Tab & Tap
日本語
Chrome ウェブストアで公開中

MP4 to Transcript：動画も音声も、自分のパソコンで文字起こし

録音や録画をドロップすれば、すべての行にタイムスタンプが付いた、編集できる文字起こしが手に入ります。OpenAI のオープンソース Whisper モデルが Chrome の中で動くので、インタビューも会議もボイスメモも、パソコンの外に出ることはありません。

Chrome に拡張機能を追加（無料）ヘルプとサポート

音声・動画ファイルを Whisper で手元のパソコン上で文字起こしし、テキストや字幕として書き出せる無料の Chrome 拡張機能です。

  • MP4 · MP3 · WAV
  • TXT · SRT · VTT
  • Whisper · WebGPU
クリックできるタイムスタンプとプレーヤーが付いた、完成した文字起こしを表示する MP4 to Transcript

MP4 を文字起こしする方法

  1. 拡張機能を追加してアイコンをクリックします。ページがタブで開きます。
  2. 音声認識モデルを一度だけダウンロードします（566 MB）。以降はどのファイルにも、パソコンに保存されたモデルを使います。
  3. 動画や音声のファイルをドロップするか ファイルを選択 を押し、文字起こし開始 を押します。
  4. テキストを読んで直し、コピーするか、テキストや字幕として書き出します。

主な機能

  • アップロードは一切なし

    文字起こしは、WebGPU 上の Whisper large-v3-turbo があなたのパソコンで行います。最初のモデルのダウンロードが済めば、オフラインでも動きます。

  • 制限なし

    長さもファイル数も自由で、アカウントも、利用時間の購入もいりません。長いファイルは少しずつ読み込むので、2時間の録音でもメモリに収まります。

  • MP4、MP3 などに対応

    MP4、MP3、M4A、WAV、WEBM、MOV、MKV、OGG、FLAC のほか、Chrome で再生できる音声・動画ファイルのほとんどが使えます。画面録画、Zoom の録画、スマホのボイスメモも。

  • 99の言語

    話されている言語を Whisper が検出するか、自分で選べます。判定が違っていたら、別の言語でもう一度文字起こしできます。

  • クリックできるタイムスタンプ

    どの行も時刻から始まります。クリックするとその瞬間から録音が再生され、再生速度を遅くも速くもできます。

  • 編集、検索、置換

    行をクリックして人名を直したり、単語をまとめて置換したり、読みやすい段落表示に切り替えたりできます。編集した行は元に戻せます。

  • TXT、SRT、VTT

    プレーンテキスト、タイムスタンプ付きテキスト、字幕として書き出し、全文をコピー、または AI チャット用の要約プロンプト付きでコピーできます。

  • 止まったところから再開

    途中でタブを閉じても、あとで履歴から続きを再開できます。文字起こしは、ブラウザ内の検索できる履歴に残ります。

スクリーンショット

進行状況と残り時間を表示しながら、パソコン上で文字起こし中のファイル
進行状況と残り時間を表示しながら、パソコン上で文字起こし中のファイル
テキスト、タイムスタンプ付きテキスト、SRT、VTT が並ぶ書き出しメニュー
テキスト、タイムスタンプ付きテキスト、SRT、VTT が並ぶ書き出しメニュー
MP4、MP3、WAV などの音声・動画ファイルを受け付けるドロップエリア
MP4、MP3、WAV などの音声・動画ファイルを受け付けるドロップエリア
文字起こし内の検索と置換
文字起こし内の検索と置換

録音はあなたの手元に

音声、動画、文字起こしがパソコンの外に出ることはありません。ダウンロードするのは音声認識モデルだけで、huggingface.co から一度だけ取得します。アカウントも、アクセス解析も、私たちのサーバーもありません。

拡張機能が求める権限は storage と unlimitedStorage です。モデルだけでも、Chrome が拡張機能に標準で割り当てる保存容量をはるかに超えるためです。閲覧しているウェブサイトにはアクセスせず、コンテンツスクリプトもありません。

拡張機能のプライバシーポリシー →

よくある質問

MP4 to Transcript は無料ですか？

はい。文字起こし、編集、すべての書き出しが無料で、アカウントも利用時間の制限も透かしもありません。

音声や動画はアップロードされますか？

いいえ。ファイルも文字起こしもパソコンに残ります。ダウンロードするのは Hugging Face の音声認識モデルだけで、566 MB、16ビット演算に対応しない GPU では 0.76 GB です。

パソコンに必要なものは？

WebGPU に対応した Chrome 121 以降です。Windows、macOS、ChromeOS のパソコンの多くが当てはまります。文字起こしは GPU で行うので、性能の高い GPU ほど速くなります。

1つのファイルにどのくらい時間がかかりますか？

GPU によって変わります。Intel Iris Xe グラフィックス搭載のノート PC では、30分のファイルで約9〜18分、さらにモデルの読み込みに最大1分かかります。始める前に、ページに目安の時間が表示されます。

字幕を作れますか？

はい。SRT か VTT のファイルで書き出せば、そのまま動画編集ソフトやプレーヤーで使えます。

話者を区別しますか？

いいえ。話された内容をタイムスタンプ付きで、話者名のないひと続きのテキストとして書き出します。

ヘルプとサポート

MP4 to Transcript

音声・動画ファイルを Whisper で手元のパソコン上で文字起こしし、テキストや字幕として書き出せる無料の Chrome 拡張機能です。

Chrome に拡張機能を追加（無料）

Whisper は OpenAI によるオープンソースのモデルです（MIT ライセンス）。MP4 to Transcript は OpenAI および Hugging Face と提携していません。