文字起こしと翻訳のワークフロー：2026年に最適なパイプライン

適切なワークフローはひとつの質問で決まります。元言語のテキストが必要か、それとも英語の出力だけで十分か？ 英語だけが必要で、元データを破棄してもよいなら、1段階モデルで足ります。ほぼすべてのプロフェッショナルなユースケースでは元言語の文字起こしテキストが必要になるため、2段階になります。

2段階方式：まず文字起こし、次に翻訳

2段階パイプラインの手順：

1. AI文字起こしサービス（Deepgram、AssemblyAI、Whisper、またはそれらを基盤とした製品）を使って、音声を元の言語で文字起こしします。
2. DeepL、Google Translate API、LLMなどを使って、生成されたテキストをターゲット言語に翻訳します。

最大の利点は検証可能性です。翻訳前に、元の音声を再生して元言語のテキストを確認できます。翻訳ステップまで残ってしまったエラーは、原因を遡って特定するのも修正するのも難しくなります。翻訳者や編集者が扱うのが元データではなく下流の成果物になっているためです。

2段階方式が有効なケース

元言語の文字起こしテキスト自体に独立した価値がある場合は、常に2段階方式が正解です。 具体的には以下が該当します。

• アーカイブ・検索のユースケース（スペイン語の文字起こしテキストはスペイン語のままインデックス化できます）。
• 記事作成のワークフローで、記者が原文と翻訳を並べて引用する必要があるケース。
• コーディングや注釈付けを元言語で行う定性調査。
• 後日再翻訳が必要になる可能性のあるあらゆるワークフロー（今日はポルトガル語、来月はフランス語へ）。
• 字幕生成。元言語のSRTファイルがすべての翻訳版のタイミングの基準となります。

2段階方式のコスト増について

文字起こし1回＋翻訳1回の呼び出しは、確かに時間とコストを追加します。60分のスペイン語ポッドキャストの場合、文字起こしステップのコストは、利用中の文字起こしサービスの60分分の料金とほぼ同じです。翻訳ステップでは、生成されたテキスト（通常スペイン語で10,000〜15,000文字）を翻訳APIに送るコストが加わります。DeepLのGrowth API料金（100万文字あたり27.50ドル）では、1エピソードあたり1ドルにも満たない額です。

追加コストは確かに発生しますが、ごくわずかです。大量処理のパイプラインでは、追加される時間のほうが通常大きな懸念材料になります。

1段階方式：翻訳文字起こし

Whisper large-v3にはtranslateタスクが組み込まれています。サポートされている99の入力言語のいずれかで音声を送ると、モデルが直接英語テキストを出力します。API呼び出し1回で、出力は英語、元言語の情報は失われます。

これは汎用の多言語翻訳システムではありません。出力言語は英語のみです。ドイツ語の音声をフランス語テキストにしたい場合、Whisperのtranslateタスクでは対応できません。英語からフランス語への2番目の翻訳ステップが依然として必要になります。

1段階方式が有効なケース

1段階方式が理にかなうのは、素早く英語だけで消費する場面です。外国語クリップをざっと読むだけで引用しない研究者、録音を追いかける価値があるかどうか確認する記者、英語でのインデックス化を目的に外国語音声を取り込むバッチパイプラインなどが該当します。

1段階方式が適切なユースケース：

• ニュース編集室での外国語フィードのトリアージ。
• 他言語で行ったインタビューからの個人調査メモ。
• 英語キーワードの検出が目的で、文字起こしテキスト自体は目的ではないモニタリングパイプライン。

1段階方式で失われるもの

文字起こしモードでモデルを再実行しない限り、元言語の文字起こしテキストは永久に失われます。話者ラベルは英語出力に付与されるため、元の音声との照合による引用確認がかなり難しくなります。3つ目の言語への再翻訳も元データからはできません。英語の機械翻訳から翻訳することになり、品質低下が2世代重なることになります。

翻訳文字起こしには文脈情報も欠けています。モデルは音声をチャンク単位で処理し、ドキュメント全体の構造を先に把握せずに逐次翻訳していきます。前の発言への言及や参照を含むスピーチ、講義、インタビューでは、文法的には一貫していても文脈的に平坦な英語が出力されることがあります。

ステップ間の品質ゲート

文字起こし・翻訳パイプラインで最も多いミスは、レビューされていない文字起こしテキストをそのまま翻訳に送ることです。 エラーは複合化します。元データで誤って文字起こしされた名前は、ターゲット言語では誤った名前に翻訳され、編集者はターゲット言語を読んでいるため誰も気づきません。

文字起こしと翻訳のステップ間で、以下の品質チェックを実施してください。

まず固有名詞と専門用語を確認します。 AI文字起こしモデルは、聞き慣れない名前、ブランド、分野の語彙を音から推測して補完します。主要な話者の名前、会社名、製品名、頭字語を文字起こしテキスト内で検索してください。翻訳前に修正します。「GPT」が「G-P-T」や「GBT」と文字起こしされると、ツールによって異なる翻訳結果になります。

数値を検証します。 日付、統計、金額、パーセンテージは重要度が高く、エラーが起きやすい項目です。多くの言語で「14」と「40」は似た発音です。間違っていたら困る数字は必ず抜き打ちで確認しましょう。

話者境界を確認します。 文字起こしテキストに話者分離が含まれている場合は、やり取りのサンプルで話者境界が正しいか検証してください。特に発言の割り込みや同時発話の部分です。誤って帰属された引用は、警告なしに翻訳出力に残ってしまいます。

文の区切りを確認します。 AI文字起こしは、特に長いポーズの前後で文を誤って分割することがあります。不完全な文を翻訳モデルに入力すると、文法的におかしな出力になることがあります。全文を翻訳する前に、主要な話者ごとの冒頭段落を見直しましょう。

これらのチェックには、典型的な60分の録音で5〜15分かかりますが、後工程の編集作業を何時間も節約できます。

テキストを翻訳すべきか、対象言語の音声を再文字起こしすべきか

元言語の録音と対象言語版の両方がある場面では、必ずこの疑問が生じます。吹き替え動画、プロが翻訳して読み上げたスピーチ、話者ごとに言語が異なるバイリンガルインタビューなどです。

文字起こしテキストを翻訳する（これが通常の答え）のは、次の場合です：

• 元の話者の録音がある場合。元の音声こそが正しいバージョンです。文字起こしし、検証し、テキストを翻訳します。
• 対象言語版が吹き替えである場合。吹き替え音声には、吹き替え作業による抑揚の変化、タイミングの歪み、時には表現の改変が含まれます。吹き替えを文字起こしして正として扱うことは、独自のエラー層を持つ派生物をベースに作業することを意味します。
• 複数のターゲット言語に出力する必要がある場合。検証済みの元言語文字起こしテキスト1つから、ポルトガル語、フランス語、ドイツ語へ並行して翻訳できます。別々に文字起こしした3つの吹き替え版は、必然的に食い違いが生じます。

対象言語の音声を直接再文字起こしするのは、次の場合です：

• 元の録音がない場合。オリジナルのない吹き替え動画しか手元にないなら、吹き替えを直接文字起こしします。
• 対象言語版が機械的な吹き替えではなく、人間の話者が原稿を読み上げて作られたものである場合。例えば2言語で同時に配信されるカンファレンススピーチは、それぞれがオリジナルのパフォーマンスです。
• 2つの言語版で内容が大きく異なる場合。多くの吹き替え作品ではシーンのカットや書き換えが行われます。内容が異なるなら、各バージョンに個別の文字起こしテキストが必要です。

字幕翻訳ワークフローについては、実務上のルールは次のとおりです。必ず元言語のSRTまたはVTTから始め、字幕テキストをセグメントごとに翻訳し、翻訳済み字幕ファイルを公開する前に元の音声とタイミングを照合します。

パイプラインに合う翻訳ツールの選び方

適切な翻訳ツールは、処理量、言語ペア、そしてどれほど文脈が重要かによって変わります。

ほとんどのコンテンツ業務（ポッドキャスト、インタビュー、講義、ビジネス通話）では、ヨーロッパ系言語ペアならDeepL、それ以外の言語ペアならGPT-4o miniのようなLLMを使えば、低コストで高い結果が得られます。人間による翻訳がコストに見合うのは、精度が法務や医療に関わる場合だけです。

ポッドキャストのスペイン語翻訳やその他の主要言語については、特にスペイン語・英語ペアにおけるDeepLの精度は、直接対比ベンチマークで高く評価されています。多言語チームコミュニケーションについては、国際チーム向け文字起こしの記事を参照してください。

翻訳を通じた話者ラベルの維持

話者ラベルは、フォーマットを正しく扱った場合にのみ翻訳後も維持されます。

壊れやすい方法： 文字起こしテキスト全文をひとまとまりのブロックとして翻訳インターフェースに貼り付けます。「Speaker 1: [text]」のような話者ラベルは、翻訳ツールがそれを翻訳対象のコンテンツとして扱うかどうかによって、維持されることもされないこともあります。

堅牢な方法： 構造化フォーマット（SRT、VTT、または発話ごとのオブジェクトを持つJSON）で書き出し、各セグメントのテキストフィールドを個別に翻訳します。話者属性は別のフィールドに格納され、翻訳プロセスには一切触れられません。ほとんどのLLMおよびAPI翻訳パイプラインは、簡単な前処理ステップでこれに対応できます。

インタビュー中心の業務については、翻訳ステップに入る前に文字起こしテキストをどう構造化するかを、インタビュー文字起こしガイドで確認してください。

よくあるワークフローパターン

ニュース編集室：海外特派員の録音

元言語の音声を話者ラベル付きで文字起こしします。固有名詞（人名、地名、政府機関）に対して品質ゲートを適用します。文脈メモ（例：「Speaker 1は大臣です」）をシステムプロンプトとしてLLMに渡して英語に翻訳します。記者は公開前に、英語の引用文を元言語の文字起こしテキストと照合して確認します。

ポッドキャストのローカライズ

元言語で文字起こしします。元言語のショーノートとチャプターマーカーを生成します。ターゲットロケールごとに全文を翻訳します。字幕配信用に各ロケールのSRTファイルを書き出します。元言語の文字起こしテキストが正規バージョンのまま残り、修正はすべての翻訳出力に反映されます。

定性調査

調査現場の言語でインタビューを文字起こしします。元言語の文字起こしテキストに定性コードと主題注釈を適用します。分析レポート作成のために英語へ翻訳します。再現性のために、付録に元言語のテキストを引用します。1段階の翻訳文字起こしを使っていたら、元言語のコーディング層は失われていたでしょう。

YouTubeの多言語字幕

元言語で文字起こしし、元言語のSRTを書き出します。タイムスタンプを保持したまま、SRTの字幕テキストを各ターゲット言語に翻訳します。翻訳済みの各SRTをYouTubeの字幕管理画面にアップロードします。元言語のSRTがタイミングを正確にカバーしているなら、吹き替え版を再文字起こしする必要はありません。このワークフローの詳細は、字幕翻訳ワークフローガイドで字幕セグメントの扱いを詳しく解説しています。

ConvertAudioToTextが活躍する場面

99以上の言語の音声を文字起こしし、その結果得られた文字起こしテキストを翻訳する必要があるなら、CATTは最初のステップを話者ラベル、タイムスタンプ、AIテンプレート付きで処理します。 フリープランではサインアップ時に一度だけ10分の文字起こし枠が付与され、Proプラン（無制限の文字起こし）は月額9.99ドルです。translate-audioツールとtranslate-videoツールは、対応している言語ペアにおいて、文字起こしとLLMベースの翻訳をひとつのインターフェースで組み合わせ、話者ラベルを保持した翻訳済み文字起こしテキストを出力します。

CATTは人間による翻訳レビューは提供していません。その層が必要な場合は、AI翻訳ステップの後に人間レビューサービスと組み合わせてください。

FAQ

音声の文字起こしと翻訳の違いは何ですか？

文字起こしは、音声と同じ言語で発話をテキスト化する処理です。翻訳は、そのテキストを別の言語へ変換します。両方のステップを1回のAPI呼び出しにまとめたツールもありますが、多くのプロフェッショナルなパイプラインでは分けて運用することで、翻訳によるエラーの複合化が起きる前に文字起こし結果を確認・編集できるようにしています。

文字起こし・翻訳ワークフローは1段階式と2段階式のどちらを使うべきですか？

1段階式（Whisperのtranslateタスク）を使うのは、手早く英語だけ確認できればよく、元言語のテキストを破棄してもよい場合だけにしてください。アーカイブ、編集、話者確認、再翻訳のために元言語の文字起こしテキストが必要な場合や、ターゲット言語が英語以外の場合は、常に2段階式を選びましょう。

対象言語の音声を再文字起こしするのではなく、文字起こしテキストを翻訳すべきのはどんなときですか？

元の言語での話者録音（最も信頼できるソース）がある場合は、文字起こしテキストを翻訳してください。吹き替え版やプロによる再録音版が対象言語である場合に限り、対象言語の音声を直接再文字起こしします。吹き替え音声にはタイミングの歪みや抑揚の変化が含まれることが多く、文字起こしエラーが重なりやすいためです。

AIの文字起こしテキストに最適な翻訳ツールは何ですか？

ほとんどのコンテンツ（ポッドキャスト、インタビュー、講義）では、月額約8.74ドルのDeepL Individualがヨーロッパ系言語ペアで高い品質を発揮します。文脈が重要なコンテンツや専門分野のコンテンツには、GPT-4oやClaudeのようなLLMの方がニュアンスをうまく扱えます。Google Translate APIは低コストで最も広い言語範囲をカバーしますが、一般的でない言語ペアでは品質が劣ります。

翻訳ステップでも話者ラベルを保持するにはどうすればよいですか？

翻訳前に、構造化フォーマット（SRT、VTT、または話者タグ付きJSON）で文字起こしテキストを書き出し、全文をひとまとめに入力するのではなく、各セグメントを個別に翻訳します。ほとんどのLLMとDeepL APIは、話者属性を保持したセグメント単位の構造化入力を受け付けます。公開前に、ラベル付き引用文のサンプルを元の音声と照合して確認しましょう。

参考資料

• OpenAI Whisper large-v3モデルカードおよびtranslateタスクのドキュメント：huggingface.co/openai/whisper-large-v3
• DeepLの料金（Individual、API Growth）：eesel.ai/blog/deepl-pricing（2026-07-02確認）
• Rev.comの文字起こし料金：rev.com/pricing（2026-07-02確認）
• Otter.aiの料金プラン：otter.ai/pricing（2026-07-02確認）
• TurboScribeの料金：turboscribe.ai/pricing（2026-07-02確認）
• OpenAI APIの料金（GPT-4o）：openai.com（2026-07-02確認）