← ブログ一覧へ

文字起こしツール10種の調査と実測|料金・データの扱い・API【2026年】

公開: 2026/11/15 / By 佐藤 駿介
読了時間: 約14分
約6,801文字

結論(要点)

文字起こしの専用ツール5種(Notta・Rimo・tl;dv・Otter・Otolio)、会議ツールの機能3種(Google Meet・Zoom・Teams)、APIで作る場合2種(OpenAI・Gemini)を2026年11月15日に公式情報で調査。学習に使わないと明記しているのは6種、Otter は学習に使うと記載。国内保存を明記しているのは Notta・Rimo・Otolio。API の2種は5分26秒の同じ音声で当社が測り、文字誤り率は2.8〜6.8%、要点25項目のうち22〜25項目を聞き取れました。専用ツールは実際には試していません。

既製で合わない部分だけ作った実例中小企業(会議と小さな打ち合わせの記録)|月額2万円(税別)+AIの利用料見る

10

種を掲載

無料〜月6,600円/APIは1分$0.0045〜

料金の幅

2026年11月15日

公式サイトで確認した日

点数や星の評価は付けていません。公式サイトで確認できる事実だけで比べ、「こういう会社にはこれ」という形で整理しています。並び順は、文字起こしの専用ツール、会議ツールに付いている機能、APIで作る場合の順で、それぞれ料金を公開しているものを前に置いています。掲載料で変えていません。

公式情報で整理 この比較の確認方法

確認者
合同会社SAi(システム開発会社)
確認日
2026年11月15日
確認した先
10種の公式ページ
方法
公式サイトの記載を同じ項目で整理。実際に契約して測ってはいません
未掲載
公式ページを確認できず載せなかったもの:YOMEL(公式ページの本文を取得できず、料金を公式で直接確認できなかった)

評価方針と利害関係を読む / 誤りを連絡する

10種の早見

横にスクロールできます →

01

Notta

年払いで月1,185円から。保存はAWS東京、認証2つを公式に明記

フリー0円/プレミアム 年払い月1,185円(税込)

○ 料金を公開△ 無料で試せる△ 学習に使わないと明記○ 国内保存を明記○ 認証を明記
詳しく見る ↓
02

Rimo

Rimo合同会社

全プランで学習に使わない方針を公式に明記。保存は日本国内

文字起こしプラン 月1,650円/プロ 月4,950円/チーム 月6,600円(税込)

○ 料金を公開△ 無料で試せる○ 学習に使わないと明記○ 国内保存を明記○ 認証を明記
詳しく見る ↓
03

tl;dv

期限のない無料プランあり。学習に使わないと明記、保存は欧州

Free €0/Pro 月€29(年払い€216)/Business 月€39(年払い€348)

○ 料金を公開○ 無料で試せる○ 学習に使わないと明記× 国内保存を明記○ 認証を明記
詳しく見る ↓
04

Otter

Otter.ai, Inc.

無料で月300分。学習に使うと公式に書いている点は先に確認

Basic 無料/Pro 月$16.99(年払い月$8.33)/Business 月$30(年払い月$19.99)

○ 料金を公開○ 無料で試せる× 学習に使わないと明記× 国内保存を明記○ 認証を明記
詳しく見る ↓
05

Otolio(旧スマート書記)

エピックベース

人数無制限の見積もり型。14日間の無料トライアルあり

要問い合わせ(初期費用+AIクレジット)

× 料金を公開○ 無料で試せる△ 学習に使わないと明記○ 国内保存を明記○ 認証を明記
詳しく見る ↓
06

Google Meet(Google Workspace)

Google

Workspace を Standard 以上で契約していれば追加なしで使える

Business Standard 月1,600円/Plus 月2,500円(1ユーザー・税抜)

○ 料金を公開× 無料で試せる○ 学習に使わないと明記− 国内保存を明記− 認証を明記
詳しく見る ↓
07

Zoom

Zoom

有料プランなら会議の要約とクラウド文字起こしが含まれる

Pro 月$16.99(年前払い月$14.16)/Business 月$21.99(年前払い月$18.33)

○ 料金を公開△ 無料で試せる○ 学習に使わないと明記− 国内保存を明記− 認証を明記
詳しく見る ↓
08

Microsoft Teams と Copilot

Microsoft

Teams の文字起こしに、要約などの Copilot を追加で契約する形

Copilot Business 月3,778円(年払いは月3,148円相当・税抜・追加契約)

△ 料金を公開− 無料で試せる○ 学習に使わないと明記× 国内保存を明記○ 認証を明記
詳しく見る ↓
09

OpenAI 音声認識API

OpenAI

1分0.0045ドル。画面や保存は自分で作る。当社で実測済み

1分 $0.0045(gpt-transcribe)

○ 料金を公開− 無料で試せる○ 学習に使わないと明記− 国内保存を明記− 認証を明記
詳しく見る ↓
10

Gemini API(音声入力)

Google

話者の区切りまで1回で出せる。無料枠はデータが製品改善に使われる

音声入力 100万トークン $0.30〜$1.00(1分=1,920トークン)

○ 料金を公開○ 無料で試せる△ 学習に使わないと明記− 国内保存を明記− 認証を明記
詳しく見る ↓

条件別:こういう会社はこれ

当てはまる条件から選んでください。理由は公式サイトの記載にある内容です。

社外に出せない会議が多く、学習に使わないことと国内保存を条件にしたい

Rimo文字起こしプラン 月1,650円/プロ 月4,950円/チーム 月6,600円(税込)

全プランで学習に使わない方針と、日本国内での保管、ISO27001・ISO27017を公式に書いている

向かない文字起こしプランの上限と1本あたりの長さは公式で確認できなかった

まず無料で、Web会議の録画と文字起こしを試したい

tl;dvFree €0/Pro 月€29(年払い€216)/Business 月€39(年払い€348)

期限のない無料プランがあり、録画は回数無制限。学習に使わないと明記

向かない保存は欧州、料金はユーロ建て

すでに Google Workspace を Standard 以上で使っている

Google Meet(Google Workspace)Business Standard 月1,600円/Plus 月2,500円(1ユーザー・税抜)

追加の契約なしで Meet の文字起こしと Gemini のメモが使える

向かないStarter は対象外。Meet 以外の会議には使えない

会議のほとんどが Zoom で、有料プランを契約している

ZoomPro 月$16.99(年前払い月$14.16)/Business 月$21.99(年前払い月$18.33)

Pro 以上なら会議の要約とクラウド文字起こしが含まれる

向かない日本語対応の明記は公式ページで確認できなかった

録音の量が多く、結果を自社のシステムに入れたい

OpenAI 音声認識API1分 $0.0045(gpt-transcribe)

1分0.0045ドルで、APIのデータは既定で学習に使われない。当社の測定で要点25項目中23〜24項目を聞き取れた

向かない画面・保存・話者の聞き分けは自分で作る

録音から議事録と次の行動までを、自社の様式で残したい

APIを使って自社の様式で作る(当社の実例・月2万円〜)

ボイスメモの音声から議事録を作り、案件ごとに整理する仕組みを運用している。既製のツールの項目に収まらない様式に合わせられる

向かないすぐ今日から使いたい場合や、Web会議の録画だけで足りる場合

料金と条件の一覧

○=公式に明記あり △=条件つき・一部 ×=なし/要問い合わせ −=公式に記載なし

種類
AIの学習
保存先

横にスクロールできます →(種名の列は固定)

種 料金を公開無料で試せる学習に使わないと明記国内保存を明記認証を明記 公式
Notta
フリー0円/プレミアム 年払い月1,185円(税込)
○△△○○ 公式 ↗
Rimo
Rimo合同会社
文字起こしプラン 月1,650円/プロ 月4,950円/チーム 月6,600円(税込)
○△○○○ 公式 ↗
tl;dv
Free €0/Pro 月€29(年払い€216)/Business 月€39(年払い€348)
○○○×○ 公式 ↗
Otter
Otter.ai, Inc.
Basic 無料/Pro 月$16.99(年払い月$8.33)/Business 月$30(年払い月$19.99)
○○××○ 公式 ↗
Otolio(旧スマート書記)
エピックベース
要問い合わせ(初期費用+AIクレジット)
×○△○○ 公式 ↗
Google Meet(Google Workspace)
Google
Business Standard 月1,600円/Plus 月2,500円(1ユーザー・税抜)
○×○−− 公式 ↗
Zoom
Zoom
Pro 月$16.99(年前払い月$14.16)/Business 月$21.99(年前払い月$18.33)
○△○−− 公式 ↗
Microsoft Teams と Copilot
Microsoft
Copilot Business 月3,778円(年払いは月3,148円相当・税抜・追加契約)
△−○×○ 公式 ↗
OpenAI 音声認識API
OpenAI
1分 $0.0045(gpt-transcribe)
○−○−− 公式 ↗
Gemini API(音声入力)
Google
音声入力 100万トークン $0.30〜$1.00(1分=1,920トークン)
○○△−− 公式 ↗

種ごとの要点

01

Notta

年払いで月1,185円から。保存はAWS東京、認証2つを公式に明記

フリー0円/プレミアム 年払い月1,185円(税込)

向いている会社

  • 月30時間まで(プレミアム・1,800分)を1人で使う
  • 保存先が国内で、認証を公式に確認できるものがよい
  • Zoom・Meet・Teams の会議に参加させて録りたい

気になる点

  • フリーは1回3分まで。会議の録音を試すには短い
  • 音声認識の学習にデータを提供しないのはビジネスPlus以上と記載。下位プランの扱いは確認できなかった
  • 月払いの金額は料金ページの本文で確認できなかった
料金の単位
1アカウント。プレミアムは年14,220円(税込)の一括払い
上限
フリー 月120分・1回3分/プレミアム 月1,800分・1回5時間/ビジネス 無制限・1回5時間
学習
「生成AI機能で処理されるお客様のデータは、第三者の基盤モデルの学習には使用されません」。音声認識の学習に提供しないのはビジネスPlus・エンタープライズ
保存・認証
AWS東京リージョン/ISO27001・SOC2 Type2
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

02

Rimo(Rimo合同会社)

全プランで学習に使わない方針を公式に明記。保存は日本国内

文字起こしプラン 月1,650円/プロ 月4,950円/チーム 月6,600円(税込)

向いている会社

  • 社外に出せない会議が多く、学習に使わないことと国内保存を条件にしたい
  • 単語の登録(辞書)を使いたい
  • Zoom・Meet・Teams・Webex に参加させて録りたい

気になる点

  • 文字起こしプランの上限、1本あたりの長さは公式で確認できなかった
  • 無料のお試しはあるが、日数と上限は記載なし
  • 法人プラン(11アカウントから)は見積もり
料金の単位
プロは個人向け、チームはアカウント単位。法人は11アカウントから見積もり
学習
利用規約6.3「お客様の書面による事前の同意のない限り、データ等をAIモデルの学習に利用することはいたしません」。2025年10月1日から全プランで学習に使わない方針と公式ヘルプに記載
保存・認証
日本国内で保管/ISO27001・ISO27017
名称
製品ページに Rimo Voice から Rimo への名称変更の記載あり
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

03

tl;dv

期限のない無料プランあり。学習に使わないと明記、保存は欧州

Free €0/Pro 月€29(年払い€216)/Business 月€39(年払い€348)

向いている会社

  • まず無料で、Web会議の録画と文字起こしを試したい
  • ユーロ建ての請求で問題ない
  • Zoom・Google Meet・Teams を使っている

気になる点

  • 料金はユーロ表記のみで、日本円の価格と税の扱いは記載なし
  • データセンターは欧州。国内保存を条件にする会社には合わない
  • 運営会社名とプライバシーポリシーの本文は確認できなかった(該当ページが開けなかった)
料金の単位
1ユーザー
無料の範囲
録画は回数無制限、AIメモは10回分(日本語ページの記載)
学習
「No customer data is used to train the AI.」
保存・認証
「All our data centers are located in Europe.」/SOC 2 に準拠と記載
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

04

Otter(Otter.ai, Inc.)

無料で月300分。学習に使うと公式に書いている点は先に確認

Basic 無料/Pro 月$16.99(年払い月$8.33)/Business 月$30(年払い月$19.99)

向いている会社

  • 英語の会議が多い
  • 無料の範囲(月300分・1回30分)で足りる
  • 学習への利用と米国での保存を社内で許容できる

気になる点

  • 匿名化したデータを自社モデルの学習に使うと公式に記載。使わない設定の記載は確認できなかった
  • 保存は米国拠点のAWS。日本円の価格は記載なし
  • 日本語は料金ページに対応言語として記載があるが、当社では試していない
上限
Basic 月300分・1回30分/Pro 月1,200分・1回90分/Business 無制限・1回4時間
学習
「Otter uses a proprietary method to de-identify user data before training our models」
保存・認証
AWS S3(米国拠点)/SOC 2 Type 2
削除
削除した会話は30日後に自動削除と記載
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

05

Otolio(旧スマート書記)(エピックベース)

人数無制限の見積もり型。14日間の無料トライアルあり

要問い合わせ(初期費用+AIクレジット)

向いている会社

  • 利用する人数が多く、アカウント数で料金が変わらない形がよい
  • 国内のデータセンターでの保存と ISMS を条件にしたい
  • 14日間、機能の制限なしで試してから決めたい

気になる点

  • 金額は公式に出ていない。月の利用量を契約時に決める方式
  • 学習については「許可なく機械学習は行っていない」という趣旨の記載を確認したが、原文の一文までは取得できなかった
  • 1本あたりの上限、対応言語、話者の聞き分けは確認できなかった
料金の単位
組織(人数無制限)
無料トライアル
14日間・機能制限なし・自動課金なし(法人・団体向け)
保存・認証
東京リージョンを基本とする国内データセンター/ISMS(ISO/IEC 27001・2020年4月13日取得)
名称
トップページに、スマート書記から Otolio への名称変更の告知
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

06

Google Meet(Google Workspace)(Google)

Workspace を Standard 以上で契約していれば追加なしで使える

Business Standard 月1,600円/Plus 月2,500円(1ユーザー・税抜)

向いている会社

  • すでに Google Workspace を使っていて、会議は Google Meet
  • 議事メモが Google ドキュメントで残ればよい
  • 文字起こしのためだけに別の契約を増やしたくない

気になる点

  • Business Starter(月800円)は、Meet の文字起こし・Gemini のメモの対象外と表示
  • Meet 以外の会議や、録音ファイルのアップロードには使えない
  • 話者の聞き分け、保存場所、認証は今回のページでは確認できなかった
料金の単位
1ユーザー。Workspace 全体の料金で、文字起こしだけの価格ではない
保存
主催者の Google ドライブの Meet フォルダに Google ドキュメントで保存
学習
「Workspace does not use customer data for training models without customer's prior permission or instruction.」
注意
料金ページに 2026年11月29日〜2027年2月28日の割引価格の表示あり
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

07

Zoom(Zoom)

有料プランなら会議の要約とクラウド文字起こしが含まれる

Pro 月$16.99(年前払い月$14.16)/Business 月$21.99(年前払い月$18.33)

向いている会社

  • 会議のほとんどが Zoom
  • Zoom を有料プランで契約済み、またはこれから契約する
  • 会議の要約があれば足りる

気になる点

  • 無料の Basic は要約が月3回までで、クラウドの文字起こしは含まれない
  • 日本語に対応しているかは、今回開いた公式ページに明記がなかった
  • 保存期間・保存場所・認証は確認できなかった。円建ての価格も記載なし
料金の単位
1ユーザー
学習
顧客の音声・映像・チャットなどを、自社や第三者のAIモデルの学習に使わないと記載(「Zoom does not use any customer audio, video, chat, screen sharing, attachments, or other communications-like content」)
名称
AI Companion から ZoomMate へ表記が移っている
支払い
クレジットカード、PayPal、銀行振込など(地域による)
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

08

Microsoft Teams と Copilot(Microsoft)

Teams の文字起こしに、要約などの Copilot を追加で契約する形

Copilot Business 月3,778円(年払いは月3,148円相当・税抜・追加契約)

向いている会社

  • 会議が Teams で、Microsoft 365 を全社で使っている
  • 要約や質問への回答まで Teams の中で済ませたい
  • 認証やデータの所在地の説明が公式にそろっているものがよい

気になる点

  • 文字起こしそのものに必要なライセンスは、今回の公式ページでは確認できなかった
  • Copilot は Microsoft 365 とは別の追加料金。Teams 本体の価格は取得できなかった
  • EU以外の利用では、データが米国・EUなど複数の地域で処理される場合があると記載
料金の単位
1ユーザー。2026年7月1日〜12月31日は既存顧客向けの割引価格の表示あり
保存
文字起こしは録画と一緒に OneDrive/SharePoint に保存
学習
「プロンプト、応答、データは…基礎 LLM のトレーニングには使用されません」
認証
ISO 27001・ISO 27018・ISO 42001 ほか
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

09

OpenAI 音声認識API(OpenAI)

1分0.0045ドル。画面や保存は自分で作る。当社で実測済み

1分 $0.0045(gpt-transcribe)

向いている会社

  • 録音の量が多く、1分あたりの費用を下げたい
  • 文字起こしの結果を自社のシステムや様式に入れたい
  • 開発できる人がいる、または開発会社に頼める

気になる点

  • 画面・保存・共有・話者の聞き分けは含まれない。自分で作る必要がある
  • ファイルは1本25MBまで。長い会議は分割が要る
  • whisper-1 と gpt-4o-transcribe は 2027年2月26日に終了予定と公式に記載
料金
gpt-transcribe $0.0045/分、gpt-4o-mini-transcribe $0.003/分(目安)、whisper-1・gpt-4o-transcribe $0.006/分(目安)
学習
「data sent to the OpenAI API is not used to train or improve OpenAI models」(共有を選んだ場合を除く)
当社の実測
5分26秒の音声で文字誤り率4.7〜5.4%、要点25項目中23〜24項目を聞き取り(gpt-transcribe)。本文「当社で測った部分」を参照
対応形式
mp3・mp4・m4a・wav・webm ほか
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

10

Gemini API(音声入力)(Google)

話者の区切りまで1回で出せる。無料枠はデータが製品改善に使われる

音声入力 100万トークン $0.30〜$1.00(1分=1,920トークン)

向いている会社

  • 文字起こしと話者の区切り、要約を1回の処理で出したい
  • 長い録音(公式の記載で最大9.5時間)をまとめて処理したい
  • 開発できる人がいる、または開発会社に頼める

気になる点

  • 無料枠は「Content used to improve our products.」。社内の会議には有料枠を使う
  • 雑音のある音声では、当社の測定で話者の区切りが大きく崩れた
  • 画面・保存・共有は含まれない。料金はモデルで変わる
料金
モデルにより 100万トークン $0.30〜$1.00。出力のトークンは別料金
学習
無料枠「Content used to improve our products.」/有料枠「Content not used to improve our products.」
当社の実測
5分26秒の音声で文字誤り率2.8〜4.4%、要点25項目中24項目が表記まで一致(Gemini 3.8 Flash)
話者
指示文で話者の区切りを付けさせる使い方(公式ドキュメントの記載)
公式サイトで確認する ↗ 記載は2026年11月15日時点の公式サイトによる

会議の録音を文字にするツールは増えましたが、「いくらかかるか」と同じくらい大事な「録音したデータがどう扱われるか」は、比較記事にあまり並びません。この記事では、文字起こしの専用ツール5種、会議ツールに付いている機能3種、APIを使って自分で作る場合2種の計10種を、公式の料金ページ・ヘルプ・利用規約・セキュリティの説明だけで調べました(2026年11月15日確認)。

先にお断りします。専用ツールと会議ツールの8種は、実際に契約して試してはいません。当社が実際に測ったのは、開発の仕事で使っているAPIの2種だけです。測った部分と調べただけの部分は、記事の中で分けて書いています。作り方の決まりは比較記事の評価方針にあります。営業の商談を録ってSFAへ残す用途は商談の文字起こしツール比較で扱っています。

結論:金額の前に、データの扱いで候補を絞る

会社の状況まず見るもの候補
社外に出せない内容の会議が多い学習に使わないと明記・国内保存・認証Rimo、Notta(プランに注意)、Otolio
まず無料で試したい無料の範囲と1回あたりの長さtl;dv、Otter(学習の扱いに注意)
すでに Google Workspace/Zoom/Microsoft 365 を契約しているいまの契約に含まれるかGoogle Meet、Zoom、Teams
録音の量が多い、結果を自社のシステムに入れたい1分あたりの費用と、作る手間OpenAI 音声認識API、Gemini API

10種の一覧と1種ごとの要点

上の一覧に、10種の料金・無料の範囲・学習の扱い・保存先・認証を同じ項目でまとめました。利用者のデータをAIの学習に使わないと公式に明記しているのは10種のうち6種(Rimo・tl;dv・Google Meet・Zoom・Teams・OpenAI API)です。Otter は匿名化したうえで学習に使うと書いています。Notta・Otolio・Gemini API は、プランや利用枠、記載の範囲によって扱いが分かれます。国内での保存を明記しているのは Notta・Rimo・Otolio の3種でした。

YOMEL は候補でしたが、公式ページの本文を取得できず、料金を公式で直接確認できなかったため載せていません。

月の費用を、場面を決めて計算する

公式の単価を掛け算しただけの計算です。平均や相場ではありません。通貨は公式の表記のままで、円に換算していません。

種類月10時間・1人月30時間(3人が各10時間)前提
Notta プレミアム1,185円3,555円税込・年払い(1人あたり年14,220円の一括)
Rimo プロ4,950円公式で確認税込・月払い。チームは月6,600円(アカウント単位)
tl;dv Pro€18€54年払い(1人あたり年€216)
Otter Pro$8.33$24.99年払い。1人あたり月1,200分の範囲内
Google Workspace Standard1,600円4,800円税抜。Workspace 全体の料金
Zoom Pro$14.16$42.48年前払い。Zoom 全体の料金
Teams+Copilot Business3,148円9,444円税抜・年払い。Microsoft 365 の料金は別
Otolio見積もり見積もり初期費用+AIクレジット。人数は無制限
OpenAI 音声認識API$2.70$8.10600分・1,800分 × $0.0045。作る費用は別
Gemini API$0.35〜$1.15$1.04〜$3.461分1,920トークン × $0.30〜$1.00/100万。出力の料金と作る費用は別

APIの利用料は専用ツールより1〜2けた安く見えますが、これは音声を文字にする処理だけの料金です。録音を入れる画面、結果の保存と共有、話者の名前の付け替え、権限の管理は含まれません。それを作って動かし続ける費用を足して比べる必要があります。

この条件で、自社の場合を聞く → 仕様書は要りません。1営業日以内に、範囲と月額をお返しします。

当社で測った部分:APIの文字起こし

開発の仕事で使っているAPIについては、同じ音声を入れて実際に測りました。

測り方

  • 音声:架空の製造業の定例会議。話者3人・39発話・1,530字・5分26秒。金額・日付・数量・社名・品番を多く入れた台本を、合成音声で読み上げたもの
  • 音質は3種類:通常、空調程度の雑音を混ぜたもの、電話の音質(300〜3,400Hz)
  • 設定:言語を日本語に指定しただけ。単語の登録や事前の調整はしていない。1モデルにつき各1回
  • 見た数字:文字誤り率(句読点と空白を除き、数字はアラビア数字にそろえて台本と比較。漢字とかなの書き分けも誤りに数える厳しめの値)と、要点25項目(金額・日付・数量・社名・品番)が聞き取れたか
  • 測定日:2026年11月15日。かかった費用は合計およそ0.35ドル
モデル文字誤り率(通常/雑音/電話)要点25項目(表記まで一致)処理時間
Gemini 3.8 Flash2.8%/4.4%/3.9%24/24/2412〜114秒
OpenAI gpt-transcribe4.8%/5.4%/4.7%24/23/249〜62秒
OpenAI gpt-4o-transcribe5.3%/4.3%/3.8%23/23/2311〜18秒
OpenAI gpt-4o-transcribe-diarize6.0%/6.8%/5.3%23/23/24101〜141秒
OpenAI whisper-16.6%/6.3%/5.8%23/23/2217〜25秒

分かったこと

  • 数字は強い。受注142件、3,860万円、11月18日、1,200個、品番のA-205といった数字や品番は、どのモデルもほぼ聞き取れました
  • 知らない固有名詞は弱い。架空の社名「北斗精機」は、Gemini では正しく出ましたが、OpenAI の各モデルでは「北斗正規」「北斗製機」「北斗星機」などに割れました。同じ音の「三陽」は、全モデルが「山陽」か「三洋」と書きました。音だけでは決まらないので、これは誤りというより限界です。社名・人名・製品名は、単語の登録か、あとから直す仕組みが要ります
  • 話者の聞き分けは安定しなかった。3人の会話に対して、OpenAI の話者分離つきモデルは3種類の音質すべてで2人としか区別せず、39発話のうち話者が合っていたのは28でした。Gemini は通常と電話の音質で35〜36発話が合いましたが、雑音入りでは2人にまとまってしまい18まで落ちました
  • 雑音や電話の音質による文字誤り率の差は1〜2ポイントで、この音声では大きく崩れませんでした
  • 処理時間は同じモデルでも回によって大きく違いました(Gemini は12秒の回と114秒の回がありました)

この測定の限界

  • 音声は合成音声です。実際の会議より聞き取りやすく、言いよどみ、発言のかぶり、方言、マイクから遠い声がありません。実際の会議では、この数字より悪くなると考えてください
  • 3人の声ははっきり違います。似た声の聞き分けは測れていません
  • 5分半の音声1本、各1回だけの結果です。回数を重ねれば数字は動きます
  • 専用ツール(Notta など)の中の音声認識は、これらのAPIと同じとは限りません。この結果を専用ツールの精度として読まないでください

台本・音声・各モデルの出力・採点の手順は、そのまま公開しています。台本(正解)/要点25項目/採点スクリプト/音声は通常・雑音入り・電話音質/出力の例:Gemini(通常)・gpt-transcribe(通常)。

選ぶときに確認する5つ

1. データがAIの学習に使われるか

公式の書き方は3通りありました。「使わない」と書くもの(Rimo・tl;dv・Zoom・Microsoft・OpenAI API)、「匿名化して使う」と書くもの(Otter)、プランや枠で分かれるもの(Notta は音声認識の学習に提供しないのがビジネスPlus以上、Gemini API は無料枠だと製品の改善に使われる)です。無料で試すときこそ、この欄を先に読んでください。

2. どこに保存され、どの認証があるか

国内保存を明記しているのは Notta(AWS東京)・Rimo・Otolio です。tl;dv は欧州、Otter は米国拠点のクラウドと書いています。認証は Notta が ISO27001 と SOC2 Type2、Rimo が ISO27001 と ISO27017、Otolio が ISMS、Otter と tl;dv が SOC 2 でした。取引先との契約や社内の決まりで保存先に条件がある会社は、ここで候補が決まります。

3. 無料の範囲と、1回あたりの長さ

無料プランがあっても、1回の長さで使えないことがあります。Notta のフリーは1回3分まで、Otter の Basic は1回30分・月300分まででした。1時間の会議を試したいなら、tl;dv の無料プランか、Otolio の14日間トライアルのように、長さの制限が合うものを選びます。

4. 録り方が自社の会議に合うか

Web会議に参加させて録る形(Notta・Rimo・tl;dv・Otter)は、対面の会議には別の録り方が要ります。Google Meet・Zoom・Teams の機能は、そのツールの会議でしか使えません。対面の打ち合わせや現場での録音が多い会社は、録音ファイルを入れられるかを先に確かめてください。

5. 社名・人名・品番をどう直すか

当社の測定では、数字は聞き取れても、知らない社名は表記が割れました。議事録として残すなら、単語を登録できるか(Rimo は公式に記載)、あとから一括で直せるかが効きます。APIで作る場合は、取引先の名簿や品番の一覧と突き合わせて直す処理を足せます。

既製で合わないとき:APIを使って自社の様式で作る

既製のツールは、決まった形の議事録と要約を出します。「案件ごとに決定事項と宿題を分けて残したい」「取引先の正式な社名と品番で書きたい」「自社の書式の議事録にしたい」といった要望は、APIの文字起こしに自社の名簿や様式を組み合わせて作るほうが合います。当社では、ボイスメモの音声から議事録を作り、案件ごとに整理する仕組みを運用しています(実例、画面で試すデモ)。費用は月額2万円(税別)とAIの利用料、初期費用は0円です。

よくある質問

Q. 結局、いちばん正確なのはどれですか?

この記事では答えられません。専用ツールを実際に試していないためです。当社が測ったのはAPIの2種だけで、それも合成音声1本の結果です。正確さで選びたい場合は、自社の実際の会議の録音を、無料の範囲で2〜3種に入れて見比べるのが確実です。そのときは、数字より社名・人名・製品名の出方を見てください。

Q. 無料プランを仕事の会議に使っても大丈夫ですか?

学習の扱いを確認してからにしてください。Otter は学習に使うと書いており、Gemini API の無料枠も内容が製品の改善に使われます。Notta は、音声認識の学習にデータを提供しないのがビジネスPlus以上と書いています。社外に出せない内容は、学習に使わないと明記されたプランで扱うのが安全です。

Q. APIで作ると、どれくらい安くなりますか?

処理の料金だけなら、月30時間で OpenAI は8.10ドル、Gemini は1〜3.5ドル程度です。ただし画面・保存・共有・話者の扱いを作る費用と、動かし続ける費用が別にかかります。人数が少なく、決まった形の議事録で足りる会社は、専用ツールのほうが早くて安く済みます。

Q. 話者の聞き分けは信用できますか?

当社の測定では安定しませんでした。3人の会話を2人としか区別しない回が多く、雑音が入ると大きく崩れることもありました。専用ツールの聞き分けは試していないので分かりませんが、誰の発言かが大事な会議では、冒頭で名乗ってもらう、あとで人が直す、といった運用を前提にしてください。

Q. この記事の順番は何で決めていますか?

専用ツール、会議ツールの機能、APIで作る場合、の順です。それぞれの中では、料金を公式に出しているものを前に置きました。点数や順位は付けていません。掲載料で順番や内容を変えることもありません。

まとめ

  • 文字起こしツールは、料金より先に「学習に使うか」「どこに保存するか」で候補を絞る。公式に使わないと明記しているのは10種のうち6種
  • 無料プランは、1回あたりの長さと学習の扱いを読んでから使う
  • 当社の測定では、APIは数字をほぼ聞き取れたが、知らない社名と話者の聞き分けは弱かった。合成音声での結果で、実際の会議ではこれより悪くなる
  • 自社の様式や正式な社名で残したいなら、APIに名簿や様式を組み合わせて作る手がある

掲載内容の訂正・追加のご連絡はこちらへ。事実に関わる修正は無償で対応します。この記事は掲載料で順番や評価を変えていません。

参考にした資料(2026年11月15日確認)

関連記事

この記事を書いた人

佐藤 駿介

佐藤 駿介

Shunsuke Sato

代表 / Founder & Developer, 合同会社SAi

中小企業のAI・業務自動化を専門とする開発者。営業マンや下請けを介さず、ヒアリングから開発・運用まで一貫して直接対応。「月額1万円から始められる、本当に必要なAIだけ」をモットーに、フルスクラッチ開発を中小企業の手の届く価格で提供している。

ほかの記事

他のおすすめ記事

どれも少し合わない、という場合

既製品は人数で課金が増え、自社の流れに合わない部分は運用でカバーすることになります。当社は、いま使っているExcelや帳票の流れに合わせて、必要な機能だけを初期費用0円・月額1万円〜(税別)で作ります。既製品で足りるなら、その旨を正直にお伝えします。

この記事は編集方針にもとづいて作成しています。 PR掲載について