無料で使える音声文字起こしツール：APIキーもコードも不要（2026年版）

APIもコードも不要、しかも無料

コードを1行も書かず、APIキーを発行せず、アカウントを作成することさえせずに、音声をテキストに変換できます。 これを可能にするツールは、サーバー側で処理を行うクラウドサービスと、AIをお使いのマシン上だけで実行するローカルツールの2系統に分けられます。この記事では実際の状況を整理します。各ツールの制限は2026年7月時点でベンダーのページと照合して確認済みです。

APIベースの文字起こしの検索からここにたどり着いた方への短い答えはこうです。個人利用、会議、ポッドキャスト、一回限りのインタビューであれば、まず間違いなくAPIは必要ありません。無料のオンライン音声文字起こしツールに関する隣接記事ではより広いカテゴリを扱っています。こちらの記事は特にAPI不要・コード不要の選択肢に焦点を当て、オフラインで動作するローカルツールも含めています。

なぜ人は「API不要」で検索することになるのか

文字起こし業界は開発者向けツールが標準となっています。Deepgram、AssemblyAI、OpenAIはいずれも優れたAPIを公開しており、価格は1分あたり約0.003〜0.009ドルですが、それらを使うには認証ドキュメントを読み、HTTPリクエストを処理し、認証情報を管理する必要があります。そのルートを検討している場合は、2026年の音声認識API料金比較をご覧ください。

しかし、ほとんどの人はそれを望んでいません。45分のインタビュー録音があって、明日までに文書として言葉が必要なだけです。そういうユースケースなら、ブラウザツールが同じ仕事をより速く、無料でこなしてくれます。

2026年の実際の選択肢

以下の表は、主なノーコードの選択肢をまとめたものです。すべての価格と制限は2026年7月時点でベンダーのページから確認しました。

いくつか掘り下げておきたい点があります。

ブラウザローカル型：本当に無制限の選択肢

Whisper WebはWebAssemblyを使ってOpenAIのWhisperモデルをブラウザ内で実行するため、音声がデバイスの外に出ることはありません。 サーバーもアカウントも不要で、文字起こしできるファイル数に制限はありません。無料枠では個々のファイルが20分・200MBまでに制限されます。有料プラン（年払いで月10ドル）にすると、より長いファイル向けのクラウド処理が解放されます。

トレードオフとしては、初回にモデルをブラウザへダウンロードする必要があり、遅い回線では1分ほどかかることがあります。その後は完全にオフラインで動作します。きれいな音声での精度はクラウドサービスに匹敵します。機密性の高い録音——進行中の取引に関する電話会議や医療面談など——にとっては、何も送信されないため最も安全な選択肢です。

whisper.cppはさらに一歩進んだ存在です。同じWhisperモデルのオープンソースC++移植版で、Linuxサーバーを含むあらゆるOSにインストールでき、利用制限はまったくありません。リポジトリのクローンとビルドコマンドの実行が必要なため、「最小限のコード」カテゴリであり、真のノーコードではありません。サブスクリプション費用をかけずに大量の録音を処理したい場合には知っておく価値があります。詳しい比較はオンデバイス vs クラウドの文字起こしをご覧ください。

MacWhisperは、ターミナルに触れることなくWhisperをグラフィカルなドラッグ＆ドロップ操作で使えるようにするMac向けツールです。無料枠では小型で高速なモデル（TinyとBase）を使用し、きれいな録音であれば十分な精度が出ます。買い切りのProライセンス（2026年半ば時点で約59ユーロ）で、大型モデル、話者分離、フォルダ一括処理が解放されます。

oTranscribeは上記のどれとも異なります。AIツールではなく手動の文字起こしツールです。音声をアップロードすると、同じウィンドウ内で再生されながら入力していきます。キーボードショートカットで、手をキーボードから離さずに一時停止、巻き戻し、減速ができます。AIなし、精度の心配なし、制限なし。一字一句の正確さが必要で、自分で作業する覚悟があるときに適したツールです。

クラウドツール：速いが上限つき

クラウドツールは音声をサーバーへ送信します。利点は速度と、難しい音声（背景ノイズ、複数話者、英語以外の言語）での精度です。欠点はアップロード帯域の要件と無料枠の制限です。

TurboScribeはこのカテゴリの中で、登録不要の体験が際立っています。アカウントを作成せずに、1日3回、それぞれ最大30分の文字起こしが可能です。たまに使うケースの大半をカバーし、月額契約なしでAI品質を求める人にとって本物のOtter代替となります。並べて比較した内容はTurboScribe vs Otterをご覧ください。

Otter.aiは会議向けに最適化されています。Zoom、Google Meet、Teamsの通話にボットとして参加し、会話をリアルタイムに記録して、検索可能な文字起こしを作成します。無料プランでは月300分が付与されますが、1つの録音は30分まで、音声・動画ファイルの取り込みは累計3回までという制限があります。特にファイル取り込みの制限により、汎用の音声変換ツールというより会議レコーダーとして適しています。

DescriptとHappy Scribeはどちらもエディタ主体の製品で、文字起こしは入力ステップにすぎません。Descriptの無料枠は月1時間のメディア処理、Happy Scribeの無料トライアルは10分です。両社とも無料枠では一部の書き出しに透かしが入ります。文字起こしと一緒に音声を編集する必要があるなら検討する価値がありますが、純粋にテキスト出力だけなら、よりシンプルなツールの方が速いです。

選び方

プライバシーが最重要なら： Whisper WebまたはMacWhisperを使いましょう。音声がサーバーに触れることはありません。

オフライン対応が必要なら： 答えは同じです。ブラウザローカル型のツールはモデルのダウンロード後に動作するため、飛行機の中やインターネットのないクリニックなどでの文字起こしに役立ちます。接続なしで何ができるかの実用的な制限については、インターネットが遅いときの文字起こしをご覧ください。

すぐに文字起こしが必要で、プライバシーを気にしないなら： クラウドツールは難しい音声で高速で、話者分離もうまく処理します。ConvertAudioToTextなら、最大100MBのファイルをアップロードし、アカウント登録不要・Turnstileチェック1回だけで最大10分の文字起こしができます。出力には話者ラベルとタイムスタンプが含まれます。無料アカウントを作成すると、保存履歴に加えて10分の文字起こし時間が追加されます。これはサインアップ時に一度付与されるもので毎月補充されるものではなく、1日3ファイル×各10分までのペースで使えます。この系統のベストツール比較は登録不要のおすすめ文字起こしツールをご覧ください。

無料枠で30分を超える長い録音がある場合： ファイルを分割するか、TurboScribe（1ファイル最大30分、無料で1日3回）、上限なしのブラウザローカルツール、または有料プランを検討しましょう。無料の文字起こしは価値がある？では、アップグレードが経済的に理にかなう場面を解説しています。

APIベースの文字起こしの実際のコスト

比較のために：生のAPIで同じ機能を構築するには、最初に数日分の開発者時間と、継続的なメンテナンスが必要です。基盤となるエンジンの価格は、標準的な事前録音の音声で1分あたり約0.003〜0.009ドルの範囲で、話者分離や言語検出はその上乗せでコストが加算されます。開発時間、エラー処理、ストレージまで考慮すると、有料ブラウザツールとの損益分岐点は通常、年間数千時間といった大量利用になります。それ以下なら、総コストではブラウザツールが勝ります。

私見：APIルートが理にかなうのは、文字起こしがより大きなプロダクトへの入力である場合です。録音からテキストが欲しいだけなら違います。何かを構築しているなら、2026年の音声認識API料金概要に数字があります。構築していないなら、そのタブは閉じましょう。

よくある質問

APIキーなしで音声をテキスト化できますか？

はい。ブラウザベースのツールはすべてWebインターフェース経由で処理するため、APIキーに触れることは一切ありません。選択肢は、TurboScribeやConvertAudioToTextのようなクラウドサービスから、WebAssemblyを使ってブラウザ内で音声を処理しファイルを決してアップロードしない完全ローカルのWhisper Webまで幅広くあります。

ブラウザローカル型とクラウド型の無料文字起こしの違いは何ですか？

ブラウザローカル型のツール（Whisper Web、whisper.cpp）は、AIモデルをお使いのマシン上で実行します。音声がデバイスの外に出ることはなく、利用上限もなく、モデルのダウンロード後はオフラインでも動作します。クラウド型のツールは、より高速な処理と難しい音声での高精度のために音声をサーバーへ送信しますが、インターネット接続が必要で、通常は無料枠の制限があります。

無料のAI文字起こしは有料と比べてどのくらい正確ですか？

精度は料金プランよりも音声品質によって大きく左右されます。無料のブラウザツールと有料サービスの両方で使われている最新のWhisperクラスのモデルは、きれいな単一話者の音声では単語誤り率5%未満を達成します。ノイズの多い録音、強い訛り、話者の重なりがある場合は、サービスに関係なく誤り率は上がります。有料プランへのアップグレードで買えるのは、通常、高速な処理と高いファイル上限であって、意味的に異なるAIモデルではありません。

ConvertAudioToTextを使うにはアカウント作成が必要ですか？

いいえ。サインアップせずにファイルをアップロードして完全な文字起こしを受け取れます。登録なしのパスでは最大100MBのファイルに対応し、1ファイルあたり最大10分の音声を文字起こしできます。ほとんどの会議、講義、ポッドキャストのセグメントには十分な長さです。無料アカウントを作成すると、保存履歴に加えて10分の文字起こし時間が追加されます。これはサインアップ時に一度付与されるものであり、毎月補充されるものではありません。

出典

• Otter.ai 料金ページ：https://otter.ai/pricing（2026年7月確認）
• Descript 料金ページ：https://www.descript.com/pricing（2026年7月確認）
• Whisper Web：https://whisperweb.dev（2026年7月確認）
• TurboScribe 料金：https://turboscribe.ai/pricing（2026年7月確認。ページは403を返したため、複数のサードパーティレビューで数値を相互確認）
• Happy Scribe プラン：https://help.happyscribe.com/en/articles/6906232-plans-and-pricing（2026年7月確認）
• whisper.cpp リポジトリ：https://github.com/ggml-org/whisper.cpp
• oTranscribe：https://otranscribe.com
• AssemblyAI API 料金：https://www.assemblyai.com/blog/speech-to-text-api-pricing（2026年7月確認）
• Deepgram 料金：https://deepgram.com/pricing（2026年7月確認）