文字起こしソフト比較 2026年版｜ローカル型・クラウド型の違いと失敗しない選び方

最終更新：2026年10月17日

業務での導入を検討中の方へ：法人向け案内（請求書払い・複数ライセンス）／セキュリティチェックシート回答集／稟議用1ページ資料（PDF）

文字起こしソフトの選び方：まず決める5つの基準

文字起こしソフトとは、音声や動画に含まれる発言をAIが自動でテキストに変換するソフトウェア・サービスの総称です。無料のものから月額数千円のものまであり、処理をPC内だけで完結させるものと、クラウドのサーバーで処理するものに大きく分かれます。比較を始める前に、まず次の5つの基準で自社の要件を整理しておくと選びやすくなります。

①音声データの行き先（ローカル完結かクラウド送信か）

情シスが確認する質問：「録音データや文字起こし結果は社外のサーバーに送信されますか。送信される場合、保存先・保存期間・第三者提供の有無は公式サイトに明記されていますか。」音声を外部に出せない業務では、この1点だけで選択肢が絞られます。

②費用体系（無料／定額／従量）

情シスが確認する質問：「料金は文字起こし時間に応じた従量課金ですか、それとも月額・買い切りの定額ですか。無料プランには時間や文字数の上限がありますか。」長時間・大量の音声を扱うほど、従量課金は総額が読みにくくなります。

③導入のしやすさ（インストール可否・GPU要否）

情シスが確認する質問：「PCへのインストールや管理者権限は必要ですか。GPUが無いと動作しない、または極端に遅くなりませんか。」インストール不要かつGPU不要なソフトほど、社用PCへの展開や情シスの審査がスムーズに進みます。

④機能（話者識別・要約・単語登録・字幕出力）

情シスが確認する質問：「誰の発言かを自動で見分ける話者識別、内容を短くまとめる要約、専門用語を補正する単語登録、SRT字幕への出力に対応していますか。」議事録用途では話者識別と要約、動画用途では字幕出力の有無が選定の分かれ目になります。

⑤運用（自動処理・オフライン・更新）

情シスが確認する質問：「音声ファイルを入れるだけで自動的に処理が始まりますか。ネットワークが無い環境でもフル機能で使えますか。アップデートは利用者の意思で行えますか、それとも起動時に自動で通信しますか。」日常的な運用のしやすさは、導入後の定着に直結します。

ローカル型とクラウド型の違い

結論として、クラウドへの送信自体が許されない業務ではローカル型一択になり、送信に問題がなく話者識別・要約などの機能を優先したい場合はクラウド型も候補になります。両者の違いを表に整理しました。

より詳しい仕組みや無料での始め方はローカル文字起こしガイド、セキュリティ観点の深掘りは文字起こしセキュリティガイドで解説しています。

図は横にスクロールできます

主要ツールの機能比較表

代表的な文字起こしツールの機能を横並びで整理しました。自社は2026年10月・Ver.4.8 系時点、他社は各社公式サイト・ヘルプの記載（自社調べ）です。確認日は表の下に記載しています。各サービスの最新仕様は公式サイトでご確認ください。

表の見方：「✅」は対応、「△」は条件つきの対応（備考参照）、「―」は非対応または公式情報で確認できなかった項目です。「第三者認証の公表」は、公式サイトに ISO/IEC 27001 などの第三者認証の取得が記載されているかを示し、「○」は記載あり、「―」は記載を確認できなかった場合です。端末内で完結するローカル型は通信を伴わないため、この列の有無と安全性は別の話です。

確認日：自社は2026年10月・Ver.4.8 系。他社の個別ページがあるサービスは各ページの記載の確認日に従い、MacWhisper・kotoba-whisper は2026年10月17日です。ユーザーローカル音声議事録システムは公式ページを今回再確認できなかったため、2026年10月2日時点の記載です。料金・機能は変更されることがあるため、最新情報は各社公式サイトをご確認ください。

各ツールの概要と、公式情報を整理した個別ページです（上表の範囲内の内容です）。

• 完全ローカル文字起こし：faster-whisperベースのローカル型。文字起こしから要約・AIチャットまでPC内で完結し、マイク1本で録った音声でも話者を聞き分けます（Ver.4.5.0〜）。
• Notta：クラウド型。デスクトップ版（ベータ）に端末内処理のプライバシーモードがあります（対象プランは公式で確認できず）。
• CLOVA Note（LINE WORKS AiNote）：クラウド型。β版は2025年7月31日に終了し、後継はLINE WORKS AiNoteです。
• Rimo Voice：クラウド型。AI要約・話者識別・単語登録に対応しています。
• 文字起こしさん：クラウド型。無料会員は1日10分まで利用できます。
• Vrew：PC用アプリですが、音声認識は国外のクラウド（STT API）で処理されます。自動字幕・動画編集が主用途です。
• ユーザーローカル音声議事録システム：クラウド型。公式情報で確認できた範囲では、文字起こしに加えて感情認識・ワードクラウド・CSV出力に対応しています。
• MacWhisper：Mac専用のローカル型。文字起こしは端末内で実行され、話者識別や要約にも対応しています。
• kotoba-whisper：日本語特化のOSS。全処理がPC内で完結し、話者分離に対応しています。
• Whisper系のOSS：Whisper・WhisperX・Vibe・Buzzは、公式リポジトリの記載を個別ページに整理しています。

用途別のおすすめ

基準と比較表を踏まえ、代表的な用途別におすすめの方向性を整理します。

• クラウド送信が禁止されている（医療・法務・IT・取材など）：規程上、音声を外部に送れないためローカル型が必須です。業種別の具体例は医療機関向け・法律事務所向け・IT・コンサル企業向け・取材・インタビュー向けを参照してください。
• 話者識別・要約が最優先で、送信に問題がない：機能の充実度を優先するなら、上表のクラウド型（Notta・Rimo Voice等）も候補になります。
• Macを使っている：Mac専用のローカル型であるMacWhisperが候補です（上表参照）。
• 開発者・自分で構築したい：faster-whisperやkotoba-whisperなどのOSSを使えば、無料でカスタマイズしながら構築できます。Windows上での構築手順はWhisperをWindowsで使う方法で解説しています。
• 無料で今すぐ試したい・Windows：環境構築が不要なソフトが向いています。完全ローカル文字起こしは個人利用が無料です。業種ごとの想定ユースケースは活用例（想定ユースケース）を参照してください。

図は横にスクロールできます

費用シミュレーション

結論として、クラウド型SaaSの公式料金の例は、1アカウント課金で月1,185円（Notta プレミアム・年払い換算）〜6,600円（Rimo Voice チームプラン）（いずれも税込）、利用時間枠の共有型で月19,800円〜（LINE WORKS AiNote チーム・年契約・税抜）です。完全ローカル文字起こしは個人利用が無料、商用は月額500円・年額5,000円・買い切り15,000円です。人数別の年間コストの目安は次のとおりです。

※ クラウド型の料金は、公式の月額（Notta は年払い換算、いずれも税込）を人数分単純計算した目安で、プランごとの機能・利用時間の上限は異なります。個人利用の場合、完全ローカル文字起こしは無料です。

工数の面では、手作業の書き起こしには録音時間の数倍の時間がかかるのが一般的です。自動で文字起こしを進めれば、人は確認・修正に集中できます。

2〜9名はお見積りなしでカード決済でそのままお申し込みいただけます。10名以上・請求書払い（銀行振込）・見積書が必要な場合は導入相談フォームから、買い切り（永続ライセンス）のお見積りはこちらからご依頼ください。稟議に添付できる1ページ資料（PDF）もあります。

導入前チェックリスト

比較・選定を進める前に、次の9項目を確認しておくと導入後の手戻りを防げます。

• 音声データの送信先とサーバーの有無を確認したか
• クラウド送信を禁止する社内規程・業界ガイドラインに抵触しないか確認したか
• 無料プランと有料プランで使える機能（話者識別・要約・単語登録）の違いを確認したか
• GPUの有無で動作可否や速度がどう変わるかを確認したか
• インストールの要否と、IT部門の承認が必要かどうかを確認したか
• 出力形式（テキスト・SRT字幕・タイムスタンプ付き）が用途に合うかを確認したか
• 録音・文字起こしについて社内ルールや参加者の同意を得ているか確認したか
• より詳細な確認項目をセキュリティチェックシート回答集で網羅したか
• 社内所定のチェックシート書式に、提供元が記入して返送してくれるか確認したか（本ソフトは書式への記入・返送に対応）

よくある質問