ChatGPT・Geminiで文字起こし｜専用アプリと比較

この記事には広告・アフィリエイトリンクが含まれています。リンク経由で商品を購入すると、当サイトに報酬が発生する場合があります。

こんにちは、道具しらべの圭です。

録音した会議やインタビューを文章にしたいとき、ChatGPTやGeminiを使えば、文字起こしから要約、議事録の作成まで続けて進められます。すでに生成AIを契約しているなら、追加費用をかけずに済むこともあります。

ただ、生成AIは専用の文字起こしアプリと同じ道具ではありません。録音方法、扱える音声の長さ、話者の見分け方、Web会議との連携には違いがあります。私が公式の機能案内と料金画面を確認した範囲でも、短い音声を一度だけ処理する場合と、毎週の会議を記録する場合では、選ぶべきサービスが変わりました。

この記事では、ChatGPTとGeminiで文字起こしする手順に加え、専用アプリを選んだほうがよい場面まで具体的に比べます。あなたの用途に必要なのが生成AIなのか、文字起こし専用サービスなのかを判断できるようになりますよ。

• ChatGPTで音声を文字にする方法
• Geminiへ音声を渡す手順と制限
• 生成AIと専用アプリの機能差
• 用途に合うサービスの選び方

最初に知りたい結論

ChatGPTとGeminiは、音声を文章に変えるだけでなく、その内容を短くまとめたり、議事録やメールへ書き換えたりできる点が便利です。一方、録音から保存まで毎回同じ流れで進めたい人には、文字起こし専用アプリのほうが扱いやすい場合があります。

単発の音声なら生成AIが便利

数分から数十分ほどの音声をたまに文章化するなら、まずChatGPTまたはGeminiを試してよいでしょう。すでに使っているサービスへ音声を渡し、「話した内容を省略せずに文字起こししてください」と頼むだけなので、新しい操作を覚える負担を抑えられます。

文字起こしが終わったあとも、同じ会話の中で「決定事項だけ抜き出す」「担当者と期限を表にする」「取引先へ送るメールに変える」と頼めます。つまり、文字を作るところで作業が止まりません。音声を仕事で使える形へ変えるまで、一つの画面で進められるわけです。

ただし、生成結果には聞き間違いや抜けが起こります。固有名詞、数字、日付、契約条件などは、必ず元の音声と照らしてください。AIが読みやすく言い換えた文章は、逐語的な記録とは別物です。

会議を続けて記録するなら専用型

毎週の会議、複数人へのインタビュー、長時間の講義などを継続して残すなら、専用サービスも候補に入れてください。録音ボタン、音声ファイルの取り込み、話者識別、再生位置と文章の連動、議事録の共有といった機能が一つの流れになっています。

生成AIでも似た作業はできますが、音声を録るアプリと保存先を別に用意し、ファイルをアップロードし、指示文を毎回入力する形になりがちです。1回なら大きな差ではなくても、週に何度も繰り返すと小さな手間が積み上がります。

そのため、判断基準は文字起こし精度だけではありません。録音開始から議事録を共有するまで、何回操作が必要になるかも見ておきたいところです。

ChatGPTで文字起こし

ChatGPTには、マイクで短く話す音声入力と、会議や音声メモを記録する録音モードがあります。名称が似ていますが、用途と利用条件は同じではありません。

音声入力で短い発言を文字にする

ChatGPTの入力欄に表示されるマイクアイコンを押すと、自分の声を録音できます。録音を止めると発言が文字へ変換され、送信前に内容を直せます。思いついた文章を口頭で入力したいときや、短いメモを残したいときに手軽な方法です。

操作は、ChatGPTを開いてマイクアイコンを選び、内容を話して録音を終えるだけ。表示された文章を確認し、固有名詞や数字を修正してから送信します。そのあと「箇条書きにしてください」「読みやすい報告文にしてください」と続ければ、用途に合う文章へ変換できます。

ただし、この音声入力は会議全体を記録するための機能というより、音声でプロンプトを入力する仕組みに近いものです。複数人が話す長い会議や、発言者ごとの記録には向きません。

録音モードで会議を残す

ChatGPTの録音モードでは、会議、打ち合わせ、音声メモを録音し、文字起こしと要約を作れます。2026年8月に公式案内を確認した時点では、Plus、Pro、Business、Enterprise、Eduの対象ワークスペースで提供され、macOSデスクトップアプリから利用する仕組みです。

使い方は、対象のチャットで録音ボタンを押し、必要に応じてマイクやシステム音声の利用を許可します。会話が終わったら停止して送信すると、文字起こしとメモが作成されます。そのメモをもとに、予定表、メール、企画案などへ書き換えることも可能です。

公式案内では、1回の録音は最大4時間とされています。また、複数の話者を区別し、名前が分からない場合には「話者1」のような表示を付けられます。ただし、日本語を含む英語以外の音声は品質にばらつきがあると案内されているため、重要部分の確認は欠かせません。

提供プラン、時間制限、対応環境は変更される可能性があります。利用前にはOpenAI公式「ChatGPT録音モード」で最新情報を確認してください。

録音済みファイルは確認が必要

ChatGPTの通常のファイル添付は、文書、表計算、PDF、テキストなどが中心です。手元にあるMP3やM4Aを、どのアカウントでも通常のチャットへ添付できるとは限りません。利用中のプラン、アプリ、選択した機能によって表示される添付方法が変わることがあります。

音声ファイルの追加項目が画面に出ない場合、無理に拡張子を変えてアップロードするのは避けましょう。録音モードを利用するか、専用アプリで先に文字へ変換してから、その文章をChatGPTへ渡す方法が確実です。

すでに別のサービスで文字起こしした文章があるなら、ChatGPTには音声ではなくテキストを渡せます。この使い分けなら、専用アプリが録音と文字化を担当し、ChatGPTが議事録や報告書を作るという役割分担ができます。

ChatGPT向けの指示文

文字起こしを頼むときは、最初に目的を明確にします。単に「文字起こしして」と書くより、話し言葉をどこまで残すか、話者を分けるか、聞き取れない部分をどう示すかまで指定したほうが、確認しやすい文章になります。

議事録まで作りたい場合は、文字起こしの確認後に別の指示を出します。「確定した内容」「保留事項」「担当者」「期限」の四つに分けると、会議後に使いやすくなります。要約と原文を同時に頼む場合も、出力欄を分けるよう指定してください。

大切なのは、AIに聞こえなかった部分を推測させないことです。もっともらしい補完は、文章として自然でも事実とは限りません。空欄が残るほうが、あとで音声を確認しやすいですよ。

Geminiで文字起こし

Geminiは、手元の音声ファイルをチャットへ追加し、その内容について質問できます。Googleのサービスを普段から利用している人には入りやすい方法ですが、無料利用と有料プランでは扱える音声時間が異なります。

音声ファイルを追加する手順

パソコンでGeminiを開き、入力欄の「ファイルを追加」から「ファイルをアップロード」を選びます。録音した音声を選択したら、文字起こしの条件を書いて送信してください。処理が終わると、同じチャット内で要約や質問を続けられます。

例えば、「発言をできるだけ省略せず文章にする」「話題が変わった場所に小見出しを付ける」「最後に決定事項だけ抜き出す」と頼めます。Googleドキュメントへ貼り付ける予定なら、見出しと箇条書きが崩れにくい形で出してもらうと後工程が楽です。

一方、音声が不鮮明だったり複数人が同時に話したりすると、発言の抜けや話者の取り違えが起こる可能性があります。生成された文章は完成品ではなく、音声を確認するための下書きとして扱うのが安全です。

音声時間と容量の上限

2026年8月にGoogle公式ヘルプを確認した時点では、Geminiへ追加できる音声の合計時間は通常10分までです。Google AI ProまたはGoogle AI Ultraへ変更すると、合計3時間まで扱えると案内されています。音声を含む一般的な対応ファイルは、1ファイル100MBまでが目安です。

同じ指示で追加できるファイルは最大10個ですが、利用状況によって制限される場合があります。また、ZIPファイルへ音声を入れてアップロードする方法は対応していません。長い録音を複数に分ける場合も、合計時間とファイル数の両方を確認しましょう。

最新の条件はGoogle公式「Geminiでファイルをアップロードして分析する」に掲載されています。プラン名や上限は改定されることがあるため、契約前に公式画面を見るのが確実です。

Gemini向けの指示文

Geminiでも、原文に近い記録と要約を分ける指示が役立ちます。文字起こしの段階で短くまとめるよう頼むと、誰が何を言ったのか確認できないことがあります。まず原文に近い文章を作り、そのあと必要な成果物へ変える順番がおすすめです。

インタビューの場合は、質問と回答を分けるよう加えます。講義なら、専門用語を勝手に一般語へ置き換えないよう指定するとよいでしょう。あとから検索したい場合は、5分単位などで時刻を残すよう頼む方法もあります。

ただし、AIが付ける時刻表示が元音声と正確に一致するとは限りません。厳密な時刻管理が必要なら、文章と再生位置が連動する専用サービスのほうが確認しやすいです。

専用アプリとの違い

生成AIと文字起こし専用アプリは、どちらが上という関係ではありません。作業のどこを任せたいかによって、便利さが変わります。ここでは、実際に選ぶときに差が出やすい項目を比べます。

録音から始められるか

文字起こし専用アプリは、スマートフォンやパソコンで録音を始め、そのまま文章を作る流れが中心です。音声レコーダーと文字起こし画面を行き来せずに済み、録音データと文章も同じ場所で管理できます。

ChatGPTには音声入力と対象環境向けの録音モードがありますが、利用プランや端末に条件があります。Geminiは、すでに録音したファイルを追加する使い方が分かりやすいでしょう。スマートフォンの録音アプリで会議を録り、あとからGeminiへ渡す形です。

会議の開始時刻に合わせて自動で録音したい場合、Zoom、Google Meet、Microsoft Teamsなどへ参加できる専用サービスが候補になります。録音ボタンの押し忘れが減ることは、精度の差以上に実務へ影響するかもしれません。

話者と再生位置を確認できるか

複数人の会議では、文字が合っているだけでなく、誰の発言か分かることが大切です。専用アプリには、声の違いから話者を分け、あとで名前を付け直せる製品があります。文章をクリックすると該当する音声位置から再生できる機能も便利です。

ChatGPTの録音モードにも複数話者を区別する機能があります。ただし、話者名が自動で正しく付くとは限りません。Geminiへ音声ファイルを渡した場合も、人数、声質、録音環境によって区別の結果は変わります。

議事録で「誰が承認したか」が重要なら、話者表示をそのまま信用せず、元音声を再生して確かめてください。声が似た人、遠くに座った人、オンライン参加者が混ざる会議では特に注意が必要です。

会議との連携に差がある

専用の文字起こしサービスには、予定表と連携し、登録したWeb会議へ自動で参加する製品があります。会議の録音、文字化、要約、共有までを定型化できるため、議事録担当者の負担を減らしやすい仕組みです。

生成AIの場合、録音またはファイル追加を自分で始める場面が多くなります。要約の自由度は高い一方、毎回同じ形式の議事録を作るには、指示文を保存して使い回す工夫が必要です。

月に何度も会議があるなら、文字起こし専用SaaSの無料プランを試す
と操作回数を比較できます。録音から共有まで実際に一巡させると、料金表だけでは分からない差が見えてきます。

※Nottaの有料プラン（プレミアム・ビジネス）は、パソコンのWeb版からの申し込みが対象です。スマートフォンのアプリやブラウザから手続きすると対象外になる場合があるため、申し込みはパソコンから行ってください。

要約後の加工は生成AIが便利

生成AIが活躍するのは、文字起こしのあとです。同じ内容から、経営者向けの短い報告、担当者向けの作業一覧、顧客向けの案内メールなどを作り分けられます。質問を重ねながら表現を変えられるため、文章を別の用途へ展開しやすいでしょう。

専用アプリにもAI要約機能はありますが、出力形式があらかじめ決まっている製品もあります。毎回同じ会議メモを作るなら定型形式が便利です。一方、案件に合わせて文章の形を変えたいなら、ChatGPTやGeminiへ文字起こし文を渡す方法が合います。

そこで、専用アプリと生成AIを二者択一にする必要はありません。録音と文字化は専用アプリ、文章の作り替えは生成AIという組み合わせも現実的です。

用途別の選び方

選択を間違えにくくするには、利用時間より先に、音声の種類と完成させたい文章を決めます。ここでは代表的な利用場面ごとに、合いやすい方法を見ていきます。

自分の音声メモを文章にする

一人で話した短い音声メモなら、ChatGPTの音声入力が手軽です。マイクへ話し、変換された文章を確認してから、「タスクに分ける」「企画書の下書きにする」と頼めます。通勤中に浮かんだ案を残すような場面にも使いやすいでしょう。

録音済みのファイルを使いたいならGeminiも候補です。無料利用では音声時間の上限に注意しつつ、短いメモを数本まとめて扱えます。ただし、複数ファイルを渡すときは、ファイル名と日付を付けておくと混同を防げます。

この用途では、話者識別や会議への自動参加は不要です。追加のサービスを契約する前に、普段使っている生成AIで足りるか試してみてください。

社内会議を毎週記録する

毎週の社内会議では、文字起こし精度に加え、録音忘れ、参加者への共有、過去の記録検索まで考える必要があります。専用サービスは、この一連の仕事を同じ画面で進めたい人に向いています。

例えばNottaの公式料金画面では、無料プランにも文字起こし、ファイル取り込み、AI要約、話者識別が用意されています。ただし、無料枠には月間時間や1回あたりの制限があります。料金と利用枠は改定されるため、申込画面で最新条件を確認してください。

比較を始めるなら、Nottaの無料登録で会議を1回試す
という方法があります。実際の広告リンクはここでは設置していませんが、無料枠で自社のマイク環境や話し方との相性を確認してから、有料プランを判断できます。

そのうえで、完成した文字起こしをChatGPTやGeminiへ渡し、部署ごとの作業一覧を作る使い方も可能です。専用サービスだけ、生成AIだけと決めつけないほうが、仕事に合わせやすいかなと思います。

取材やインタビューに使う

取材では、読みやすい要約より、発言を正確に残すことが優先されます。話者の区別、時刻表示、元音声への移動ができる専用アプリを使うと、引用箇所の確認がしやすくなります。

生成AIへ頼む場合は、「言い直しを消さない」「意味を補わない」「聞き取れない箇所を示す」と明記してください。記事用の文章へ整える作業は、原文を確定したあとに別のチャットで行うと混ざりにくくなります。

取材相手の言葉を掲載するときは、AIが作った自然な文章を本人の発言としてそのまま使わないでください。引用部分は必ず音源まで戻って確認し、必要に応じて本人へ掲載内容を確認します。

講義や長時間音声を扱う

講義、研修、セミナーなどの長時間音声では、上限時間とファイル容量が選択の中心になります。Geminiの有料プランでは合計3時間までの音声に対応すると案内されていますが、長時間の内容を漏れなく確認する作業は別に必要です。

専用サービスでは月間の文字起こし時間が設定されていることが多く、継続利用の費用を見積もりやすくなっています。週1回90分の講義なら、月におよそ360分以上を使う計算です。一般的な目安として、予備時間も含めて必要枠を考えてください。

試用するときは、長時間ファイル対応の文字起こしプランを比較する
のがおすすめです。月額料金だけでなく、1回の上限、ファイル取り込み回数、書き出し形式も確認しましょう。

精度を上げる準備

文字起こしの出来は、使うAIだけで決まりません。録音時の環境と確認方法を変えるほうが、大きな改善につながることもあります。

録音環境を先に整える

マイクを発言者から遠ざけないことが基本です。会議室の中央にスマートフォンを1台置くと、近くの人だけ大きく録れ、遠くの人は聞き取りにくくなります。可能なら外付けマイクを使うか、オンライン参加者の音声を端末から直接録ります。

空調音、キーボード音、机をたたく音も誤変換の原因です。静かな部屋を選び、参加者には一人ずつ話してもらいましょう。話し始めに名前を言う運用も、あとで話者を確認するときに役立ちます。

録音前には30秒ほど試し録りし、音量とノイズを確認してください。会議が終わってから音声不良に気付いても、発言を再現することはできません。地味ですが効果の大きい準備です。

固有名詞を先に伝える

会社名、商品名、人名、業界用語は誤変換されやすい言葉です。文字起こしを始める前に、正しい表記の一覧を指示文へ入れておくと確認しやすくなります。

例えば「登場する用語は、道具しらべ、ChatGPT、Gemini、Nottaです」と添えます。ただし、一覧にある言葉へ無理に置き換えないよう、「音声と一致する場合だけ使用してください」と付け加えると安心です。

数字についても同様です。売上額、日付、型番などが重要なら、要約だけで済ませず、該当時刻の音声を聞き直してください。1桁の違いでも、仕事では大きな問題になります。

原文と要約を分けて確認する

文字起こし全文と要約は、目的が異なります。全文は発言をたどるための記録であり、要約は短時間で内容をつかむための文章です。両方を一度に直そうとすると、元の発言とAIの言い換えが分からなくなります。

まず文字起こしを読み、聞き取れない箇所、数字、名前を修正します。次に、確定した文章をもとに要約を作成してください。この順番なら、誤変換を含んだまま議事録が作られる可能性を減らせます。

利用前に確認したい注意点

会議音声には、社外秘の情報や個人情報が含まれることがあります。便利さだけでサービスを決めず、録音の同意、保存先、学習利用の設定まで確認しましょう。

録音前に参加者へ伝える

他人の会話を録音するときは、録音する目的、利用範囲、保存期間を参加者へ伝え、必要な同意を得てください。オンライン会議の場合も同じです。取引先との会話を無断で外部サービスへ送ると、社内規程や契約に反する可能性があります。

法律や社内ルールは、地域、業種、契約内容によって異なります。この記事だけで判断せず、自社の情報管理担当者や必要に応じて専門家へ確認してください。

録音開始時に「議事録作成のため録音し、文字起こし後は社内で共有します」と説明すると、参加者も目的を理解しやすくなります。誰がデータを見られるのかも合わせて伝えましょう。

機密情報の保存先を確認する

サービスを契約する前に、音声、文字起こし、要約がどこへ保存され、削除後にいつ消えるのかを確認します。個人向けと法人向けでは、入力データをサービス改善に使う設定が異なることもあります。

ChatGPTの録音モードでは、音声ファイルは文字起こし後に自動削除されると案内されています。一方、文字起こしと作成されたメモにはチャットの保持設定が適用されます。Geminiについても、利用アカウントの種類とアクティビティ設定を確認してください。

顧客情報、未公開の業績、医療情報などを含む場合、個人判断でアップロードしないことが大切です。会社が承認したサービスとアカウントを使い、共有範囲を必要最小限にします。

料金は総作業時間で考える

費用を比べるときは、月額料金だけでなく、人が確認する時間も含めます。無料の生成AIで文字起こしできても、ファイルの分割や話者名の修正に毎回30分かかるなら、継続利用では負担になります。

反対に、月1回の短い音声のために専用サービスを契約すると、使わない時間枠が残るかもしれません。利用本数、1本の長さ、参加人数、完成後の用途を書き出し、1カ月単位で比べると判断しやすくなります。

有料プランへ進む前に、同じ音声の一部を各サービスで試してください。文字の正しさだけでなく、修正のしやすさ、書き出し方法、共有操作まで確認するのがポイントです。

迷わない選択基準

ここまでの違いを踏まえ、最後に選択を簡単にします。必要な機能を増やしすぎず、普段の作業に合うものから試してください。

ChatGPTが合う人

ChatGPTが合うのは、短い音声入力を文章へ変えたい人や、文字起こし後にさまざまな文書を作りたい人です。対象プランとmacOS環境があり、会議の録音から要約までChatGPT内で進めたい人には録音モードも候補になります。

一方、録音済みの音声ファイルを通常のチャットへ追加したい場合は、利用中の画面で対応状況を確認する必要があります。会議への自動参加や複数サービスをまたぐ録音管理が必要なら、専用アプリと比べてください。

Geminiが合う人

Geminiが合うのは、録音済みの音声をアップロードし、その内容について続けて質問したい人です。Googleのサービスを日常的に使い、短い音声から要約や文書を作りたい場合に試しやすいでしょう。

無料利用では音声が合計10分までという目安があるため、長い会議には向かない場合があります。有料プランなら上限が増えますが、毎月の会議管理や自動録音まで必要なら専用サービスとの比較が欠かせません。

専用アプリが合う人

専用アプリが合うのは、会議や取材を定期的に録音する人、話者と再生位置を確認したい人、Web会議から議事録共有まで同じ流れで進めたい人です。複数人で記録を管理する会社にも向いています。

ただし、無料プランは1回の文字起こし時間や月間利用枠が限られることがあります。有料契約を決める前に、普段と同じ長さ、人数、録音環境で試しましょう。

文字起こしのよくある質問

ChatGPTやGeminiを初めて文字起こしに使うときに、確認しておきたい疑問へ回答します。

文字起こしに関するよくある質問（FAQ）

Q1. ChatGPTへ音声ファイルを添付できますか？

A. 通常のファイル添付は文書や表計算などが中心で、音声ファイルの利用可否はプラン、アプリ、利用できる機能によって変わる場合があります。会議を録るなら対象環境の録音モード、短い発言ならマイクによる音声入力を確認してください。入力欄に音声ファイルの追加項目がない場合は、専用アプリで先に文字へ変換する方法が確実です。

Q2. Geminiは無料で長時間の文字起こしができますか？

A. 2026年8月に公式案内を確認した時点では、通常利用で追加できる音声は合計10分までです。Google AI ProまたはGoogle AI Ultraでは合計3時間までとされています。上限やプラン内容は変わる可能性があるため、利用直前にGoogle公式ヘルプを確認してください。

Q3. 複数人の会議で話者を見分けられますか？

A. ChatGPTの録音モードや話者識別に対応した専用サービスでは、複数話者を分けられます。ただし、同時に話した場合や声が似ている場合は取り違える可能性があります。誰の発言かが重要な箇所は、必ず元音声を再生して確認してください。

Q4. 文字起こしの内容はそのまま議事録に使えますか？

A. そのまま使うのはおすすめしません。名前、数字、日付、決定事項を元音声と照らし、誤変換を直してから議事録へまとめてください。AIの要約では保留中の話が決定事項のように書かれることもあるため、人による確認が必要です。

Q5. 結局どのサービスから試せばよいですか？

A. 10分以内の単発音声なら、普段使っているChatGPTまたはGeminiから試してください。毎週の会議、長時間の取材、話者別の確認が必要なら、専用アプリの無料プランも同じ音声で比べます。録音から共有までの操作回数と、修正にかかった時間を比べると選びやすくなります。

自分の使い方から選ぼう

ChatGPTやGeminiは、文字起こしのあとに要約、議事録、メール、作業一覧まで作れる便利な選択肢です。短い音声を単発で処理するなら、すでに使っている生成AIから始めれば十分なことも多いでしょう。

一方、長時間の録音、定期的な会議、話者ごとの確認、Web会議との連携が必要なら、専用の文字起こしサービスを比べる価値があります。毎回の録音と共有を仕組みにできれば、月額料金以上に作業時間を減らせる可能性があります。

単発なら生成AI、継続する会議記録なら専用SaaSも比較する。これが私の選び方です。まず同じ音声を一つずつ試し、文章の正しさだけでなく、確認と共有まで含めてあなたが扱いやすい方法を選んでください。