会議の録音を自動で文字起こしする方法(2026年版)

放置で完結するセットアップ

会議の録音から文字起こしを最速で得る方法は、会議終了後に一切手を触れないことです。 現実的なアーキテクチャは2つあります。ボット型ツールが通話に参加して自動的に文字起こしを届けるか、クラウド録音をウォッチフォルダーワークフローに流し込み、新しいファイルが届いた瞬間に文字起こしを実行するかです。どちらが必要かは、録音がすでにクラウドストレージにあるのか、それとも毎回の通話に自動参加してくれる仕組みが欲しいのかによります。

本記事では両方の方式を、確認済みの料金情報とともに、それぞれの方式が破綻するポイントについても率直に解説します。

自動化の2つのルート

ルート1:ボットが通話に参加し、後から文字起こしが届く

Otter.aiやFireflies.aiのような会議ボットツールはカレンダーと連携し、すべてのビデオ通話にボットの参加者を送り込み、通話終了から数分以内に文字起こしを届けます。一度設定すればあとは放置でOKです。

Otter.ai(2026年7月時点で確認)：無料プランは月300分で、ファイル取り込みは生涯3回までしかできず、チームでの日常利用にはほぼ役立ちません。Proは月16.99ドル(年払いなら月8.33ドル)で、上限が月1,200分に引き上がりますが、1回の会議は90分までという制限があります。Businessはユーザーあたり月30ドル(年払いなら月19.99ドル)で、上限は会議数無制限、1セッション4時間に引き上がります。Zapier連携はPro以上で利用可能です。

Fireflies.ai(2026年7月時点で確認)：無料プランはチームあたり録音400分の保存のみで、要約やアクションアイテムの生成を左右する月次のAIクレジットが付きます。Proは1シートあたり月18ドル(年払いなら月10ドル)で、8,000分のストレージが含まれます。Businessは1シートあたり月29ドル(年払いなら月19ドル)で、無制限ストレージ、会話インテリジェンス、CRM同期が追加されます。知っておきたい隠れコストがあります:AIクレジットは要約、アクションアイテム、検索を支えています。ヘビーユーザーはクレジットを使い切ると、表示価格に月15〜50ドル上乗せして支払うのが常態化します。料金ページに載っていないコストの詳細については、文字起こしサービスの隠れたコストをご覧ください。

どちらのツールもZoom、Google Meet、Microsoft Teamsに参加できます。セットアップは20分以内で完了します。カレンダーを連携し、ボットを承認し、どの種類の会議に自動参加させるかを設定するだけです。

ルート2:プラットフォーム標準の文字起こし(プランによる制限あり)

サードパーティーツールに手を出す前に、利用している会議プラットフォームが標準で文字起こしに対応していないか確認しましょう。

Zoomのクラウド録画はすべての有料プランに含まれます。自動録画設定を有効にすると、会議が始まった瞬間に録画が開始されます。クラウド文字起こしはアカウント設定で別途有効化できます。

Microsoft Teams(2026年7月時点で確認)：標準の文字起こしはMicrosoft 365 E3/E5以上に付属します。2026年4月〜5月の時点では、会議主催者は映像を録画せずに文字起こしだけを記録する「文字起こしのみ」オプションを選択できます。決定事項やアクションアイテムを抽出するAI生成の要約には、追加でMicrosoft 365 Copilotライセンスが必要です。

Google Meet(2026年7月時点で確認)：標準の文字起こしにはBusiness Standard(年払いで1ユーザーあたり月14ドル)以上のWorkspaceプランが必要です。Business Starterと無料アカウントは対象外です。文字起こしは通話終了から5〜10分以内に主催者のGoogleドライブに保存されます。現実的な制約として、対応言語は8言語のみ(英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、スペイン語)で、この機能はiOSやAndroidではなくデスクトップでのみ動作します。

自動参加オプションの比較

ウォッチフォルダーパイプライン(バッチ運用の現実)

クラウドストレージにすでに録音ファイルがあるなら、ウォッチフォルダー型のZapierワークフローで、手動アップロードなしに文字起こしできます。 アーキテクチャはシンプルです。特定のGoogleドライブやOneDriveフォルダーに新しいファイルが届くと、Zapierがそれを検知し、HTTP POST経由で文字起こしサービスにファイルを渡します。

Zapierにはこのパターン向けの検証済みテンプレートが用意されており、新しいGoogleドライブのファイルをトリガーに、音声をFireflies.aiやRevへ自動送信するものも含まれています。

CATTのAPIを使うチームでも同じパターンが使えます。Zapierワークフロー(Webhooks by ZapierまたはHTTPステップを使用)で録音URLをCATTの文字起こしエンドポイントにPOSTし、処理完了時に登録済みのWebhook経由で完成した文字起こしを受け取れます。CATTはまだZapierマーケットプレイスにネイティブのZapierアプリを掲載していないため、少量のノーコード設定(APIキーを設定したHTTPステップと、完了コールバック用のWebhook URL)が必要です。開発者はCATT開発者ページに記載されているREST APIとHMAC署名付きWebhookを使えば、さらに踏み込んだ構築も可能です。

バッチ運用の正直な現実： 誰も何もクリックせずにすべての録音が文字起こしされる、真の完全自動化には、会議ボットかクラウドトリガーのパイプラインが必要です。たまに録音するだけのチームにとっては、手動の一括アップロードが現実的な中間策です。録音を5件まとめて投入し、すべて開始したら、結果を待ちに行くだけ。完全なゼロタッチではありませんが、パイプラインが整うのを待つよりはるかに速い方法です。

文字起こしを会議後のワークフローに組み込む方法の詳細は、議事録の自動化と会議の録音からアクションアイテムを作成する方法をご覧ください。

手順解説：録音ファイルを今すぐ文字起こしする

ステップ1:録音ファイルを入手する

主要なプラットフォームはいずれも、通話後に録音を書き出せます:

• Zoom: ファイルはMP4とM4Aとしてローカルに保存されるか、クラウド録画が有効ならZoomクラウドに保存されます。音声のみのM4Aの方が容量が小さく、処理も速くなります。
• Microsoft Teams: 録画はMP4としてOneDriveまたはSharePointに保存されます。そこからダウンロードしてください。
• Google Meet: 録画はMP4として主催者のGoogleドライブに保存されます。
• Webex、GoTo Meetingなど: プラットフォームごとに録音の保存先が異なります。会議前に設定を確認しておきましょう。

ステップ2:ファイルをアップロードする

Meeting Transcriptionツールを開いて録音をアップロードします。MP4、M4A、WAV、MP3、WebMのいずれにも対応しています。録音がクラウドストレージの共有可能なURLにある場合は、ダウンロードせずにリンクを直接貼り付けることもできます。

ステップ3:精度のための設定

話されている言語を選択します。会議で複数の言語が使われた場合は、主要な言語を選んでください。誰が何を話したかをラベル付けしたい場合は、話者ダイアライゼーションを有効にします。話者識別の仕組みと精度が落ちる場面について詳しくは、話者ダイアライゼーションの解説をご覧ください。

ステップ4:確認と仕分け

60分の会議なら処理は3〜5分で完了します。完了したら、AIモデルが誤認識しやすい固有名詞、プロジェクト名、専門用語を中心に文字起こしをチェックします。特に重要なのはここです:アクションアイテム、決定事項、人物名やクライアント名。

精度への期待値については、文字起こし精度の解説で「90〜98%の精度」が実際には何を意味するのかを解説しています。

ステップ5:整形して共有する

文字起こしを書き出し、会議サマリーに添付します。冒頭に主要な決定事項とアクションアイテムを短くまとめ、その後に参照用の全文を続ける形式が、実際に多くのチームが使っている形です。

出力の構成については、会議メモの文字起こし方法とAI会議要約テンプレートも併せてご覧ください。

プラットフォームごとの注意点

Zoomのローカル録画は2つのファイルを生成します。映像入りのMP4と、音声のみのM4Aです。文字起こしにはM4Aを使いましょう。容量が小さく、アップロードも速く、フル動画と比べて精度は一切落ちません。

Microsoft Teamsでは、組織がE3以上のMicrosoft 365ライセンスを持っていない場合、標準の文字起こしオプションはインターフェースにそもそも表示されません。それ未満のプランのユーザーは、録画をダウンロードして外部ツールを使う必要があります。

Google Meetは文字起こしを録画とは別に保存します。録画だけが存在することもあれば、その逆もあります。両方が必要なら、会議前に管理設定で両方とも有効になっていることを確認してください。

ツール選びよりも音声品質のほうが効いてくる

私の見解：会議の文字起こし品質に最も大きな影響を与えるのは、どのツールを選ぶかとは無関係です。反響のある大きな会議室でのノートPC内蔵マイクは、どのサービスを使っても不正確な文字起こしになります。専用の会議室用マイクなら、入門的なものでも、サービス間の機能差よりも大きく結果を変えます。

積み重ねるほど効果が出る習慣：

• 一度に一人だけ話す。特に決定事項とアクションアイテムを扱う場面では重要です。発言の重なり(クロストーク)は文字起こしエラーの最大の原因です。
• 各参加者が冒頭で自分の名前を名乗る。話者ダイアライゼーションは、早い段階で声を紐づけられるほど安定します。
• 専門用語、プロジェクト名、クライアント名は初めて登場したときに綴りを伝える。AIモデルは未知の用語を音のまま書き起こしてしまうためです。

上記の概要以外のプラットフォーム別の手順については、Zoom会議の文字起こし方法、Microsoft Teams会議の文字起こし方法、Google Meet録音の文字起こし方法をご覧ください。

FAQ

自動の会議文字起こしにはどれくらい時間がかかりますか?

最新のAIツールなら、60分の録音は3〜5分で処理できます。同じ録音を手作業で文字起こしすると4〜6時間かかります。未処理の録音が大量にたまっている場合は、一括アップロードによる並列処理で全体の所要時間を大幅に短縮できます。

会議の文字起こしで発言者を識別できますか?

はい。話者ダイアライゼーションにより、文字起こし結果の中で異なる声にラベル(話者1、話者2など)が割り当てられます。精度は2〜4人の話者の場合に最も高く、同時に話す人数が増えたり、声の高さや話し方が似ていたりすると低下します。Meeting Transcriptionツールは複数話者の識別に対応しています。

自動文字起こしは手書きメモの代わりになるほど正確ですか?

ほとんどのビジネス用途では、はい。最新のAI文字起こしはクリアな音声に対して90〜98%の精度を達成しており、固有名詞や専門用語を修正する程度の簡単な見直しを行えば、決定事項とアクションアイテムの信頼できる記録になります。ただし、音質が悪い録音、強い訛り、早口での発言の重なりがあると精度は低下します。このパーセンテージが実務で何を意味するのかの現実的な内訳については、文字起こし精度の解説をご覧ください。

すべての会議を自動で文字起こしするには会議ボットが必要ですか?

必ずしもそうではありません。組織がMicrosoft 365 E3/E5またはGoogle Workspace Business Standardを利用しているなら、TeamsやMeetの標準機能だけでボットなしに対応できます。Zoomも有料プランのクラウド文字起こし機能を使えば、サードパーティーのボットは不要です。Otter.aiやFireflies.aiのようなボット型サービスが適しているのは、クロスプラットフォーム対応、AI要約、標準ツールにない連携機能が必要な場合です。すでに録音ファイルがあり、会議にアプリを追加せずにきれいで正確な文字起こしだけが必要なら、ConvertAudioToTextがファイルから直接処理します。

参考情報

• Otter.ai 料金ページ(2026年7月時点で確認)
• Fireflies.ai 料金ページ(2026年7月時点で確認)
• Microsoft Teams:録画と文字起こしの概要(2026年7月時点で確認)
• Google Workspace:会議の文字起こしをオンまたはオフにする(2026年7月時点で確認)
• Zoom:自動録画の有効化と無効化(2026年7月時点で確認)
• Zapier:Googleドライブの音声ファイルをFireflies.aiで文字起こしする(2026年7月時点で確認)
• Otter.ai:Zapierを使って録音を自動インポートする(2026年7月時点で確認)
• ConvertAudioToText:文字起こしとSlackの連携(2026年7月時点で確認)