Descript の無料代替ツール：テキストを編集して音声を編集、登録不要
Descript のうち「テキストで編集する」部分を、ブラウザーで無料に。スイート全体ではありません。足りないものもここに書きます。
CATT Editor は、Descript の一部分だけを置き換える無料のブラウザー専用ツールです。置き換えるのは、単語を消して録音をカットする仕組みと、英語のフィラー音のワンクリック除去です。アカウントもインストールもアップロードも不要で、書き出しも無料です。動画編集スイート、AI 音声、画面録画、共同編集はないため、Descript の完全な代替ではありません。
エディターは edit.convertaudiototext.com にある独立した無料アプリです。新しいタブで開き、登録は不要で、ファイルはディスクから直接読み込まれます。
デスクトップの Chromium 系ブラウザーが最適です。初回は音声モデルをダウンロードします。Base で約 200 MB、Small で約 600 MB で、以降はキャッシュされます。すべてメモリー上で処理するため、短いクリップに向いています。
文字起こしサービス全体を比較しますか？ ConvertAudioToText と Descript の比較を読む
無料エディターが Descript の代わりになる範囲と、ならない範囲
使えること：単語を消してカット
録音をドロップすると単語ごとのタイムスタンプ付きテキストが得られ、不要な部分を消せばメディアも同じように切れます。再生はカット部分をすぐに飛ばします。
使えること：英語のフィラー音の除去
エディターは英語のフィラー音の固定リスト（um、uh、ah、eh、hm、mm、uh-huh とその一般的な綴り）と文字起こしを照合します。該当する語があると、件数付きの Remove fillers ボタンが現れ、ワンクリックですべてカットされます。判断ではなく単語リストなので、like、so、right はそのまま残ります。照合は話された言語に関係なく行われるため、英語以外の録音では意味のある語を拾うことがあります。取り消せば元に戻ります。
使えること：アップロードなし
Descript はメディアを自社クラウドで処理します。こちらはディスクからファイルを読み、あなたのハードウェア上でデコードしてテキスト化し、またディスクへ書き出します。収集するのは匿名のプロダクト分析だけで、ファイルの中身は含みません。
使えること：アカウントもインストールも不要
Descript は最初の編集前にアカウント作成を求め、フル機能はデスクトップアプリにあります。こちらはブラウザーのタブ 1 つだけ。登録もダウンロードもなく、書き出しにウォーターマークも付きません。
使えないこと：スイートの残りの機能
Descript は本格的な制作ツールです。マルチトラックの動画タイムライン、AI 音声とオーバーダブ、画面録画とスタジオ録音、ワンクリックのノイズ除去、コメント付きの共有プロジェクトを備えています。ここにはどれもありませんし、無料のブラウザータブが置き換えられるものでもありません。
使えないこと：長時間ファイルでの公開品質のテキスト
ブラウザー内のモデルは小さいため、なまり、話者の重なり、背景ノイズ、英語以外の音声に弱く、扱える長さもブラウザーのメモリーで頭打ちになります。長い録音や難しい録音は ConvertAudioToText に通し、その結果をエディターに読み込ませてカットしてください。
使い方
まず何を諦めるか確認
マルチトラックの動画タイムライン、AI 音声、画面録画、コメント付きの共有プロジェクトが必要なら、正解は Descript でありこちらではありません。単語を消して録音をカットしたいだけなら、このまま読み進めてください。
エディターを開いてファイルをドロップ
MP3、WAV、M4A、MP4、WebM、MOV、MKV に対応します。アップロードはありません。初回は音声モデルをダウンロードし、Base で約 200 MB、Small で約 600 MB、以降はキャッシュされます。
不要な部分を削除
テキストには単語ごとのタイムスタンプが付いているため、削除するとメディアも単語の境界で切れます。英語のフィラー音はワンクリックで取り除けます。
書き出してファイルを受け取る
動画プロジェクトは MP4、音声のみは M4A で、ブラウザー内の ffmpeg.wasm が書き出します。ウォーターマークも書き出しクレジットも、選ぶプランもありません。
CATT Editor と Descript を正直に比較
この表の 5 行は Descript の勝ちです。そこをごまかすつもりはありません。
| 機能 | CATT | Descript |
|---|---|---|
| 編集と書き出しの費用 | 無料、プランなし | 無料枠は従量制、有料は月 16 ドル程度から |
| アカウントの要否 | 不要 | 必要、最初の編集の前に |
| インストール | 不要、ブラウザーのタブだけ | Web 版は機能限定、フル機能はデスクトップアプリ |
| メディアの処理場所 | 自分のマシン上 | 同社クラウドにアップロード |
| 単語を消してカット | あり | あり |
| フィラーワードの除去 | あり（英語のフィラー音） | あり |
| マルチトラックの動画タイムライン | なし | あり |
| AI 音声とオーバーダブ | なし | あり |
| 画面録画とスタジオ録音 | なし | あり |
| チーム共同編集とコメント | なし | あり |
| 長い録音や難しい録音 | ブラウザーのメモリーが上限 | 同社クラウドで処理 |
よくある質問
完全な代わりにはなりません。そこは先に言っておきます。置き換えるのは、単語を消して録音をカットする仕組みと、英語のフィラー音の除去だけです。マルチトラックの動画、AI 音声、画面録画、コメント付きの共有プロジェクトを使っているなら、ここにはそれを補うものはありません。
無料です。アカウントもクレジット残高もウォーターマークもなく、エディターの有料版もありません。処理はあなたのマシン上で動くため、分単位のコストが発生せず、請求する理由もありません。
不要です。ページを開いてファイルをドロップするだけです。Descript は最初の編集前にアカウント作成を求めますが、こちらは求めません。
されません。ブラウザーがディスクからファイルを読み、音声モデルはあなたのハードウェア上で動くため、メディアもテキストも端末から出ません。Descript はメディアを自社クラウドで処理します。ここでの通信は、アプリ本体、初回のモデルダウンロード、ファイル情報を含まない匿名のプロダクト分析だけです。
正直に言うと、こちらのほうが劣ります。ブラウザータブに収まるのは小さいモデルだけなので、なまり、話者の重なり、背景ノイズ、英語以外の音声で精度が落ちます。文字を正確にしたい場合は、ファイルを ConvertAudioToText に通し、その結果をエディターに読み込ませてカットしてください。
すべてメモリー上に保持するため、ノートパソコンなら 10 分から 20 分程度のクリップが快適で、それを超えると重くなるかメモリー不足になります。それより長い録音こそ、先に ConvertAudioToText に通すべきケースです。
デスクトップの新しめの Chromium 系ブラウザー、つまり Chrome、Edge、Brave、Arc です。Firefox でも動きますが遅くなります。Safari と多くのモバイルブラウザーはこの処理には向きません。Descript のデスクトップアプリにはこうした制約はありません。
別の製品です。エディターは無料でローカルに動きます。ConvertAudioToText は、長時間ファイル、99 以上の言語、話者分離、公開品質の精度に対応するホスト型サービスで、Descript との直接比較ページも別にあります。