M4Aをテキストに変換する方法：iPhoneボイスメモの最短ルート

最短ルート

M4AファイルをConvertAudioToTextの音声文字起こしツールにドラッグ&ドロップして、文字起こしを実行するだけです。 変換は不要です。このツールはM4Aをネイティブに受け付け、AACのデコードを内部で処理し、タイムスタンプ付きの文字起こしを返します。iPhoneのボイスメモであれば、iOSの共有シート経由で約30秒ほどで録音からファイルのアップロードまで完了します。ボイスメモの完全なワークフローでは、共有シートとiCloudの手順を詳しく説明しています。

多くの人にとって、これが答えです。この記事の残りの部分は、うまくいかないときや、自分が何を扱っているのかをきちんと理解したいときのための内容です。

M4Aの正体(そしてなぜ名前が混乱を招くのか)

M4Aはコンテナであり、コーデックではありません。 MPEG-4コンテナが実際の音声を包んでおり、その音声はほぼ常にAAC(Advanced Audio Coding)です。AACは、音質を保ちながらファイルサイズを削減する圧縮アルゴリズムです。コンテナ側にはメタデータ、チャプターマーカー、カバーアート、プレイヤーやツールが読み取る内部構造が含まれます。

これが重要なのは、同じ.m4aという拡張子が、根本的に異なる2つのコーデックで共用されているからです:

どちらなのかは、拡張子だけでは判別できません。macOSでは、ファイルを右クリックして「情報を見る」を選び、「種類」の項目を確認します。「AACオーディオファイル」または「Apple Losslessオーディオファイル」と表示されます。ファイルサイズが大まかな目安になります。1時間のM4Aが60MB未満ならほぼ確実にAACで、200MBに近づくならALACである可能性が高いです。

文字起こしの観点では、この違いが問題になるのはアップロードの時点だけです。どちらも最新のツールで問題なくデコードできます。ALACの方が文字起こしエンジンにわずかに多くの信号情報を与えますが、明瞭な音声録音であれば精度の差は無視できるほど小さなものです。

M4Aファイルはどこから来るのか

出どころを理解しておくと、どの程度の品質を期待できるかが見えてきます。

iPhoneのボイスメモは、世界で最大のM4Aファイル供給源です。アプリはデフォルトで48 kHz・約64 kbpsのAACで録音します。これは1時間あたり約30MBに相当します。ボイスメモの設定で「Lossless」品質オプションを有効にしていると、アプリはALACに切り替わり、ファイルサイズがかなり膨れ上がります。デフォルトの64 kbps設定でも、屋内の音声文字起こしには十分です。風を拾う屋外録音は、より早く品質が落ちます。

GarageBandとLogic Proは、共有用にデフォルトでM4A(AAC)形式で書き出します。GarageBandを使うポッドキャスト制作者は、ホスティングプラットフォームへアップロードする前に、最終ミックスをM4Aで書き出します。文字起こしという観点では、これはおそらく遭遇する中で最高品質のM4Aです。スタジオ録音でミックス済み、ビットレートは通常128〜256 kbpsです。

ポッドキャストのフィードファイル。 多くのポッドキャスト配信者は、同等の音質でファイルサイズが小さくなることを理由に、MP3よりもAAC/M4Aを選んでいます。アプリ経由でストリーミングするのではなく、RSSフィードのリンクから直接エピソードをダウンロードすると、通常はM4Aファイルが手に入ります。

Apple Musicの購入ファイル(DRMフリー)。 2009年1月以降、iTunes Storeで購入したすべての音楽は、DRMフリーの256 kbps AAC(M4Aコンテナ)になっています。iTunes Storeで購入した話し言葉コンテンツ(講演、コメディスペシャルなど)もこのカテゴリに含まれます。これらはそのまま文字起こしできます。

MacのQuickTimeによる画面・音声録音は、音声のみの録音の場合、デフォルトでM4Aになります。会議botではなくQuickTime経由で会議を録音している場合、出力はM4Aとして保存されます。

DRMの問題：M4Pと古いM4Bファイル

M4Aファミリーの一部のファイルは暗号化されており、DRMを解除しなければ文字起こしできません。ただし、そのDRM解除は通常、ライセンス違反にあたります。

知っておくべき3つの派生形式：

• M4A: 標準的なAACコンテナ。DRMなしで、すべてのプレイヤーと文字起こしツールで動作します。
• M4B: オーディオブック形式。コンテナは同じです。2009年以降に購入した作品は通常DRMフリーですが、それ以前のiTunesオーディオブック購入分にはFairPlay DRMがかかっています。Apple製ソフト以外でも再生できるかどうかで判別できます。
• M4P: かつてのDRMロック付きApple Music形式で、FairPlay(AppleのAES-128暗号化レイヤー)で保護されています。Appleは2009年に音楽購入からDRMを撤廃し、ユーザーライブラリ内のM4Pファイルを同等のM4Aファイルに置き換えました。本物のM4Pファイルは今では稀ですが、古いiTunesライブラリにはまだ存在することがあります。

判断基準はこうです。VLCやWindows Media Playerで普通に再生できるなら、そのファイルはDRMロックされていません。Apple製ソフトでしか再生できず、他ではエラーが出る場合は、暗号化が有効になっており、サードパーティの文字起こしツールではデコードできません。

今もM4Aを拒否するツールがある理由

DRMがなくても、M4Aファイルを受け付けないツールに出会うことがあります。実際の理由は次の2つです。

AACのライセンス問題。 歴史的に、AACは特許使用料を必要としたため、AACデコーダーの搭載を避けたソフトウェアベンダーもありました。コア特許は2012年に失効し、残りも2017年までに失効したため、2017年以降に開発・更新されたツールでは問題になりません。文字起こしサービスがM4Aファイルに対してエラーを返す場合、そのツールは古いか、特許失効以前のデコーダーライブラリを基盤としている可能性が高いです。

「MP4オーディオ」の混乱。 一部のアップロードパーサーは、MIMEタイプのホワイトリストにaudio/mp4やvideo/mp4はあってもaudio/x-m4aがないため、.m4a拡張子のファイルを拒否します。ファイルの中身は同一で、拡張子のパターンマッチに失敗しているだけです。回避策は、アップロード前に拡張子を.mp4へ変更することです。音声の内容は一切変わりません。それでも失敗する場合は、下のセクションにあるコマンドでWAVに変換してください。

文字起こしにおけるM4A対MP3:本当のトレードオフ

どちらの形式も音声には十分に機能します。違いは効率であって、同じビットレートでの音質ではありません。

AAC(M4Aの中身)は、MP3の後継として設計されました。同等のビットレートでは、AACの方が音声認識エンジンが利用する高周波ディテールを多く保持できます。実用上の差が最も顕著になるのは低ビットレート時です。64 kbps AACのボイスメモでも文字起こしに足る明瞭さは保たれていますが、64 kbpsのMP3では歯擦音や摩擦音が濁り始めます。

文字起こしに関係する形式とファイルサイズについて、60分のオーディオでどれくらいになるかをまとめると:

文字起こしの入力としては、128 kbpsのAACで十分すぎるほどです。iPhoneのデフォルトである64 kbpsでも、屋内の音声なら問題なく機能します。

コーデック間のトレードオフを詳しく知りたい方は、フォーマット選択が文字起こしに与える影響をご覧ください。

M4A文字起こしで気をつけたい形式別の落とし穴

可変ビットレート(VBR)のM4A。 エンコーダによっては、音声の複雑さに応じてファイル内でビットレートが変動する(たとえば40〜130 kbps)VBRのM4Aを作ることがあります。最近のツールはこれを正しく処理します。VBRファイルに限ってデコードエラーが返ってくる場合は、固定ビットレートに再エンコードしてください:

ffmpeg -i input.m4a -b:a 128k output_cbr.m4a

マルチチャンネル・サラウンドのM4A。 音声では珍しいのですが、放送や映像制作のワークフローでは見られます。5.1chのM4Aは、モノラルやステレオを想定している一部の文字起こしデコーダーを混乱させます。まずモノラルにダウンミックスしてください:

ffmpeg -i surround.m4a -ac 1 mono.m4a

チャプター付きM4A(オーディオブック形式)。 M4Aは埋め込みチャプターメタデータに対応しており、オーディオブックや拡張ポッドキャストの形式で広く使われています。文字起こしのパイプラインはチャプターメタデータを無視し、音声を1本の連続ストリームとして処理します。結果の文字起こしはチャプター境界と対応しません。チャプター単位の文字起こしが必要な場合は、アップロード前にチャプタータイムスタンプでファイルを分割してください。

ALACがAACと誤認されるケース。 AACのみを想定しているツールにALACのM4Aを送ると、古いパーサーの中には処理に詰まるものがあります。先にAACへ変換すれば問題なく扱えるようになります:

ffmpeg -i input_alac.m4a -acodec aac -b:a 192k output_aac.m4a

先に変換が必要になるケース

ほとんどの場合は、M4Aを直接アップロードしてください。変換が必要になるのは次のような場合だけです。

1. ツールがファイルを明示的に拒否し、.mp4への変更でも解決しない場合。
2. マルチチャンネル音声がデコーダーエラーを引き起こしている場合(上記のようにモノラルへダウンミックス)。
3. DRMの疑いがあり、Apple製ソフト以外で再生がブロックされている場合。
4. ツールが本当に古く、2017年のAACライセンス改革以前のものである場合。

最大限の互換性を狙うならWAVに変換します:

ffmpeg -i input.m4a -acodec pcm_s16le -ar 48000 output.wav

M4Aは受け付けずMP3なら受け付けるツール向けには、MP3に変換します:

ffmpeg -i input.m4a -acodec mp3 -ab 192k output.mp3

128 kbpsのM4Aから192 kbpsのMP3への変換は、ほぼ劣化を感じません。一方、64 kbpsのM4Aから64 kbpsのMP3への変換は、非可逆圧縮が重なって両段階で品質が低下します。MP3への出力には128 kbps以上を使ってください。

AAC形式そのものを扱う方法については、AACをテキストに変換する方法をご覧ください。

料金事情:M4A文字起こしにかかる費用

M4Aの課金は形式ではなく長さで決まります。M4Aにネイティブ対応しているツールは、課金の面でMP3やWAVと同じ扱いをします。

2026年7月時点で確認した参考価格:

• Rev: AI文字起こしは従量課金で1音声分あたり0.25ドル。サブスクリプションプランは1席あたり月額25.49ドルから(年払い)、AI 5,000分が含まれます。人手による文字起こしは1音声分あたり1.99ドル。
• Otter.ai: フリープランは月300分。Proはユーザーあたり月額16.99ドル(年払いなら8.33ドル)で、月1,200分。
• TurboScribe: フリープランは1日3件の文字起こし(各30分上限)。Unlimitedは月額20ドル、年払いなら月額10ドル。
• Descript: フリープランは月60メディア分。Hobbyistは月額24ドルで月10メディア時間、Creatorは月額35ドルで月30メディア時間。
• Happy Scribe: Basicは月額17ユーロ(年払いなら8.50ユーロ)で120分。Proは月額29ユーロで600分。従量課金は1分あたり0.20ユーロ。

いずれのサービスも、M4AとMP3で料金を変えていません。測られるのは長さだけです。

会議botやサブスクリプションなしで、きれいな文字起こしだけが必要なら、ConvertAudioToTextのアップローダーがM4Aを直接受け付けます。10分無料で、それより長いファイルは有料プランで対応します。インストールする会議botはありません。

よくある質問

M4Aの文字起こしはMP3より費用がかかりますか?

いいえ。すべての文字起こしサービスは、ファイル形式やコンテナタイプではなく、音声の長さで料金を決めています。同じ30分の録音なら、M4AとMP3の文字起こし料金はまったく同じです(両方が対応形式である場合)。M4Aに対応していないツールでは先に変換を求められることがありますが、文字起こし自体の料金は変わりません。

M4Aファイルは普通に再生できるのに、文字起こしツールに拒否されるのはなぜですか?

最も多い原因は、実際のコーデックではなくファイル拡張子をチェックするアップロードパーサーです。アップロード前に拡張子を.m4aから.mp4に変更してみてください。それでも拒否される場合は、パーサーがaudio/x-m4aを除外する厳格なMIMEタイプのホワイトリストを持っている可能性があります。その場合はffmpegでWAVに変換し、WAVをアップロードしてください。

Apple Musicで入手したM4A形式のファイルも文字起こしできますか?

2009年1月以降にiTunes Storeで購入したApple Musicファイルであれば、DRMフリーの256 kbps AAC(M4Aコンテナ)なので、問題なく文字起こしできます。楽曲を購入するのではなくApple Musicをサブスクリプション利用している場合、そのストリーミングはFairPlay DRMで保護されており、再生可能なM4Aファイルとして保存して文字起こしすることはできません。

文字起こしにおいてM4AとM4Bの違いは何ですか?

M4BはM4Aのオーディオブック版で、内部は同じMPEG-4コンテナ・同じAACコーデックです。違いはメタデータの慣習と、古いiTunes購入作品の場合はDRMの有無です。2009年以降に購入した現行のM4BオーディオブックはDRMフリーで、M4Aとまったく同じように文字起こしできます。2009年以前のiTunes Audiobooksストアの古いM4BファイルはDRMでロックされている可能性があります。DRMがなければ中身の音声はM4Aと同一です。

出典

• Apple Communityのボイスメモのファイル形式とビットレートに関するスレッド:https://discussions.apple.com/thread/6531359
• Wikipedia:Apple Lossless Audio Codec(ALAC)、コンテナと拡張子の詳細:https://en.wikipedia.org/wiki/Apple_Lossless_Audio_Codec
• Wikipedia:FairPlay DRMの歴史とM4P形式:https://en.wikipedia.org/wiki/FairPlay
• Rev料金ページ(2026年7月確認)：https://www.rev.com/pricing
• Otter.ai料金ページ(2026年7月確認)：https://otter.ai/pricing
• TurboScribe料金(2026年7月、第三者ソース経由で確認):https://turboscribe.ai/pricing
• Descript料金ページ(2026年7月確認)：https://www.descript.com/pricing
• Happy Scribe料金ページ(2026年7月確認):https://www.happyscribe.com/pricing
• AudioUtils:M4A形式リファレンス:https://audioutils.com/guide/m4a-format-complete-guide
• AudioUtils:M4AとiPhone形式の解説:https://audioutils.com/blog/what-is-m4a-iphone-format