語、有料ではスペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、日本語も利用できます。
編集やダウンロードに追加料金はかかりますか？
既存の結果の編集・ダウンロードでは追加の処理時間を消費しません。新たな文字起こしは別タスクとして料金を確認します。
時刻や話者は必ず正確ですか？
いいえ。信頼できるタイムスタンプが付かない単語や、話者の割り当ての誤りが生じることがあります。録音を確認してください。文字の編集では新しい時刻は生成されず、ラベルは本人確認に使えるものではありません。
YouTube のリンクを貼れますか？
いいえ。処理する権利のあるファイルをアップロードしてください。外部リンクからメディアを取得する機能はありません。