AI文字起こしの精度を実測比較｜同じ音声を4つのAIに通して17項目で採点した【2026年版】

本記事はアフィリエイト広告（PR）を含みます。

「AI文字起こし どれがいい？」で検索すると、比較記事が山ほど出てきます。でも、その記事の「精度98%」という数字、誰かが実際に測ったものでしょうか。

正直に言うと、比較記事の多くは各社が公表している数字をそのまま並べているだけです。それが悪いわけではありませんが、公表値と実際に使ったときの体感には差があることが多いです。

そこでこの記事では、同じ音声を4つのツールに実際に通して、出てきたテキストを1つずつ答え合わせしました。結果、「一致率」という数字だけでは分からない、意外な事実が見えてきました。

「精度98%」という数字が当てにならない理由

比較記事を読んでいて、いつも引っかかることがありました。どの記事も「精度〇〇%」という数字を載せているのに、その数字がどうやって測られたのか書いていません。何の音声を、何回、どんな条件で測ったのか。それが分からない数字は、正直あまり信用できません。

今回、僕は自分で測ってみて、その理由がよく分かりました。「文字一致率」という1つの数字だけでは、実用性はほとんど分かりません。

見てほしいのは、Nottaとwhisper-mediumの一致率の差はたった2.5ポイント（97.9%と95.4%）ということです。数字だけ見れば「まあ同じくらい」に見えます。

ところが、意味が壊れた箇所は3箇所と7箇所で、2倍以上の差があります。一致率が2〜3ポイント違うだけで、実際に使ったときの困りごとは大きく変わるということです。

さらに気になる逆転も起きています。whisper-medium（95.4%）は、whisper-large-v3（95.2%）より一致率が高いのに、意味の破壊は7箇所と5箇所でlarge-v3に負けています。つまり、一致率が高いほうを選ぶと、実は間違った選択になることがあります。

ここが今回いちばん伝えたいことです。「一致率で何%」という数字だけを見て選ぶと、判断を誤ることがあります。大事なのは、一致率ではなく「意味が変わる誤りが残るかどうか」です。

どう測ったか（全部公開します）

数字だけ見せられても信用できないと思うので、測定方法を全部公開します。あとで自分で検証したい方は、同じ手順で追試できます。

まず、3人が会議で話しているような音声を、Macの読み上げ機能（sayコマンド）で作りました。3つの声を使い分けて、話者ごとの切り替わりも再現しています。長さは1分49秒、548字です。

ただ普通の会話を読み上げただけでは、ツールの違いが見えません。そこで、わざと聞き間違えやすい箇所を17箇所仕込みました。

この音声を、Notta（有料の定番ツール）と、Whisper（無料で自分のパソコンで動かせるツール）の3サイズ（small・medium・large-v3）に通しました。Whisperはモデルのサイズによって精度と処理時間が変わるので、3段階で比較しています。

採点は2つの指標で行いました。1つは文字一致率（表記のゆれを吸収したうえで、文字がどれだけ合っていたか）。もう1つは意味が壊れた箇所の数（17箇所の罠のうち、正しく聞き取れなかった数）です。文字が1字違うのと、「貴社」が「帰社」になるのとでは、実務での被害がまったく違うので、両方見る必要があります。

【実測】4ツールの比較結果

結果はこうなりました。数字が細かいので、まず全体をもう一度表で見てください。

※処理時間は1分49秒の音声を、Apple Silicon MacのCPUのみ（GPUなし）で処理した場合。マシンによって変わります。

今回の測定ではNottaが全指標で1位でした。特に、後で説明する「数字を1つも落とさなかった」点は、議事録用途では大きな差になります。

一方で、Whisperは無料でパソコンにダウンロードして動かせるツールです。お金をかけずに、この精度が出せるというのも事実として押さえておく価値があります。特にlarge-v3は、有料のNottaに次ぐ結果を出しています。

処理時間の差にも注目してください。small・medium・large-v3の3段階を同じ音声で比べると、精度が上がるほど処理時間も伸びるという、ある意味当たり前の関係が数字にはっきり出ました。13秒→41秒→75秒と、large-v3はsmallの約6倍です。1本の会議なら誤差の範囲ですが、1日に何本も文字起こしする使い方なら、この待ち時間の差は無視できません。「精度を取るか、速さを取るか」は、Whisperを選ぶ場合はモデルのサイズで自分で決められる、という点も覚えておくと便利です。

▶ Notta（AI文字起こし）を見る 無料プランあり（1回3分まで）。最新の料金・条件は公式でご確認ください

どのツールも直せなかった誤り

今回いちばん興味深かったのは、1位のNottaでも直せなかった誤りがあったことです。4ツール全てが、同じ3箇所で同じように間違えました。

特に「帰社」をNottaが「見ちゃ」と書いたのは印象的でした。日本語としてそもそも成立していない出力で、Whisperの「記者」（意味は違うが単語としては成立する）より、読んだときに違和感が強く出ます。1位のツールでも、こういうことは起きます。

「貴社」と「帰社」は、音だけを聞けば区別がつきません。人間も、文脈から判断して初めて聞き分けられる言葉です。AIも同じように文脈から推測しているはずですが、今回の音声では全ツールが同じ方向に間違えました。

面白いのは、「保証」と「保障」の間違い方です。今回の音声には「品質保証」と「契約書の保障内容」という、似た文脈で使い分けられている2箇所を仕込みました。ところが多くのツールが、両方とも同じ「保証」という表記に寄せてしまいました。使用頻度の高いほうの表記に引っ張られる傾向がある、ということだと思います。契約書や規約など、この2語の使い分けが重要な文書を扱う場合は、特に注意が必要な箇所です。

ここから言えるのは、同音異義語の誤りは、ツールを変えても、課金しても、解決しない可能性が高いということです。会議の内容に「貴社」「保証」のような同音異義語が出てくる業種の方は、AIの出力をそのまま信じず、人が読んで直す前提で使うのが安全です。

上位モデルに上げると直った誤り

同音異義語は全滅でしたが、逆に「モデルを大きくすれば直る誤り」もはっきり見えました。Whisperは同じ仕組みのままサイズだけ大きくできるので、これを見るには都合がいい素材です。

数字とカタカナ語は、モデルを大きくするほど正確になる傾向がはっきり出ました。「150件」を「150点」と書き間違えるのは、音は近くても意味がまったく変わるので、業務で使うなら見逃せない誤りです。

ただし例外もありました。「オンボーディング」という単語は、small・mediumは正解したのに、いちばん高性能なはずのlarge-v3だけが落としました。大きいモデルが常に勝つわけではない、という反例です。専門用語の扱いは、モデルのサイズだけでは読み切れない部分があると考えたほうがよさそうです。

まとめると、「数字とカタカナの専門語」はモデルを上げる価値があり、「同音異義語」は上げても無駄ということです。この記事で言う「精度」は一枚岩ではなく、誤りの種類によって効く対策が違います。

ツール別レビュー

比較表だけでは分かりにくい部分を、ツールごとに補足します。

Notta（有料・クラウド処理）

今回の測定では全指標で1位でした。特に数字を仕込んだ6箇所（127件・3.5%・1280万円・15時30分・2.1%・150件）を1つも落とさなかったのは大きいです。議事録で数字を間違えるのは業務上のリスクが高いので、ここは有料ツールらしい強さが出た部分だと感じます。一方で、数字を漢数字で返す（「十五時三十分」のように）クセがあり、社内文書にそのまま使う場合は表記の統一に手を入れる必要がありました。無料プランは1回3分までという制限があります。

Whisper large-v3（無料・ローカル処理）

無料でここまで出せるのか、というのが率直な感想です。数字とカタカナ語の誤りが少なく、Nottaに次ぐ結果でした。ただし自分のパソコンで処理する分、今回の1分49秒の音声でも75秒かかっています。長い音声では相応に待つ必要があります。また、専門知識がないと導入のハードルはやや高めです。

Whisper medium（無料・ローカル処理）

文字一致率だけ見るとlarge-v3を上回る95.4%でしたが、意味が壊れた箇所は7箇所とより多い、という今回の記事でいちばん伝えたい逆転が起きたのがこのモデルです。処理時間はlarge-v3の約半分（41秒）なので、速度を優先するならこちらですが、精度で選ぶならlarge-v3のほうが実用的でした。

Whisper small（無料・ローカル処理）

処理時間は13秒と圧倒的に速いですが、意味が壊れた箇所は9箇所ともっとも多くなりました。とりあえず内容を大まかに把握したいだけの用途には向きますが、そのまま議事録として使うには荒さが目立ちます。

補足：Nottaにはハードウェア型の製品もある

今回比較したのはNottaのソフトウェア（Webアプリ）ですが、Notta社は録音専用のボイスレコーダー型の製品も出しています。会議のたびにパソコンやスマホを操作せず、専用機を持ち込むだけで録音から文字起こしまで完結させたい方には、そちらの選択肢もあります。今回はソフトウェア版の精度検証が目的だったため、ハード製品自体のレビューは対象外としています。

用途別のおすすめ

精度だけで決めるのではなく、何に使うかで選ぶツールを変えるのが現実的です。

「機密情報を含む音声」については補足が必要です。クラウド型のツールは音声データを外部のサーバーに送って処理するため、各社のプライバシーポリシーや利用規約を確認したうえで使う判断をしてください。ローカルで処理できるWhisperは、この点で選ばれる理由になります。

「同音異義語が多い専門分野」についても補足します。法務・医療・金融のように、同音異義語を間違えると影響が大きい分野では、そもそも文字起こしAIに全面的に頼る設計を避けたほうがいいと考えています。今回の測定で「貴社」「保証」を全ツールが間違えたように、どんなに一致率が高いツールでも、専門分野の同音異義語だけは弱点として残ります。録音を残しておいて、重要な決定事項の部分だけ聞き直す運用を、最初から前提にしておくのが現実的です。

もう一つ、見落とされがちな観点があります。「1回の会議あたりの長さ」です。Nottaの無料プランは1回3分までという制限があるため、10分・30分といった実際の会議には向きません。短いメモ書きや、通話の要点だけを残したい場面での無料利用と、本格的な議事録作成でNottaの有料プランを使う場面は、分けて考えたほうが実態に合います。長い会議を無料で済ませたいなら、時間制限のないWhisperのほうが現実的です。

精度を上げる5つのコツ

ツール選び以外にも、精度を上げる余地はあります。今回の測定と、実際に使ってみて感じたことから、効果がありそうな順に並べました。

1. マイクの位置を発話者に近づける

基本的なことですが、いちばん効きます。ノートパソコン内蔵マイクで部屋の反対側の声を拾うより、話者の近くにマイクを置くだけで認識率は変わります。特にオンライン会議では、各自が自分のマイクで話す形になるので、この対策がそのまま効果に直結します。対面の会議室では、卓上マイクを話者の中央に置くだけでも変わってきます。

2. 固有名詞やプロジェクト名を事前に伝える

ツールによっては、専門用語や固有名詞を事前に登録・入力できる機能があります。今回の測定で「オンボーディング」のような専門語が落ちたように、辞書にない言葉は不利になりがちです。使える機能があるなら活用してください。社内独自の略語やプロジェクトコードなどは特に効果が出やすいポイントです。

3. 話者ごとにマイクを分ける、または順番に話す

複数人が同時に話すと、話者分離の精度が落ちます。可能であれば、発言のタイミングを少しずらすだけでも聞き取りやすくなります。誰かの発言に食い気味に相槌を打つ癖がある人がいる会議は、特に精度が落ちやすいと感じています。相槌は少し間を置いてから、を意識するだけでも変わります。

4. 長い音声は区切って処理する

今回はローカルのWhisperで検証しましたが、長時間の音声を一度に処理すると、後半になるほど文脈のズレが蓄積することがあります。可能なら区切って処理するほうが安定します。1時間の会議なら、休憩のタイミングなどで音声ファイルを分割してから処理する、という運用にするだけでも効果が見込めます。

5. 同音異義語が出そうな箇所は、あらかじめ心構えをしておく

「貴社」「保証」のような言葉が多い会議だと分かっているなら、文字起こし結果をそのまま資料にせず、必ず人が目を通す工程を入れてください。今回の測定では、ここだけはどのツールも解決できませんでした。

この5つのうち、コストゼロで今日からできるのは1・3・5です。マイクの位置を変えるのも、話すタイミングを少しずらすのも、慣れれば習慣になります。ツールを乗り換える前に、まずこの3つを試してから判断しても遅くはないと思います。

▶ Notta（AI文字起こし）を見る 無料プランあり（1回3分まで）。最新の料金・条件は公式でご確認ください

【実体験】僕がAIの文字起こしを検算する理由

ここまで4ツールを比較してきましたが、正直に言うと、僕は普段からAIの出力を鵜呑みにしない習慣があります。これは文字起こしに限った話ではありません。

本業でもAIをかなり使っていますが、ハルシネーション（AIがもっともらしい間違いを出すこと）への対処として、複数のAIで同じことを確認するようにしています。1つのAIの答えだけを信じて進めると、後から違っていたときの被害が大きいからです。

AIツールを人に紹介するときも、「出力されるものが全て完璧とは限らないので、要確認です」とは必ず伝えるようにしています。便利さだけを話して、確認の手間を省略して伝えるのは、正直な紹介の仕方ではないと思っているからです。

今回の測定で「貴社」が「記者」になったり、「帰社」が「見ちゃ」になったりするのを実際に見て、この習慣は文字起こしにもそのまま当てはまるとあらためて感じました。1位のツールでも3箇所は間違えます。会議の重要な決定事項が入っている部分だけでも、後から音声を聞き直して確認する。この一手間を惜しまないことが、結局いちばん安全だと思っています。

本業では、AIが出した数字をそのまま信じて資料に使い、後から実際の数字とズレていることに気づいてヒヤッとした経験もあります。それ以来、特に数字が絡む出力は、最低でも1箇所は元データと突き合わせて検算するようにしています。文字起こしも同じで、「AIが作ったから正しいはず」という前提そのものが危険だと感じています。便利なツールほど、確認の手間を省きたくなりますが、そこを省かないことが結果的にいちばんの近道になると思っています。

料金と無料枠の考え方

精度と同じくらい気になるのが費用だと思うので、考え方を整理しておきます。

Nottaには無料プランがあり、1回あたり3分まで文字起こしできます。今回の測定音声もこの無料枠の中に収まる長さで作りました。短い打ち合わせのメモ書き程度なら、無料のまま使える範囲です。継続的に長い会議を文字起こしするなら、有料プランへの切り替えが必要になります。具体的な料金や条件は変更されることがあるため、本記事では断定せず、最新は公式サイトでご確認くださいとだけお伝えします。

一方、Whisperは無料で、自分のパソコンにダウンロードして使えます。ただし「無料」といっても、コストがゼロというわけではありません。処理にかかる時間そのものがコストです。今回の測定では、small が13秒で終わったのに対し、large-v3 は75秒かかりました。約6倍の差です。長い音声を大量に処理するなら、この待ち時間の差は無視できなくなります。

まとめると、「お金を払って時間を節約するか」「時間をかけてお金を節約するか」の選択だと考えるとシンプルです。仕事で日常的に議事録を作るなら前者、たまにしか使わないなら後者が向いていると思います。使う頻度で決めるのが、いちばん失敗しない選び方です。

よくある質問（FAQ）

Q. AI文字起こしで一番精度が高いツールはどれですか？

A. 今回の測定ではNottaが文字一致率97.9%、意味が壊れた箇所3／17でもっとも高い結果でした。無料のWhisper large-v3もかなり近い結果を出しています。ただし1回の測定・1本の音声での結果なので、ご自身の用途で試してから判断することをおすすめします。

Q. 無料の文字起こしツールでも実用的なレベルですか？

A. Whisperのlarge-v3は、有料のNottaに次ぐ結果でした。無料でも十分実用的なレベルは出せますが、処理に時間がかかる点と、導入にやや専門知識が必要な点は考慮してください。パソコンの性能によっても処理時間は変わります。

Q. 文字起こしAIは同音異義語を正しく聞き分けられますか？

A. 今回の測定では、4ツールすべてが「貴社」「帰社」「保障」で同じように間違えました。同音異義語は今のところ、どのツールを使っても人による確認が必要だと考えたほうが安全です。

Q. モデルやプランを上位のものにすれば精度は上がりますか？

A. 数字やカタカナの専門語は上位モデルで改善する傾向がありました。ただし今回、上位モデルが逆に専門語を1つ落とす例もあったため、必ず上がるとは言い切れません。用途に応じて試してみるのが確実です。

Q. 会議の文字起こしにはどのツールが向いていますか？

A. 数字が重要な会議（売上・件数など）が多いなら、今回の測定で数字を1つも落とさなかったNottaのようなツールが安心です。内容の把握だけで十分なら、無料のWhisperでも足ります。予算とパソコンのスペック、会議の頻度も含めて、総合的に判断するのがおすすめです。

Q. 文字起こしの精度は音声の質にも左右されますか？

A. されます。今回はマイクの位置や環境音の影響がない合成音声で測定したため、実際の会議ではこの記事の数字より精度が下がる可能性があります。マイクを話者に近づけるなど、録音環境を整えることも精度に直結します。

Q. 複数人が同時に話すと精度は落ちますか？

A. 落ちる可能性が高いです。今回の測定は1人ずつ順番に話す音声だったため、発言が重なる場面は検証できていません。声が被る会議では、どのツールも実力を出しにくくなると考えたほうが安全です。

Q. 文字起こし結果をそのまま議事録として使っても大丈夫ですか？

A. 今回の測定結果を見る限り、そのまま使うのはおすすめしません。特に同音異義語や重要な数字が含まれる部分は、音声を聞き直して確認する工程を入れることをおすすめします。決定事項や金額が絡む箇所だけでも、確認を習慣にしておくと安心です。

Q. 機密情報を含む音声はどのツールで処理すべきですか？

A. クラウド型のツールは音声データを外部サーバーに送るため、各社のプライバシーポリシーを確認したうえで判断してください。データを外部に送りたくない場合は、自分のパソコンで処理が完結するWhisperのようなツールが選択肢になります。社内規定がある場合は、そちらを優先してください。

まとめ：一致率の数字だけでツールを選ばない

4つのツールに同じ音声を通してみて、いちばん実感したのは「精度◯%」という数字だけでは、実用性は分からないということでした。一致率がわずか2〜3ポイント違うだけで、意味が変わる誤りの数は2倍以上変わりましたし、一致率で勝っているほうが実用性で負ける逆転も起きました。

今回の測定で1位だったのはNottaでしたが、無料のWhisper large-v3もかなり善戦しています。そして、どのツールを選んでも、同音異義語だけは人の確認が必要という結論は変わりませんでした。「精度98%」という宣伝文句を見たときは、その数字が何を測って出たものなのか、一歩立ち止まって考えてみる価値はあると思います。

AIツールは便利ですが、出てきた結果をそのまま鵜呑みにせず、大事な部分だけでも確認する。この一手間を惜しまなければ、どのツールを選んでも大きな失敗にはならないはずです。

ツール選びで迷っているなら、まずNottaの無料プラン（1回3分まで）で自分の声を実際に文字起こししてみるのが手っ取り早い確認方法です。今回の測定結果はあくまで1つの音声での結果なので、ご自身の業種や話し方に合うかどうかは、実際に試してみないと分かりません。長い会議を無料で試したいなら、Whisperを導入してみるのも一つの手です。まずは無料の範囲で試してみて、自分の用途に合うか確かめてみてください。よいしょっと、今日から使い始めてみましょう。

※本記事は情報提供を目的としたものです。掲載している測定結果は2026年8月10日に、筆者環境で合成音声（TTS）を使って計測した1回の実測例であり、すべての音声・環境で同じ結果になることを保証するものではありません。実際の会議音声では、話者の発音・環境音・マイクの性能などにより結果が変わります。各ツールの料金・無料枠の条件は変更されることがあるため、最新は公式サイトでご確認のうえ、最終的な判断はご自身の責任で行ってください（免責）。