AccurateScribeとOtter、Sonix、Notta、Descript、Revを比較：実務に役立つ比較ガイド

文字起こしツールは、長いインタビューをアップロードしたり、一か月分の会議を取り込んだり、動画を編集したりするまでは、どれも似て見えます。役に立つ比較とは、それぞれのサービスがその作業にどれだけ適しているか、どのようなファイル制限があるか、作業全体にいくらかかるかを確かめることです。

AccurateScribe、Otter、Sonix、Notta、Descript、Revは、ファイルの文字起こし、会議ツール、編集、人手によるサービスを、それぞれ異なる組み合わせで提供しています。本レビューでは、料金、録音の制限、エクスポート、処理速度、精度の根拠を比較します。どの製品についても問うのは、実際に終わらせたい作業に対して何が得られるか、という同じ問いです。

AccurateScribe Otter.ai Sonix Notta Descript Rev

まず自分の作業を基準にする

機能とプランの詳細： AccurateScribe、 Otter、 Sonix、 Notta、 Descript および Rev。

現在の料金と重要な制限

以下の料金は、2026-10-17に確認した、ウェブで公開されている税抜きのUSD料金です。月払いと年払いでは契約上の負担が異なります。選んだプランは実用的な選択肢の例であり、全料金区分の一覧でも、過去のテストで使用したプランの記録でもありません。

利用枠とファイル制限は併せて確認してください。分数の残りが多くても、録音がファイル当たりの制限を超えたり、プランの許容数より多いファイルに分かれていたりすれば、適していない場合があります。同様に、文字起こし無制限プランも、処理速度が無制限だという約束と捉えず、ファイル規則や提供会社の利用条件と併せて評価する必要があります。

比較の中での各ツールの位置付け

AccurateScribe：幅広い一般的な用途に対応する音声・動画の文字起こし

AccurateScribeは、会議の録音、インタビュー、講義、ポッドキャスト、動画などの音声・動画コンテンツを、テキストや字幕に変換します。定額サブスクリプションは、保存済みの録音を定期的に処理し、請求額を予測できるようにしたい人に適しています。ファイルの長さの制限と、納品に必要な形式を確認してください。エクスポートメニューには、文書、字幕、スプレッドシート、構造化データ、編集用の交換ファイルがあり、以下の形式表に選択肢を示しています。 製品概要

無料では文字起こしの一部をプレビューできます。全文とすべてのエクスポート機能にはサブスクリプションが必要であり、支払い前にインタビュー全体や字幕作成の工程をどこまで評価できるかに影響します。 アクセスの詳細

Otter：会議での利用とファイル取り込みでの利用を比較

Otterは会議中心の候補に入りますが、ファイルから作業を始める場合は取り込み規則に注意が必要です。Proでは、月間の分数枠に加え、ファイル数とファイル当たりの長さが制限されます。例えば、全体の月間利用枠が1,200分でも、90分のファイルを10回取り込む場合、取り込めるのは最大900分です。これらの制限は同時に適用されます。Businessではファイル取り込み容量が拡大しますが、会議・アプリ内録音の無制限枠があっても、取り込みファイルの月6,000分という制限はなくなりません。 Otterのプラン比較

納品については、BasicはTXT形式のテキストエクスポートに対応し、有料プランではDOCX、PDF、SRTなどの選択肢が加わります。顧客が書式付き文書を必要としている場合、無料と有料の区分を比較するときにエクスポート要件も含めてください。 Otterのエクスポート資料

Sonix：付属時間枠と超過料金を併せて計算

Sonixは、時間当たり$10の従量課金型文字起こしと、利用時間を含むサブスクリプションを提供しています。不定期の利用には従量課金が適する場合があり、一定量を継続して利用するならサブスクリプションの方が安くなることがあります。作業量が増えるにつれて最適なプランが変わり得るため、この違いは重要です。文字起こしと翻訳は時間枠を共有するため、出力を翻訳すると予算が変わる可能性があります。 Sonixの料金と機能の詳細

アップロード案内では、アカウント権限に応じて、通常は最長8時間、最大16 GBのファイルが許可されています。ストレージの制限は別です。SonixはDOCX、TXT、PDF、SRT、VTTのエクスポートも資料に記載しているため、引き渡しに必要な形式は具体的に確認すべき項目になります。 アップロード制限、 エクスポートの選択肢

Notta：Proの大きな利用枠と、別途適用されるファイル規則

NottaのProの利用枠は月30時間の音声に相当し、その範囲で定期利用するなら比較する価値があります。Businessでは、月間ファイル枠を維持しつつ、シート当たりの文字起こし時間が無制限になります。これらは異なる制約です。長いインタビューを処理する場合と、短いクリップを多数取り込む場合では、選ぶプランが変わることがあります。 Nottaの料金、 プランの説明

取り込みの資料では、音声ファイルは最大1 GB、動画は最大10 GBまで許可されています。ファイルの長さは、話者認識なしなら最長5時間、有効にすると最長3時間です。Pro以上のプランでは、TXT、DOCX、PDF、SRTなどの文字起こしファイルをダウンロードできます。長い録音に対応できると判断する前に、話者設定を確認してください。 取り込み規則、 ダウンロード形式

Descript：文字起こしに加えて編集の工程も評価

文字起こしをポッドキャストや動画の編集に使う場合、Descriptは購入の意味が異なります。メディア分数枠の対象はテキスト生成だけではなく、取り込んだメディアや録音・録画したメディアです。そのため、複数の素材をアップロードすると、完成した一つのエピソードの再生時間より多くの枠を消費することがあります。AIクレジットは別のリソースなので、文字起こしだけの費用比較では、すべての編集機能や生成機能を評価できません。 Descriptの利用規則

CreatorとBusinessではメディア時間を追加購入できます。Descriptは、文書向けの文字起こしエクスポートやSRT/VTT字幕にも対応しています。すでに編集用に契約している場合は、別の文字起こしサブスクリプションを追加すれば必ず節約になると考える前に、必要な追加メディア枠を比較してください。 追加購入、 文字起こしのエクスポート、 字幕のエクスポート

Rev：AIと人手によるサービスを分けて考える

自動生成の出力と、別料金の人手によるサービスを選びたい場合、Revを検討する意義があります。Essentials AIには、英語とスペイン語について一人当たり月5,000分が含まれます。Proでは枠が増え、対応言語も増えます。Essentialsの対象外の言語では、見出しの安い料金ではなく、その言語に対応するプランを比較してください。 Revのサブスクリプションプラン

人手による文字起こしの掲載料金は分当たり$1.99で、AIサブスクリプションとは料金体系が異なります。60分の録音なら、該当する追加料金や端数処理の規則を適用する前で$119.40からとなります。この計算は予算策定に役立ちますが、人手によるサービスの説明をRevの自動化製品の精度スコアとして使ってはいけません。 Revの料金

文字起こしの速度と精度

処理速度と認識精度は、異なる問いに答えるものです。以下の研究では録音、採点規則、計測区間が異なるため、結果を一つのランキングにはできません。

音声の長さと出典を含む文字起こし時間の比較

以下の時間には、明記されている場合、アップロードと文字起こしの両方が含まれます。RJIの三つの項目は同じインタビューを使用し、その他の観測はそれぞれ別の録音を対象としています。

RJIの数値は、同社の 元の計測時間グラフから転記したもので、人手による修正は含みません。プラン、ネットワーク条件、繰り返し実施については、十分に明記されていません。Zapierは、一部のレビュー内リンクから手数料を得る場合があると開示しています。この例の録音、出力全文、実際にテストしたプランの詳細は公開されていません。ダッシュは結果を掲載していないという意味で、所要時間がゼロという意味ではありません。

精度の結果から分かること

2023-08-08に公開されたWillem MaasによるGrowth Velocityのインタビュー研究では、一時間のB2Bインタビューから得た1,199語の参照文に対する結果が報告されていますが、正確な採点区間は明記されていません。引用した研究と製品全体のテストでは、測定対象の範囲が異なります。 インタビュー研究

AccurateScribeの製品テストの出典： この行のサンプル範囲とWERの数値は、本レビューのためにテスターが提供し、確認したものです。

このインタビューテストでは、SonixのWERはRevやOtterより低い値でした。自分の録音では、名前、数値、発話の重なり、背景雑音に加え、文字起こしを使える状態にするまでに必要な修正量を確認してください。

毎月10、50、100時間の音声にかかり得る費用

以下の見積もりは、課金対象のユーザーまたは編集者一人が、英語の録音済みファイルを文字起こしする場合に、公開されている月額料金を適用したものです。税、翻訳、AI生成の追加料金、人手による編集は含みません。各録音は、プランのファイル規則とストレージ規則に収まる必要があります。表は特定のプランの組み合わせによる見積もりであり、実際の請求額は購入するシート数とオプションによって変わります。

出典： AccurateScribe、 Otter、 Sonix、 Notta、 Descript と同社の メディア枠の追加購入、および Rev。Nottaの数値は課金対象シート当たりです。Businessの単価に購入シート数を掛けてください。ファイル枠もシートごとに適用されます。

二つの例で見積もりの仕組みを示します。Sonix Proで100時間なら、$80 + (100 − 40) × $10 = $680です。Descript Creatorで50時間なら、$35に20時間の追加パック$80を加え、$115となります。100時間では、50時間と20時間のパックを追加し、$35 + $150 + $80 = $265となります。Descriptの 追加購入に関する資料 にこれらのパック料金が示されています。これはCreatorを基にしたシナリオであり、ほかのプランの組み合わせがより適する可能性を否定するものではありません。

計算は自分のファイルの構成に合わせてください。Otter Proの10ファイルという取り込み上限は、分数枠に達していなくても影響します。また、100時間ではBusinessの取り込み分数枠をすべて使い切ります。既存の契約によっても判断は変わり、メディア枠の追加パックの方が、別のツールを購入するより安い場合があります。さらに、ソフトウェアの料金には、引用文、名前、字幕のタイミングを確認するために費やす時間は含まれていません。

文書と字幕では確認すべき点が異なる

インタビューを文書にする場合は、話者ラベル、段落区切り、修正済みテキストがエクスポート後も保持されるか確認してください。字幕では、必要なファイル形式を確認し、書き出した字幕トラックを動画に合わせて再生してください。文字起こしが読みやすくても、字幕のタイミングや分割には修正が必要な場合があります。エクスポート形式が用意されているという事実は、選択肢の存在を示すだけで、個々の出力の品質を測るものではありません。

Revでは、AI文字起こしからエクスポートする字幕ファイルと、別途発注するAI Captionsを明確に区別しています。最終納品物が字幕なら、どの方法でも同じ編集可能な結果が得られると想定せず、実際の字幕作成工程を比較してください。 Revのファイル形式ガイド

最初に試すべきツールは？

音声・動画の文字起こしでは、AccurateScribeの定額サブスクリプション、Sonixの付属時間枠と超過料金のモデルを比較してください。月30時間の枠とファイル規則に作業量が収まるなら、Notta Proも比較対象になります。会議では、AccurateScribe、Otter、Nottaを候補にできます。会議の記録やメモ共有を作業に含む場合は、それらの機能も比較してください。ポッドキャストや動画の編集が必要ならDescriptが関係します。RevはAIプランに加えて、別料金の人手によるサービスも提供しています。

次に、有力な二つの候補で代表的な録音を処理してください。名前や数値を含む箇所、話者の交代、普段遭遇する種類の背景音を入れます。必要な品質基準まで出力を修正し、エクスポートしたファイルを使用先のアプリケーションで開いてください。この一連の作業の方が、単独で掲げられた精度の割合よりも、適合性について多くを教えてくれます。

よくある質問

最も精度が高い文字起こしツールはどれですか？

利用可能な公開テストでは録音や採点方法が異なるため、この六つのツールの中で精度が最も高い製品は確定できません。AccurateScribeとほかの候補を比較するには、同じ代表的な録音をテストし、各文字起こしを同じ参照文に照らして採点してください。

文字起こし無制限なら制限はないのですか？

いいえ。提供会社による利用枠の定義に加え、ファイルの長さ、ファイル数、ストレージ、エクスポートへのアクセスを確認してください。会議の利用枠とファイル取り込みの利用枠が異なることや、無料プレビューと全文へのアクセスが異なることがあります。こうした違いによって、実際の作業をカバーできるプランが変わります。

文字起こしはそのまま字幕に使えますか？

必要な形式、タイミング、分割を確認してから使用できます。必要なエクスポート機能を備えたプランを選び、出力された字幕を動画に合わせて確認してください。読みやすい文書と、公開できる字幕トラックは異なる納品物です。

選び方

自分の作業に最も適した二つのサービスを選び、同じ録音で比較してください。文字起こし、修正時間、エクスポートしたファイル、想定する量での総費用を確認します。全体の手間が最も少なく、予測可能な料金で、許容できる納品物を作れるものが、より適した選択です。

テストの注記と出典

製品情報とサブスクリプション条件は2026-10-17に確認しました。費用のシナリオには、上記のプランの組み合わせと前提条件を使用しています。性能研究については、著者、日付、元のリンクを維持しています。ファイル単位の中央値、コーパスWER、意味上の誤り、タスク成功の指標は採点方法が異なるため、それぞれの研究の対象範囲内で読む必要があります。

認識精度と遅延についての参考資料

録音の種類による精度

スループットとストリーミング遅延

言語と認識が難しい発話

引用した研究結果は、相互に置き換えられるスコアではありません。Pipecatは文字起こしが欠落したケースをWERの分母から除外し、文字起こし返却率を99.8%と報告しています。その 音声と参照文 は公開されています。Smolevichの小規模サンプルの数値は著者による報告であり、私的なボイスメモは公開されていません。MU-BenchはLLMで正規化した文字起こしを使用し、各ロケールを等しく重み付けします。UERは、意味を変えてしまう誤りのある発話を数えます。 Sierraの音声とラベル は公開されています。

VoiceCodeBenchのシナリオは合成したものを人が読み上げており、WERは書式に左右されません。CTEMは復元可能なエンティティを測定し、TSRでは区間内のすべての対象を復元できることが求められます。 音声と注釈 および 採点コード は公開されています。TORGOは統合WERではなく、100%を上限とした発話ごとのWERの平均を使用します。テストは2026年の改訂より前の2025-09-17–18に実施されました。VerliとSuperwhisperは文字起こし製品を提供しており、WhisperKitの著者らは競合システムを開発しています。