逐語とクリーン文字起こしの違い:忠実度の3つのレベル

最も多くの人がつまずく選択は、一見シンプルです。元の発話をどこまで残すか?これを間違えると、フィラーワードの壁を何時間もかけて掃除することになるか、あるいは、編集者がこっそり削除した正確な言葉づかいが必要だったと、手遅れになってから気づくことになります。

忠実度の3つのレベル

すべての文字起こしスタイルは、最大の忠実度から最大の読みやすさまでのスペクトラム上にあります。実務上の3つのレベルは次のとおりです。

用語についての注記:多くのサービスはインテリジェントバーベイタムを「クリーンバーベイタム」と呼んでおり、両者に狭い線引きをするスタイルガイドも少数あります。実際にはその差は小さいため、最善の方法は、文字起こし業者に何を除去するのか明示的に確認することです。

フルバーベイタム:すべての音を

フルバーベイタムは、話者が発するすべてを記録します。本人が言わなければよかったと思っているものまで含めてです。 すべての「えー」、すべての繰り返し言葉、話者が文を始めて途中でやめてしまうすべての言い淀み、聞き取れるすべての笑いや咳、そしてスタイルガイドが求める場合には、その長さを記したすべての間(ま)。

実際にどう見えるか、30秒分の回答の例です。

話者1: えーっと、あの、その、その、問題っていうのは、僕たちが、えー、試したんですよ[間 2秒]新しい料金設定を試してみたんですが、その、なんか、うまく(笑)思ったようには、僕たちが、僕たちが思ってたようには、うまくいかなかったんですよね。

法廷記録がこの形をしているのは、そうするしかないからです。文字起こしが証拠として提出されると、裁判官や弁護士は、話者が正確に何を言ったのか、どう言ったのか、ためらいが何かを示唆していないかを議論する必要があるかもしれません。談話パターンを研究する質的研究者、発話行動を分析する心理学者、録音の真贋を鑑定する法医学アナリストは、皆同じものを必要とします。何も変えず、何も削らないことです。

法務と法医学の分野を超えると、2つの特殊な記法がフルバーベイタムを学術言語学向けに拡張します。音声文字起こし(発音と方言を表すIPA記号)とジェファーソン式文字起こし(発話の重なり、ピッチの変化、強勢、0.1秒単位の間の長さを符号化する記法体系)です。会話分析や社会言語学をしているなら、研究方法論でそのどちらかが指定されるはずです。

フルバーベイタムが必要なのは次のような場合です。

• 法廷や仲裁パネルが文字起こしを証拠として使用する場合。
• 談話を研究している場合。ためらい、話者交替、発話パターンの分析など。
• フォーカスグループのモデレーターが反応を解釈するために、ためらいのサインを必要としている場合。
• 法医学チームが録音の真贋を検証している場合。

これらのユースケース以外では、フルバーベイタムは過剰です。人間の文字起こし担当者にとって最も時間のかかるスタイルでもあり、コストが跳ね上がります。詳細は後述します。

インテリジェントバーベイタム(クリーンバーベイタム):ノイズを除いた意味

インテリジェントバーベイタムは、意味を持つすべての言葉を残したまま、フィラーと言い淀みを落とします。文法的に誤った文、俗語、言い終わっていない考えも含めてです。

同じ一節です。

話者1: 問題は、新しい料金設定を試してみたけど、思ってたようにはうまくいかなかったことです。

繰り返された「その、その、その」や、言いかけたまま放棄された「僕たちが、試した」は消えています。笑いのマーカーも除かれています。それ以外の部分は、話されたとおりそのままであり、「期待外れだった」のような磨き上げられた言い換えではなく、「思ってたようにはうまくいかなかった」という生の表現まで残っています。

これはほとんどの質的研究における標準です。テーマ分析、グラウンデッド・セオリー、学位論文のインタビュー、オーラルヒストリー、民族誌的なフィールド研究などです。また、ほとんどのポッドキャストの文字起こしや議事録でもデフォルトとなっています。読み手が言い淀みを一つひとつ解読しなくても内容を読めるようにするためです。インタビュー録音の文字起こしのワークフローとして、インテリジェントバーベイタムは、話者らしさを保ったまま引用できる素材を提供してくれます。

話者が「〜じゃん」のような俗語や「ら抜き言葉」のような文法上の癖を使っても、それらはそのまま残ります。取り除かれるのはノイズだけであって、話し方ではありません。

私の見解:ハードディスクに届く音声の90%にとって、インテリジェントバーベイタムが正解です。読みやすく、話者を正確に表現し、使う前に書き直す必要もありません。

編集:発話を文章に変える

編集文字起こしは、文字通りに言われたことよりも、話者が意味したことを優先します。 文は明快さのために組み替えられ、冗長な内容は落とされ、結果は会話というより記事のように読めます。

同じ一節を編集したものです。

話者1: 私たちは新しい料金モデルを試しましたが、期待したほどの成果は得られませんでした。

話者が「期待したほどの成果は得られませんでした」とはほぼ間違いなく言っていないことに注目してください。編集者が意味を推測し、書き直したのです。これこそが編集文字起こしの本質です。解釈が逐語的な記述に取って代わるのです。

編集文字起こしが適しているのは次のような場合です。

• 雑誌やオンラインメディアに掲載されるインタビュー。
• 一貫した文体を求める回顧録や伝記。
• 顧客の声をひとつのきれいな文に収める必要があるマーケティングのケーススタディ。
• 専門外の読者が素早く流し読みする研修資料や学習コンテンツ。

リスクは忠実度です。編集済みの文字起こしは、何が言われたかについての編集者一人の解釈であって、逐語的な記録ではありません。異議が唱えられる可能性のある引用については、原本の録音とインテリジェントバーベイタムの文字起こしを権威ある情報源として手元に置く必要があります。

選び方

短い判断フローです。

1. 法的手続き、証拠、談話分析に使う予定ですか? フルバーベイタム。
2. 学術研究、学位論文、参加者を正確に引用する必要のある分析のためですか? インテリジェントバーベイタム。
3. 番組ノート、会議のまとめ、チームが読むコンテンツを作っていますか? インテリジェントバーベイタム。
4. 掲載用の記事、書籍の章、マーケティングのケーススタディを書いていますか? まずインテリジェントバーベイタムで作り、手で編集します。

迷ったら、より詳細な側から始めてください。インテリジェントバーベイタムの文字起こしからフィラーを取り除くのは、いつでも数分でできます。逆方向は、元の音声がなければ不可能です。

スタイル間の変換

忠実度を下げる方向への移動は簡単です。元の録音なしに忠実度を取り戻すことはできません。

• フルバーベイタムからインテリジェントバーベイタムへ: 「えー」「あのー」「その、なんか」などを検索して置換し、間のマーカーと非言語の手がかりを削除します。AIテキストエディタなら、きれいな文字起こし上で素早く処理できます。
• インテリジェントバーベイタムから編集へ: これは本物のライティングです。1,000語あたり15〜30分を見込んでください。文字起こしが素材を提供し、編集者が形にします。
• 編集から逐語へ戻す: テキストだけでは不可能です。音声が必要です。

この非対称性があるからこそ、研究者やジャーナリストは元の録音とインテリジェントバーベイタムの文字起こしを保管し、必要に応じて他のスタイルをそこから派生させます。ファイル管理の側面全体については、文字起こしワークフローのベストプラクティスの記事で解説しています。

コストはどうなるか

AIツールの場合、スタイルの選択は実質的に無料です。ツールがフルバーベイタムを出力するかフィラーを除去するかにかかわらず、1分あたりの料金は同じです。支払うのは文字起こしの時間であって、後処理ではありません。ほとんどのAIツールはデフォルトでインテリジェントバーベイタムになり、フィラー除去のオン/オフを切り替えられます。

人間によるサービスの場合、逐語はプレミアムなスタイルです。人間による文字起こしの基本料金は、標準的なプロジェクトで音声1分あたりおよそ1.50〜1.99米ドルです(DittoやRevなどの現在の料金に基づく)。逐語文字起こし(すべてのフィラーと言い淀みを記録する)は、通常、クリーンなデフォルト料金に上乗せされるオプションまたは段階的な料金です。サービス間の詳細な市場比較については、1時間あたりの文字起こしコストを参照してください。

ユースケース別のAIと人間の文字起こしの比較については、AIと人間の文字起こしの記事で、精度、コスト、納期を取り上げています。

アカウント登録なしで素早くインテリジェントバーベイタムの文字起こしが必要な場合は、ConvertAudioToTextが音声・動画ファイルを直接受け付け、話者ラベル付きのきれいなテキストを出力します。

よくある質問

フルバーベイタムとインテリジェントバーベイタムの違いは何ですか?

フルバーベイタムは、フィラーワード(つなぎ言葉)、言い淀み、間(ポーズ)、非言語音を、発せられたまますべて記録します。インテリジェントバーベイタムは、意味を持つすべての言葉を残したまま、そうしたノイズを取り除きます。この違いが最も重要になるのは、法務や研究の場です。法廷や談話分析の専門家には「文字通り何が言われたか」が必要ですが、それ以外の読者の多くには「何を意味していたか」があれば足ります。

「クリーンバーベイタム」と「インテリジェントバーベイタム」は同じものですか?

業界では、ほとんどの場合イエスです。どちらの用語も、中身のある発話をすべて残したまま、フィラーワードと言い淀みを除去することを指します。スタイルガイドの中にはより狭い線引きをするものもあります(クリーンバーベイタムでは軽微な文法の癖も修正するが、インテリジェントバーベイタムでは修正しない、など)が、ほとんどの文字起こし業者はこの2つの用語を同じ意味で使っています。業者に具体的に何を除去するのか必ず確認してください。

インテリジェントバーベイタムの代わりに編集文字起こしを使うべきのはどんなときですか?

最終成果物が出版を意図した文章で、原本の音声とインテリジェントバーベイタムの文字起こしの両方を「真実の情報源」として手元に持っている場合です。編集文字起こしは文字起こしの作業ではなく、ライティングの作業です。掲載用インタビュー、書籍の章、マーケティングコピーに使用してください。表現が争われる可能性がある場合や、研究論文で引用する場合には使用しないでください。

AI文字起こしツールはフルバーベイタムの出力を生成できますか?

はい。ほとんどのAIツールはデフォルトでインテリジェントバーベイタム(フィラー除去がオン)になっており、フィラー除去をオフにするトグルが用意されていて、フルバーベイタムの出力を生成できます。AIツールが一般的に苦手なのは、会話分析やジェファーソン式文字起こしに必要な特殊な記法(間の長さ、ピッチのマーカー、発話の重なり)を生成することです。それらは依然として訓練された人間の文字起こし担当者を必要とします。

出典

• Rev: 人間による文字起こしサービス: https://www.rev.com/services/human-transcription (2026-07-02 確認)
• Rev: クリーンバーベイタム文字起こしとは何か: https://www.rev.com/resources/what-does-clean-verbatim-transcription-mean (2026-07-02 確認)
• Happy Scribe: 質的研究における文字起こしの種類: https://www.happyscribe.com/blog/what-are-types-of-transcription-in-qualitative-research (2026-07-02 確認)
• GoTranscript: クリーンバーベイタムと編集済み文字起こし: https://gotranscript.com/en/blog/clean-verbatim-vs-edited-transcript (2026-07-02 確認)
• Ditto Transcripts: 人間による文字起こしのコストガイド: https://www.dittotranscripts.com/blog/how-much-do-human-transcription-services-cost/ (2026-07-02 確認)
• TranscriptionCertificationInstitute: 逐語文字起こしとは: https://www.transcriptioncertificationinstitute.org/blog/what-is-verbatim-transcription (2026-07-02 確認)