OGGをテキストに変換する方法(WhatsAppボイスメッセージ対応)2026年版

最短ルート

.oggまたは.opusファイルをConvertAudioToTextに直接アップロードすれば、短いクリップなら1分以内に文字起こし結果が返ってきます。変換は一切不要です。WhatsAppのボイスメッセージが.opusファイルとして端末に保存されていてこの記事にたどり着いた方へ:あれはOpus音声を格納したOGGコンテナであり、まったく同じようにアップロードできます。

この記事の残りの部分では、OGGファイルが作成元によって挙動が異なる理由、そもそもスマートフォンから取り出す方法、そしてコーデックの違いが文字起こし品質にどう影響するかを解説します。

なぜワークフローにOGGが登場するのか

OGGはコンテナ形式であり、オーディオコーデックではありません。ZIPファイルのようなものだと考えてください。コンテナが音声ストリームを保持し、実際のエンコードはVorbis(より古い汎用コーデック)またはOpus(より新しい音声最適化コーデック)のいずれかが担当します。両者ともロイヤリティフリーであるため、MP3ライセンス料の支払いを避けたいソフトウェアに採用されました。

OGGファイルによく出会う場所:

• WhatsAppのボイスメッセージ:Opusコーデック、.opus拡張子(中身は同じOGGコンテナ)
• Telegramのボイスメッセージ:.ogg内のOpus、約32kbps、48kHzモノラル
• Discordのボイスメッセージ:.ogg内の低ビットレートOpus
• Audacityの書き出し:デフォルトはVorbis、品質レベル5(サイズは128kbps MP3相当だが、VBRにより高品質)
• GNOMEサウンドレコーダー、PulseAudioダンプ、その他のLinuxオーディオツール:主にVorbis
• Wikipediaの読み上げ記事とWikimedia Commonsの音声:96〜128kbpsのVorbis

ソースごとにビットレートの傾向や書き出し手順が異なります。以下のセクションで重要なものを順に見ていきます。

VorbisとOpus:実際に何が違うのか

どちらのコーデックも.oggコンテナの中に収められています。見分けることが重要なのは、一部の文字起こしツールが片方しかサポートしていない場合があるからです。

Vorbis(2001年に標準化)は設計上、可変ビットレート(VBR)です。Audacityのデフォルトである品質レベル5は、おおよそ128kbps MP3と同じファイルサイズを目指しますが、複雑な箇所に多くのビットを割り当てるため、より高品質になります。録音物、ポッドキャスト、Wikipediaの音声などで128〜256kbpsのVorbisを見かけます。

Opus(2012年に標準化、RFC 6716)はリアルタイム音声通信用に作られました。6kbpsから510kbpsまで動作し、音声と音楽の符号化モードを動的に切り替えます。24kbps以上では、研究によりロスレス音声と約1.5ポイント以内の自動音声認識精度が示されています。16kbpsを下回ると有意な劣化が始まり、WhatsAppのボイスメッセージはちょうどその境界線上にあります。

拡張子の罠。 Xiph.Org Foundationは、OGGコンテナに入ったOpusファイルに対して.opusという拡張子を公式に規定しています(RFC 7845 / XiphWiki OggOpus)。最近のツールは.opusで書き出しますが、古いアプリはOpusに.ogg拡張子を付けていたことがあります。WhatsApp、Discord、Telegram由来の.oggファイルが不自然に小さく見える場合(音声1分あたり15KB未満)、ほぼ確実にOpusに誤ったラベルが付いています。ffprobe yourfile.oggを実行し、出力にAudio: opusまたはAudio: vorbisと表示されるか確認してください。

WhatsAppボイスメッセージの書き出し手順

WhatsAppは現実世界で最大のOGG Opusファイルの供給源であり、スマートフォンから正しく取り出す方法はプラットフォームによって異なります。

Android

最もクリーンな方法は、ファイルマネージャーを開いてAndroid/media/com.whatsapp/WhatsApp/Media/WhatsApp Voice Notes/に移動することです。WhatsAppはそこに録音を.opusファイルとして、ビット単位で元のままの品質で保存しています。USB経由でPCにコピーするか、クラウドフォルダに直接アップロードしましょう。

別の方法として、WhatsApp内でボイスメッセージを長押しし、共有アイコンをタップしてGoogleドライブやメールアプリに送ることもできます。ファイルは元の.opusのまま転送されます。

iPhone

iPhoneでの手順には落とし穴があります。転送&共有の方法(長押し→転送をタップ→共有アイコンをタップ)では、ボイスメッセージが.m4aに再エンコードされます。元のOpusストリームは失われます。

元のエンコーディングを保持したい場合は、設定 > チャット > チャットを書き出すに進み、「メディアを添付」を選択して、生成されたZIPを「ファイル」に保存します。ZIPの中では、ボイスメッセージは元のエンコーディングがそのまま保たれた.opusファイルとして現れます。文字起こし品質が重要な場合はこちらの方法を使いましょう。

WhatsAppはボイスメッセージを16kHz・16kbps・モノラルで録音します。1分のメッセージは通常110〜160KB程度になります。狭い周波数帯域の記録(16kHzサンプルレートにより最大8kHzまで)は、音声の了解性に必要な範囲はすべてカバーしています。ただし、これは文字起こし精度がより高いビットレートで録音されたものよりやや低くなることを意味します。ツールの失敗ではなく、コーデックが限界近くで動作しているためです。

Telegramのボイスメッセージ

デスクトップ版Telegramで右クリック(Androidでは「ダウンロードに保存」)すると、約32kbps Opus・48kHzモノラルの元の.oggファイルが取得できます。これはWhatsAppの16kbpsより一段上で、訛りの強い話者や騒がしい環境でも明らかにクリーンです。

iPhoneでは、ボイスメッセージの共有アイコンをタップして保存先を選びます。ファイルはOpusストリームがそのまま保たれた.oggとして届きます。

Audacityの書き出し

AudacityはデフォルトでOGG Vorbis(Opusではなく)を可変ビットレートで書き出します。品質レベルは10段階中5がデフォルトです。出来上がるファイルは128kbps MP3と同等のサイズですが、Vorbisが複雑な音声に多くのビットを割り当て、無音には少ないビットしか使わないため、品質は向上します。

自分のAudacity録音を文字起こしする場合は、Opusとして書き出すこともできます(ファイル > オーディオを書き出す > Opus)。同等の品質でより小さいファイルが得られます。どちらでも文字起こしには問題ありません。

文字起こしのためのOGGファイルのアップロード

最新の文字起こしエンジンは、.oggや.opusコンテナ内のVorbisとOpusの両方を直接処理できます。先にMP3へ変換しないでください。 非可逆圧縮のOpusファイルを2つ目の非可逆エンコーダー(192kbps MP3であっても)に通すと、音声情報が失われます。元のファイルをそのままアップロードしましょう。

OGGを拒否して「サポートされていないコーデック」エラーを出すツールをお使いの場合:

ffmpeg -i in.ogg -c:a libmp3lame -b:a 192k out.mp3

これで互換性のためにMP3へ変換されます。OpusからVorbisへの変換(OGGコンテナのまま)は次のとおりです:

ffmpeg -i in.opus -c:a libvorbis -q:a 6 out.ogg

また、ファイルは正常に再生できるのにツールが拒否する場合(古いエンコーダーによる不正なヘッダー)は、再エンコードせずに再ラップします:

ffmpeg -i broken.ogg -c:a copy fixed.ogg

短いボイスメッセージ(2分未満)なら30秒以内に文字起こしが完了します。Wikipediaの読み上げ記事一式や1時間のAudacityポッドキャスト書き出しの場合は2〜5分かかります。

iPhoneの標準的なボイスメモ形式から文字起こしを取得したい方は、iPhoneでボイスメモを文字起こしする方法で書き出し手順全体を解説しています。

フォーマット比較表

24kbps以上のOpusは、ロスレス音声の精度の約1.5%以内で文字起こしされます。16kbpsのWhatsAppメッセージの精度上限はやや低く、静かな環境での発音の明瞭な話者には信頼性がありますが、訛りのある録音やノイズの多い録音ではばらつきます。

一般的なすべてのコンテナにおけるフォーマット比較を広く知りたい方は、文字起こしでサポートされているオーディオ形式で全容を解説しています。

OGG特有の注意点

Opus DTXによるギャップ。 一部のOpusエンコーダーは不連続伝送(DTX)を使用し、無音区間に音声データの代わりにゼロ長の「快適ノイズ(comfort noise)」パケットを挿入します。OggOpus仕様(RFC 7845)では、これらはデコーダー側でパケットロス隠蔽として解決されるべきものです。最新の文字起こしエンジンのほとんどはこれを正しく処理します。文字起こし結果に無音境界で説明のないギャップがある場合は、アップロード前に無音を除去・パディングしてみてください:

ffmpeg -i in.ogg -af "silenceremove=stop_periods=-1:stop_duration=0.5:stop_threshold=-40dB" out.ogg

「サポートされていないコーデック」エラーとOpus。 古いツールの中にはVorbisは扱えてもOpusを扱えないものがあります。これはメッセージングアプリ由来の.oggファイルで特に多く見られます。ffprobe yourfile.oggでコーデックを確認できます。opusと表示されてツールが拒否する場合は、ツールを切り替えるか、前述の方法で変換してください。

ゲームエンジン由来のマルチトラックOGGファイル。 一部のゲーム(特にGodotエンジンや古いOggベースのストリーミングシステムを使用しているもの)は、1つのコンテナに複数の論理ストリームを格納しています。ほとんどの文字起こしツールは最初のストリームしか読みません。ゲーム由来のOGGからセリフを抽出しようとしている場合は、ffmpegでストリーム0を明示的に抽出してください:

ffmpeg -i game_audio.ogg -map 0:a:0 extracted.ogg

Audacityプロジェクトファイルと書き出しファイルの違い。 Audacity独自の.aup3プロジェクト形式はSQLiteデータベースであり、OGGファイルではありません。再生可能な.oggを得るには、明示的に書き出す必要があります(ファイル > オーディオを書き出す)。初めてAudacityを使うユーザーがプロジェクトファイルをアップロードしようとしてエラーになることがあります。

別のフォーマットを検討すべきケース

自分で録音を管理できて文字起こし品質が重要な場合は、32kbps以上のOpusで録音するか、短いセッションなら非圧縮WAVを使用しましょう。16kbpsのWhatsAppメッセージと64kbpsのOpus録音の違いは、人間の耳にも文字起こしエンジンにも聞き取れます。

他人からのボイスメッセージではなく、自分で録音した音声のクリーンな文字起こしだけが必要な場合は、ConvertAudioToTextがWAV、MP3、MP4、OGG、その他ほとんどのコンテナを受け付けています。大量処理で無料プランと有料プランを比較検討しているなら、1時間あたりの文字起こしコストの内訳を読む価値があります。

よくある質問

文字起こしにおいて、OGG OpusはMP3より優れていますか?

64kbps未満のビットレートでは、はい。Opusは24kbps以上であればロスレス音声と約1.5ポイント以内の音声認識精度を実現しますが、同じビットレートのMP3は明らかに劣化して聞こえます。128kbpsを超えると、文字起こしの目的では両者は実質的に同等です。特に音声については、メッセージングアプリが実際に使用している低ビットレート域で、Opusが明確な優位性を持っています。

Discordのボイスメッセージを無料で文字起こしできますか?

はい。Discordでボイスメッセージを右クリックしてリンクをコピーし、.oggファイルをダウンロードするか、Discordの「名前を付けて保存」を使います。それを文字起こしツールにアップロードしてください。ConvertAudioToTextは登録不要で最初の10分間を無料で文字起こしでき、無料アカウントを作ると10分の文字起こし時間が1回限りで追加されます。さらに多くの量が必要な場合は、有料プランも用意されています。

WhatsAppのボイスメッセージは聞こえが良いのに、文字起こしの精度が低いのはなぜですか?

WhatsAppは16kbps・16kHzモノラルで録音しています。このビットレートでは、Opusは人間の耳にとっての音声明瞭度に最適化されています。人間の耳は自動音声認識システムよりも高い圧縮に耐えられるからです。強い訛り、背景ノイズ、文脈から耳が補完してしまう早口などは、まさにコーデックの限界が文字起こし精度を損なうケースです。すでに受信した音声には対処のしようがありません。自分で録音する場合は、より高いビットレートで録音できるボイスメモアプリを使用しましょう。

.opusファイルは.oggファイルと同じように文字起こしできますか?

はい。.opusはOGGコンテナに入ったOpus音声ストリームで、Xiph.Org Foundationが公式に推奨するより具体的な拡張子が付いているだけです。ファイル形式自体はOpus音声を含む.oggファイルと同一です。片方を受け付けるツールはもう片方も受け付けるはずです。もしツールが拡張子だけで.opusを拒否する場合は、.oggにリネームして再試行してください。コーデックは変わりません。

参考資料

• XiphWiki: OggOpus仕様
• RFC 7845: OpusオーディオコーデックのOggカプセル化
• Opus Codec公式比較
• Audacityマニュアル: OGG Vorbis書き出しオプション
• Audacityマニュアル: Opus書き出しオプション
• WhatsApp Business Platform: 音声メッセージ
• Wikipedia: Opusオーディオ形式