AI文字起こしの日本語精度を同じ音声で実測比較

広告について

この記事にはアフィリエイト広告が含まれます。評価・順位は広告報酬ではなく、当サイトの検証基準と公式情報に基づいて決定します。

AI文字起こしサービスは、公式サイトの機能表だけでは日本語の実際の認識精度を比較しにくいです。そこで動画AIベンチでは、まったく同じ130.760秒の日本語音声をNotta Free、TurboScribe Free、VEED Freeへ入力し、未修正の出力を同じ基準で採点しました。

今回の1サンプルでは、Content文字精度はNotta 99.87%、VEED 99.10%、TurboScribe 95.78%でした。ただし、これは約2分11秒の1音声だけの結果です。サービス全体の絶対的な順位とは断定しません。

公式情報の最終確認日: 2026-09-10 / 次回確認目安: 2026-12-09 / 確認期限内


実測結果

サービス プラン Strict文字精度 Content文字精度 固有名詞・実体 数値
Notta Free 98.63% 99.87% 100.00% 100.00%
VEED Free 97.27% 99.10% 100.00% 85.71%
TurboScribe Free 92.30% 95.78% 85.71% 100.00%

処理時間と人手修正時間は3社で同条件計測できなかったため、今回の表には入れていません。

テスト条件

共通入力は、ユーザー提供のフル尺音声から00:32.670〜02:43.430を切り出した130.760秒です。

比較を公平にするため、ノイズ除去、音量正規化、速度変更、音声強調などは行っていません。切り出した同一WAVを3サービスへ投入しています。

  • Notta: Free、日本語、話者識別OFF
  • TurboScribe: Free、日本語、Whale、話者認識OFF、翻訳OFF、Restore Audio OFF
  • VEED: Free、日本語Auto Subtitles、音声補正なし
  • 総費用: 0円

字幕ファイルの書き出しが有料だったサービスでは、課金せず画面上の未修正字幕を回収しました。

Nottaは今回99.87%

NottaはStrict文字精度98.63%、Content文字精度99.87%でした。固有名詞・実体7項目、数値7項目はいずれも100%です。

Strict側で差として残った代表例は、「カズ」を「カス」とした箇所や、発話音「イヤーポッズ」を画面上の正式な製品名「AirPods」とした箇所などです。

後者は文字列としては異なりますが、映像上の対象はAirPodsだったため、Content評価と実体評価では意味が保持されているものとして扱いました。

今回の短尺サンプルでは、重要な容量・価格の数字をすべて拾えた点も良好でした。

Nottaの実測レビュー記事を見る

VEEDは本文精度が高いが価格で誤認識

VEEDはStrict文字精度97.27%、Content文字精度99.10%でした。固有名詞・実体は7/7でした。

一方、数値は6/7で85.71%。元音声の「1990何ドル」を「997ドル」と認識しました。

文字単位では全体のごく一部ですが、価格の意味としては大きな違いです。そのため「本文の文字精度が99%前後だから数字も安心」とは判断できません。

VEED Freeでは今回字幕生成までは無料で行えましたが、字幕ファイルのダウンロードは有料ゲートが表示されたため、課金せず字幕パネルの表示テキストを取得しました。

TurboScribeは数値に強かった一方、省略が増えた

TurboScribeはStrict文字精度92.30%、Content文字精度95.78%でした。数値は7/7で100%でした。

今回の出力では「ほんで」など一部の語やフィラーが省略される傾向があり、「ポチポチってやると」が「ポチってやると」になるなど、他2社より原音との差が大きくなりました。

また、AirPods相当の発話「イヤーポッズ」を「イヤーポッド」と認識したため、今回の実体ターゲットでは未達としています。

ただし数値はすべて拾えており、単純に「精度が低い」と一括りにはできません。用途によって重視する指標を変える必要があります。

StrictとContentの2つを掲載する理由

日本語文字起こしでは、意味が同じでも表記だけが異なることがあります。

たとえば「256GB」と「256ギガバイト」、「36万4800円」と「364,800円」は内容として同じです。そこでContent文字精度では、事前に意味等価と定めた表記を正規化しています。

一方、発話の表面を忠実に残したい字幕制作ではStrict文字精度も重要です。動画AIベンチでは両方を併記し、一方だけで結論を出しません。

文字起こし精度の採点方法を詳しく見る

今回の結果だけで「おすすめ1位」とは決めない

今回分かったのは、この130.760秒の日本語音声ではNottaが最も高い文字精度だったということです。

長尺動画では認識の安定性が変わる可能性があります。BGMがある動画、複数人の会話、専門用語が多い動画でも結果は変わります。また今回は処理速度と最終修正時間を比較できていません。

そのため、総合おすすめ記事ではB01だけで絶対順位を決めず、操作性、料金、字幕書き出しの使いやすさも分けて評価します。追加課金を伴う長尺B02は現時点では保留し、検索需要や収益性から必要性が確認できた場合だけ再検討します。

AI文字起こしツール総合比較へ

各サービスを確認する

今回の1サンプルではNottaの精度が最も高い結果でしたが、用途・無料枠・料金は異なります。契約前に各公式ページの最新条件を確認してください。

Notta公式サイトを確認する
VEED公式サイトを確認する
TurboScribe公式サイトを確認する

公式情報

  • Notta料金・機能: https://www.notta.ai/pricing
  • TurboScribe無料文字起こし: https://turboscribe.ai/ja/u/transcribe-for-free
  • VEED Auto Subtitle Generator: https://www.veed.io/tools/auto-subtitle-generator-online
  • 公式情報確認日: 2026-09-10