AI動画AIベンチ
公開 2026.09.13 更新 2026.09.13 comparison 公式情報確認 2026-09-10

AI文字起こしツールおすすめ比較｜日本語動画向けに選ぶポイント

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文字起こしツールは、対応言語や料金表だけでは「自分の日本語動画でどこまで直さず使えるか」が分かりにくいです。動画AIベンチでは、同じ130.760秒（約2分11秒）の日本語音声をNotta Free、VEED Free、TurboScribe Freeへ入れ、未修正の初回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文字精度がNotta 99.87%、VEED 99.10%、TurboScribe 95.78%でした。したがって、今回と近い「1人話者・比較的聞き取りやすい短尺音声」で文字精度を最優先するならNottaが有力です。ただし、長尺・雑音・複数話者まで含めた絶対的な総合順位ではありません。

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


実測比較表

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 今回の特徴
Notta Free 98.63% 99.87% 100% 100% 今回は総合的に最も原音との差が少ない
VEED Free 97.27% 99.10% 100% 85.71% 本文は高精度だが価格の誤認識あり
TurboScribe Free 92.30% 95.78% 85.71% 100% 数値は全件取得、語の省略・言い換えが多め

この表は文字起こし精度の比較です。処理時間と完成までの人手修正時間は同条件では未計測のため、速度順位は付けていません。

B01の生データと採点結果を詳しく見る

今回の比較条件

元音声の00:32.670〜02:43.430を切り出した130.760秒を共通入力にしました。1人話者で、比較的聞き取りやすい日本語音声です。

  • 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
  • 入力音声は3社で同一
  • 生成後の手直しは採点前に行わない
  • 総費用: 0円

正解原稿は3社出力の一致部分を土台にし、差が大きかった5箇所だけ元音声を人が聞いて確定しています。全文を人がゼロから逐語入力した方式ではないため、その制約も公開しています。

1位を決める前に見るべき4指標

1. Strict文字精度

原音の表面形をどれだけ忠実に残したかを見る指標です。字幕をそのまま出したい場合は重要です。

2. Content文字精度

「256GB」と「256ギガバイト」のように、表記が違っても意味が同じ場合を正規化して比較します。内容確認や記事化ではこちらも重要です。

3. 固有名詞・実体

商品名やサービス名の誤りは、全文の文字精度が高くても実務では修正負担になります。B01では7項目を別採点しました。

4. 数値

金額・容量・日付などは一文字の違いでも意味が大きく変わります。今回VEEDは「1990何ドル」を「997ドル」と認識したため、本文精度とは別に数値精度を評価する意味がはっきり出ました。

CER・固有名詞・数字の採点方法を見る

Notta｜今回の短尺日本語では最も高精度

NottaはStrict文字精度98.63%、Content文字精度99.87%。固有名詞・実体7項目、数値7項目はすべて正しく拾いました。

完全無修正ではなく、「カズ」を「カス」とした箇所など差はあります。また発話音が「イヤーポッズ」に近かった箇所を、画面上の商品に合わせてAirPodsと認識したため、Strict評価とContent評価で扱いを分けています。

今回のような短尺・1人話者の日本語音声で、まず認識精度を優先したい人には最も試しやすい候補です。

Notta Freeでは今回、文字起こし結果の表示と全文コピーで未修正テキストを回収できました。一方、公式ヘルプ上のファイル書き出し条件はプランで異なるため、SRT/TXTなどの書き出しが必須なら契約前に最新条件を確認してください。

Notta公式サイトで最新プランを確認する
Nottaの実測レビューを詳しく見る

VEED｜字幕作成と動画編集を同じ画面で進めたい人向け

VEEDはStrict文字精度97.27%、Content文字精度99.10%で、本文認識は今回かなり高精度でした。固有名詞・実体も7/7です。

一方で、数値は6/7。「1990何ドル」を「997ドル」と認識しました。価格・型番・容量を含む動画では、全体の文字精度だけでなく数値チェックを残した方が安全です。

今回のFree実測では字幕生成までは進められましたが、字幕ファイルのダウンロードでは有料ゲートが表示されました。そのため比較では課金せず、画面上の未修正字幕を取得して採点しています。

VEEDは文字起こし専用というより、字幕編集や動画編集まで一つの環境で進めたい場合に候補になります。

TurboScribe｜無料の比較候補として有用だが今回は3位

TurboScribeはStrict文字精度92.30%、Content文字精度95.78%でした。今回の3社では文字精度が最も低かった一方、数値7項目はすべて正しく拾いました。

「ポチポチってやると」が「ポチってやると」になるなど、省略・言い換えがNottaやVEEDより多く見られました。AirPods相当の発話も今回の実体ターゲットでは未達扱いです。

ただし、アフィリエイト案件の有無と評価は分離しています。TurboScribeは非収益の比較候補として残し、収益先だけを上位にする設計にはしません。

用途別に選ぶなら

今回と近い日本語音声で精度を最優先

Nottaが第一候補です。今回の1サンプルでは文字・固有名詞・数値のバランスが最も良好でした。

動画編集と字幕修正を一体化したい

VEEDが候補です。ただし数字を含む動画では、今回の誤認識例を踏まえて数値確認を残すのがおすすめです。

無料で別エンジンの結果も見たい

TurboScribeは比較用として有用です。今回の音声では省略が多めだったため、そのまま公開するより原音チェック前提で考えます。

「99%精度」でも数値チェックは残す

今回の比較で重要だったのは、総合文字精度だけでは実務リスクを見落とせることです。VEEDのContent文字精度は99.10%でしたが、価格の「1990何ドル」が「997ドル」になると、視聴者に伝わる意味は大きく変わります。

動画の字幕チェックを自動化していく場合も、金額・型番・日付・固有名詞だけは重点確認する仕組みにした方が現実的です。

今回の結果の限界

今回の結果は、約2分11秒・1人話者・比較的聞き取りやすい日本語音声1本だけです。BGM、雑音、早口、複数話者、専門用語が増えると順位が変わる可能性があります。

また、処理速度と人手修正時間は3社同条件で計測していないため、「最速」「最も時短」とは評価していません。長尺B02も現時点では追加課金せず保留し、サイト立ち上げに必要な独自データとしてはB01を優先して再利用します。

まとめ

今回の条件では、Notta > VEED > TurboScribeの順にContent文字精度が高い結果でした。ただし、これは「今回の130.760秒音声における精度順」です。サービス全体の絶対順位ではありません。

日本語動画の文字起こしを選ぶときは、文字精度だけでなく、固有名詞・数値・字幕書き出し・編集工程まで含めて判断するのが安全です。

Notta公式サイトで無料プランを確認する

公式情報

  • Notta料金・機能: https://www.notta.ai/pricing
  • Notta文字起こしファイルのダウンロード: https://support.notta.ai/hc/en-us/articles/15289070397851-Download-transcription-file
  • 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
  • VEED Pricing: https://www.veed.io/pricing
  • 公式情報確認日: 2026-09-10