文字起こしの外注ガイド｜依頼先・AIとの使い分け・進め方
毎週の定例会議、取材したインタビュー、撮影した動画のセミナー。録音を聞き直しながら文章に起こす作業は、1時間の音声に対して4倍から5倍の時間がかかると言われます。担当者が片手間でこなすには重く、かといって専門のスキルが要るわけでもない。外注やAIに任せたくなる典型的な業務です。
ただ、いざ頼もうとすると「どこに頼めばいいのか」「AIで十分なのか」「いくらかかるのか」で迷います。最初に結論を3点お伝えします。
- 依頼先は3種類。専門業者(品質と専門分野に強い)、クラウドソーシング(手軽で小ロット向き)、AI文字起こし＋人手チェック(速くて安い)から、用途で選びます。
- AIと人手は使い分ける。社内の記録ならAIだけで足りる場面が増えました。公開用・正確性重視・専門用語・複数話者は人の手が要ります。
- 料金は録音時間あたりが基本で、音質・専門性・納期・仕上げレベルで変動します。確実な相場は出しにくいため、音源を渡して見積もりを取るのが確実です。
会議の音声から議事録を作る場面が中心なら、ツール選びはAI議事録ツール比較もあわせてご覧ください。
文字起こしの依頼先は大きく3種類
文字起こしの頼み先は、大きく次の3つに分かれます。それぞれ得意な領域が違います。
| 依頼先 | 費用感 | 向いている場面 |
|---|---|---|
| 専門の文字起こし業者 | 中〜高 | 公開用・専門分野・大量・高い正確性が必要 |
| クラウドソーシング | 低〜中 | 小ロット・予算重視・難易度が高くない音源 |
| AI文字起こし＋人手チェック | 低〜中 | 速さと安さを両立。下書きを人が校正 |
専門の文字起こし業者
文字起こしを本業とする会社です。校正の体制が整っており、医療・法律・技術・学術といった専門分野に対応できる業者もあります。秘密保持の規程やNDA対応が整っていることが多く、正確性が問われる音源や、量が多い案件を安心して任せやすいのが強みです。費用は他の選択肢より高めになりやすい一方、仕上がりの安定感は高くなります。
クラウドソーシング
クラウドソーシングは、登録している個人の作業者に直接依頼する方法です。手軽に頼め、小ロットや単発の依頼に向きます。価格は作業者によって幅があり、予算に合わせて選びやすい反面、品質やスキルにもばらつきがあります。専門性が高い音源や正確性が厳しく問われる用途では、実績やレビューを確認したうえで依頼するのが安全です。発注時の条件の決め方は業務委託契約書の作り方も参考になります。
AI文字起こし＋人手チェック
AIで一次文字起こしを作り、その出力を人が校正する方法です。最初の文章をAIが一気に作るため、ゼロから人が起こすより速く、安く仕上がります。AI単体では残る誤変換や固有名詞のミスを人が直すことで精度を担保します。校正できる人がいれば内製化もできますし、AIの下書きごと業者に校正を任せることもできます。後述するハイブリッドの中心になる方法です。
AIで足りる場面と、人手が必要な場面
Nottaに代表されるAI文字起こしツールは、静かな環境で1人ずつ話す音声なら、そのまま読める水準まで精度が上がってきました。すべてを人手で起こす必要はもうありません。問題は「どこまでAIに任せ、どこから人が手を入れるか」の線引きです。
AIだけでおおむね足りる場面
- 社内の会議記録やメモ。多少の誤変換があっても文脈で読める用途
- 後から内容を検索したい、要点だけ拾えればよい録音
- 自分が話した内容の下書きや、ラフな書き起こし
- 1人ずつ、はっきりした声で、静かな環境で録れた音声
人手のチェックや整文が必要な場面
- 正確性が問われるインタビューや証言。発言の取り違えが信用に直結する内容
- 専門用語・固有名詞が多い音源。社名・製品名・人名・業界用語はAIが誤変換しやすい
- 複数の話者が同時に話す会議や座談会。誰の発言かの切り分けや、被った発話の聞き取りは人が強い
- 公開する記事・字幕・広報物。読者の目に触れる文章は、誤りがそのまま品質の評価になる
迷ったら、「この文章を社外の人が読むか」「間違いがあったとき困るか」を基準にすると判断しやすくなります。どちらかにイエスなら人の手を入れる、と考えれば大きく外しません。
表記の種類(素起こし・ケバ取り・整文)
同じ音源でも、どこまで整えるかで仕上がりも費用も変わります。依頼前にこの「表記の種類」を決めておくと、認識のずれを防げます。代表的なのは次の3段階です。
- 素起こし：話した言葉をそのまま、聞こえた通りに書き起こします。「えー」「あのー」といった言いよどみや言い間違いも残します。発言を正確に記録したい議事録や、研究・調査の用途に向きます。
- ケバ取り：意味に関係のない「えー」「あのー」などの不要語(ケバ)を除きます。発言の内容は変えずに、読みやすさを少し上げる段階です。多くの議事録やインタビューはこのレベルが扱いやすくなります。
- 整文：文として読みやすいように、語順や言い回しを整えます。話し言葉を書き言葉に近づけるため、公開する記事や広報物に向きます。整える分だけ手間がかかり、費用も上がります。
どれが正解ということはなく、用途で選ぶものです。記録として残すなら素起こしやケバ取り、読み物として公開するなら整文、というのが基本の対応です。
依頼前に決めておくこと
依頼の精度と見積もりの正確さは、渡す情報の質で決まります。次の項目を整理してから問い合わせると、やり取りがスムーズになり、想定外のやり直しも減ります。
- 用途：記録用か、公開用か。これで必要な仕上げレベルが決まります
- 納期：いつまでに必要か。短納期は割増になりやすいので、余裕があれば伝えておきます
- 話者数と名前：何人が話しているか、誰が誰かが分かる資料があると、話者の切り分けが正確になります
- 専門分野：医療・法律・技術など、分野の知識が要る場合は最初に伝えます
- 表記ルール：素起こし／ケバ取り／整文のどれか。数字や英字の表記、句読点のルールなど希望があれば共有します
- 秘密保持：機密を含む音源は、NDAの締結やデータの扱いを依頼前に確認します
この5〜6点が揃っていれば、依頼先は適切な担当者と料金を提示しやすくなります。逆に、用途も仕上げレベルも決めないまま「とりあえず文字起こしを」と頼むと、想定と違う仕上がりになりがちです。
料金の考え方
文字起こしの料金は、録音時間あたりで見積もられるのが一般的です。たとえば「音声60分でいくら」という形で、時間が長いほど費用も増えます。確実な単価相場は、音源の状態によって大きく変わるため一律にはお伝えしにくいのが実情です。同じ60分でも、次の条件で金額は変わります。
- 音質：雑音が多い、声が遠い、複数人の声が被る音源は聞き取りに手間がかかり、高くなりやすい
- 専門性：専門用語や固有名詞が多い分野は、知識のある作業者が必要になり単価が上がる傾向
- 話者数：話者が多いほど切り分けの手間が増える
- 納期：短納期・特急は割増になりやすい
- 仕上げレベル：整文は素起こしより手間がかかり、その分高くなる
正確な金額を知りたいときは、実際の音源(または一部のサンプル)を渡して見積もりを取るのが確実です。複数の依頼先から相見積もりを取ると、相場感もつかみやすくなります。コストを抑えたい場合は、AIで一次文字起こしをしてから人が校正する方法が選択肢になります。
品質を上げる音源の渡し方
クリアな音源は精度に直結します。同じ依頼先でも、渡す音声の質が良ければ仕上がりが安定し、結果として費用も抑えやすくなります。録音と準備の段階で、次の点を意識してください。
- 静かな環境で録る：空調・雑音・反響の少ない部屋を選ぶ。屋外やざわついた場所は避ける
- マイクを話者に近づける：声が遠いと聞き取りづらくなる。話者ごとにマイクがあると理想的
- 話者を区別できる情報を添える：誰がどの席か、声の特徴、登場順などのメモがあると話者の切り分けが正確になる
- 用語集を渡す：社名・製品名・人名・専門用語の正しい表記をリストにして渡す。固有名詞の誤変換が大きく減る
- 参考資料を共有する：会議の議題、配布資料、関連する原稿があると、文脈の取り違えを防げる
特に用語集は効果が大きい準備です。AIに任せる場合も、人に頼む場合も、固有名詞の正しい表記が分かっていれば修正の手間が減ります。
機密情報の扱い(NDA・データ管理)
会議や取材の録音には、未公開の情報や個人情報が含まれることが少なくありません。社外に音源を渡す以上、機密の扱いは依頼前に確認しておきます。最低限おさえたいのは次の3点です。
- 秘密保持契約(NDA)：発注側からNDAの締結を求める。専門業者は対応に慣れていることが多い。契約書の基本は秘密保持契約(NDA)の作り方を参照
- 録音データの保存と削除：データの保存場所、暗号化の有無、納品後にいつ削除されるかを確認する
- 学習へのデータ利用：AIツールを使う場合、音声や文字起こしがAIの学習に利用されないかを確認する。学習利用しないと明記するサービスを選ぶと安心
不特定多数が登録するサービスに機密音源をそのまま入れるのは避けたいところです。未公開情報を含む録音ほど、依頼先の管理体制を丁寧に確認し、契約で取り扱いを定めておきましょう。
ありがちな失敗と防ぎ方
最後に、文字起こしの外注でつまずきやすいパターンと、その防ぎ方をまとめます。発注前にひと通り目を通しておくと、無駄なやり直しを避けられます。
- AIの出力をそのまま使ってしまう：AI文字起こしは速くて便利ですが、専門用語や固有名詞、複数話者の部分に誤変換が残ります。公開用や正確性が問われる用途では、必ず人の確認を入れます。
- 専門外の相手に頼んでしまう：分野の知識がない作業者に専門的な音源を渡すと、用語の取り違えが増え、修正に時間がかかります。専門分野は実績のある依頼先を選び、用語集を添えます。
- 用途を決めずに頼んでしまう：記録用か公開用かが曖昧なまま発注すると、想定と違う仕上げレベルで納品されます。先に用途と表記ルールを決めておきます。
- 音質の悪い音源をそのまま渡す：雑音だらけの音声は、誰が起こしても精度が落ちます。録音の段階で環境とマイクを整えるだけで、仕上がりが変わります。
外注全般の失敗パターンは外注でよくある失敗と防ぎ方で詳しくまとめています。あわせてご覧ください。
まとめ
文字起こしの外注は、次の流れで進めると失敗しにくくなります。
- 用途を決める(記録用か公開用か)
- 依頼先を選ぶ(専門業者／クラウドソーシング／AI＋人手チェック)
- 表記の種類を決める(素起こし／ケバ取り／整文)
- クリアな音源と用語集を準備する
- 機密の扱いを確認する(NDA・データ管理)
中心になるのは、AIと人手のハイブリッドという考え方です。社内の記録はAI中心で速く安く、公開用や正確性重視は人の校正で品質を担保する。この使い分けができれば、コストと品質の両方を無理なく満たせます。料金は録音時間あたりが基本で、音質や専門性で変わるため、確実な金額は音源を渡して見積もりで確認してください。
文字起こしを含むコンテンツ制作や、会議まわりの業務の効率化を相談したい場合は、設計から一緒に考えられます。お気軽にご相談ください。
関連記事
よくある質問
文字起こしの外注費用はどれくらいですか?
確実な相場を一律でお伝えするのは難しいのが実情です。料金は録音時間あたりで見積もられるのが一般的で、音質が悪い・専門用語が多い・話者が多い・短納期になるほど上がる傾向があります。仕上げレベル(素起こし／ケバ取り／整文)でも変わります。正確な金額は、実際の音源を渡して見積もりを取って確認してください。AIで一次文字起こしし、人が校正する方法はコストを抑えやすい選択肢です。
AIの文字起こしだけで十分ではないですか?
用途によります。社内の記録・メモ・後から検索したい用途なら、AI文字起こしだけで足りる場面が増えています。一方、社外に公開する記事、正確性が問われるインタビュー、専門用語や固有名詞の多い内容、複数人が同時に話す会議は、誤変換が残るため人の確認や整文が必要です。『AIで下書きを作り、人が校正する』組み合わせが、コストと品質のバランスに優れます。
専門用語の多い音源はどう頼めばいいですか?
その分野の文字起こし実績がある業者や作業者を選ぶことが第一です。あわせて、用語集・登場人物の名前・正式な製品名や社名のリストを渡すと精度が上がります。AIを使う場合も固有名詞は誤変換しやすいため、用語登録(辞書)機能の活用と、人による最終確認を前提にしてください。
機密性の高い録音を外注しても大丈夫ですか?
秘密保持契約(NDA)を結び、録音データの取り扱いルールを決めたうえで依頼すれば、選択肢はあります。専門業者は社内規程を整えていることが多い一方、不特定多数が登録するサービスは管理レベルに差が出ます。学習へのデータ利用の有無、保存場所、納品後のデータ削除を事前に確認しましょう。未公開情報を含む音源ほど、契約と運用の確認を丁寧に行ってください。
音源は何を準備して渡せばいいですか?
できるだけクリアな音声、用途(記録か公開か)、希望する仕上げレベル、話者の人数と名前、専門用語の用語集、納期です。これらが揃っているほど見積もりが正確になり、やり直しも減ります。録音は静かな環境で、話者ごとにマイクを近づけて録ると精度が上がります。
