動画の文字起こし方法｜
1,000本を手でやって分かったこと

私たちは1,000本以上の動画を、人の手で文字起こししていました

文字起こしの話をする前に、当社が何をやってきたかを先に書きます。ここが今回の話の土台になります。

2021年4月から2026年6月まで、当社は1,000本以上の動画を人の手で文字起こししてきました。ツールに任せず、聞いて打つ作業です。5年3か月、ほぼ毎回それをやっていました。

なぜそんなことをしていたのか。ブログの作り方が、こういう順番だったからです。

動画で話した内容が、そのままブログ記事になります。だから文字起こしは、当社にとって「やったほうがいいこと」ではなく、止められない工程でした。止めればブログが作れません。

手が空いていたわけでもありません。それでも人の手でやっていたのには理由があります。次の章がその理由です。

ツールは何度も試しました。そのたびに「まだ手のほうが早い」と見送りました

5年3か月、ツールを知らなかったわけではありません。複数の文字起こしツールを、年に何度か試してきました。そのたびに同じ結論になりました。まだ手で打つほうが早い、です。

ここで社長に持ち帰っていただきたいのは、当社が使っていた判断の物差しです。精度が何％かではありません。見ていたのはこれだけです。

※ 表は横にスクロールできます。

出典：当社が2021年から2026年6月まで実際に使っていた判断基準。

この物差しは、いま試す方にもそのまま使えます。ツールの宣伝文句を読み比べる必要はありません。自社の動画1本で両方やって、時計を見るだけです。

なぜ「直すほうが遅い」ことが起きるのか

間違いが多いと、直す作業は打つより遅くなります。どこが間違っているかを探しながら読むことになるからです。探して、判断して、打ち直す。この3つが混ざると、最初から打ったほうが速いという逆転が起きます。

ですから当社が見送ってきたのは、ツールの出来が悪かったからというより、「間違いを直す作業が人に残っていたから」です。ここが今年ひっくり返りました。

2026年7月に切り替えました。変わったのは2つです

2026年7月、当社は人の手による文字起こしをやめました。5年3か月続けた工程を変えたので、理由をはっきり書きます。

変化1：自動の文字起こしが、昔ほど間違わなくなりました

YouTubeの自動字幕を見たことがある方は多いと思います。昔は「かなり間違う」と言われていました。ご自分の動画で最近見て、思ったより合っていると感じた方もいるのではないでしょうか。言われてみれば気づく、という程度の変化です。

⚠ただしこれは当社の体感で、数字で測ったものではありません。公式も精度を保証していません。YouTubeのヘルプには「品質にばらつきが出る可能性があります」と書かれています（この章のあとで原文を引用します）。だから「精度が上がったから任せられる」とは、当社も考えていません。

変化2：間違いを直してくれる相手ができました

こちらが本題です。自動で起こした文字を生成AIに渡すと、間違いを直した文章が返ってきます。人が間違いを探す必要がありません。前章で書いた「探して、判断して、打ち直す」のうち、探すところと打ち直すところが人の手から外れました。

※ 表は横にスクロールできます。

出典：当社の運用の変更記録（切り替え＝2026年7月）。

つまり、問題は文字起こしの精度ではありませんでした

5年間、当社が考えていたのは「どうすれば文字起こしの間違いを少なくできるか」でした。ツールを試しては見送ってきたのも、その基準で見ていたからです。

いま振り返ると、見るべき場所が違っていました。問われていたのは精度の高さではなく、間違ったものを最後に直してくれるものがあるかどうかでした。直してくれる相手がいれば、途中の間違いは致命傷になりません。

この考え方は、文字起こしに限りません。AIに何かを任せるとき、入口の正確さより、出口で直せる仕組みがあるかを見るほうが、実務では効きます。どのAIに渡すかという話は別の記事にあります（AIのモデルの違いと選び方）。

当社の手順を、そのまま公開します

参考になるのは一般論よりも、実際に回っている手順だと思います。当社がやっていることを、そのまま出します。

※ 表は横にスクロールできます。

出典：当社の運用実測（2026年9月時点）。工程1と2の待ち時間は動画の長さによって変わります。

以前、当社は動画を聞きながら人の手で全文を打っていました。4分の動画で、約2時間です。この時間を知っているので、「文字起こしをやりましょう」とお客様に軽く言えませんでした。2時間かかる作業は続きません。

いまは違います。YouTubeにアップロードして、出てきた文字を生成AIに渡して整えてもらう。人が手を動かすのは、1本あたり5〜10分です（2026年9月時点・当社の実測）。アップロードと処理の待ち時間はかかりますが、その間は何もしません。自動で進みます。

費用の話もしておきます。当社は生成AIの上位プランを月200ドル（税抜・請求は220ドル／2026年9月時点）で1本だけ契約しています。文字起こしのために、そこへ何かを足したことはありません。つまり文字起こしの追加費用は0円です。無料の範囲で試すこともできます。

ここには理由があります。渡す相手を1つに絞ると、やり方と決め事がその1つにたまっていきます。あちこちに分けると、たまりません。どのAIを使うかという選び方については、別の記事に書きました（AIのモデルの違いと選び方）。

担当を分けたほうが、続きます

当社では、動画を渡す人と、文字を受け取って整える人を分けています。社長が全部やろうとすると、たいてい止まります。工程4の「3か所だけ直す」を誰かに任せられれば、その日から回りはじめます。全文を読み直す作業にしてしまうと、誰も引き受けてくれません。

方法は3段だけです。会社に合う段を選んでください

ツールの名前を並べても判断はできません。判断に必要なのは、「どれくらい手間がかかって、どれくらいの精度になるか」の段差です。3段に分けて整理します。

※ 表は横にスクロールできます。

出典：当社の運用実測（2026年9月時点）。1段の「ばらつく」はYouTubeヘルプの記述にもとづきます（後述）。

1段：まずYouTubeに任せて、現状を見る

YouTubeには、音声から自動で字幕を作る機能があります。公式の呼び名は「自動字幕起こし」で、ヘルプには対応言語が並んでいて、日本語も含まれています（2026年9月13日に公式ヘルプで確認）。つまり、あなたが日本語で話した動画は、すでに文字になっている可能性があります。

ここで一度、自分の動画で確かめてみてください。多くの社長が「もう文字になっていたんですね」と驚きます。0円で、すでにある。これが出発点です。

2段：出てきた文字を、生成AIに整えてもらう

ただし、そのままでは使えません。自動で起こした文字は句読点が少なく、読むとつらい塊になっています。そこで生成AIに渡して、段落と句読点を入れてもらいます。当社はこの2段目で運用しています。人が見るのは、AIが整えたあとの文章です。

3段：人が聞き直す。ただし全部ではなく、条件つきで

数字や社名が多い動画は、人が聞き直したほうが安全です。金額を1桁間違えた文章を公開するほうが高くつきます。3段目は「全部の動画」ではなく「間違えたら困る動画」だけに使ってください。

なお、撮影や編集を含めた制作全体を社内で回すか外に出すかは、別の記事で比べています（外注と内製の比較／社内で内製化する手順）。この記事は、そのうち文字起こしの1工程だけを深く扱います。

自社の663ページを数えました。動画のあるページは、文字も厚い

もうひとつ、当社にしか出せない数字を出します。自社サイトの公開ページを全部（投稿639＋固定ページ24＝663ページ）走査して、動画を置いているページと置いていないページで、本文の文字数を比べました（2026年9月13日・未ログインで実測）。

※ 表は横にスクロールできます。

出典：自社サイトの全公開ページ663件（投稿639＋固定24）をWordPressのAPIで走査し、本文テキストの文字数を数えたもの。未ログイン・2026年9月13日実測。ページ総数はAPIの総件数と一致し、重複はありません。

⚠ひとつ断っておきます。これは「動画を置いたから文字が増えた」という話ではありません。順番は逆で、当社は動画を置くページには文字も書いてきた、という運用の結果です。数字が並んでいるだけで、原因と結果を決めることはできません。

それでも、社長に見ていただきたい数字です。動画と文字は、どちらかを選ぶものではなく、セットで置くものだからです。そしてその文字を用意する作業が、文字起こしです。ゼロから書けば1本に何時間もかかります。動画で話した内容を起こすなら、さきほどの5〜10分です。

もうひとつ分かったことがあります。当社にも、動画を置いているのに本文が3,000字未満のページが20ページありました。ここは文字が足りていない場所です。全部を直すつもりはありませんが、手当てする順番はこの20ページからです。自分のサイトでも同じ数え方ができます。

※ 表は横にスクロールできます。

出典：同じ走査（2026年9月13日）。割合は174ページに対する比率です。

8割のページは、動画が1本です。つまり「この1本の横に、どれだけ文字があるか」で、そのページの中身が決まります。だから1本ぶんの文字起こしが、そのまま1ページの厚みになります。

なお「そもそも動画とブログのどちらに力を入れるべきか」は別の記事で扱っています（ブログと動画はどっちが効果的？）。「AIの時代に動画が効くのはなぜか」はこちらの記事です。

作った文字は、4か所のどこに置くかで効き方が変わります

文字起こしができたあと、多くの会社がここで止まります。作ったけれど、どこに置けばいいのか分からない。置き場所は4つで、効く相手がそれぞれ違います。

※ 表は横にスクロールできます。

出典：当社の運用をもとに整理（2026年9月時点）。

1つ目：ブログ本文にする

いちばん効くのはここです。動画で話した内容が、そのまま検索から見つかる記事になります。当社のブログも、動画で話した内容が元になっています。ただし、喋った言葉をそのまま貼ると読まれません。その直し方が次の章です。

2つ目：説明欄に置く

説明欄は、YouTubeの中で動画が見つかるための情報です。全文を貼る場所ではありません。要点と、ブログへのリンクを置きます。説明欄そのものの書き方は別の記事にまとめています（チャンネル概要欄の書き方／採用チャンネルの場合はこちら）。

3つ目：構造化データに入れる

検索エンジンに「このページには動画がある」と伝える設定です。ここは手間がかかり、設定しても思ったように認識されないことがあります。当社が自社サイトで実際に測った結果は別の記事にまとめました（生成AIは動画を読むのか）。技術面の全体像はこちらのまとめにあります。

4つ目：生成AIに渡す素材にする（当社でいちばん多い使い方）

これが、この記事でいちばん伝えたいことです。当社は起こした文字を生成AIに読み込ませる素材として使っています。社長が30分話した内容には、その会社の考え方と言い回しが全部入っています。それを文字で渡しておくと、AIはその会社の言葉で書けるようになります。

外に公開しなくてもかまいません。社内に置いておくだけで、資産になります。「文字起こしはブログのためにやるもの」と思っていると、この使い道に気づけません。

直すのは3か所だけです。全部は直しません

ここが、文字起こしが続くかどうかの分かれ目です。全部を直そうとすると2時間に戻ります。直すのは3か所だけと決めてください。

※ 表は横にスクロールできます。

出典：当社の運用基準（2026年9月時点）。

3つ目の指示語は、見落とされがちですが効果が大きいところです。動画では画面に資料が出ているので「これが」で通じます。文章にはその画面がありません。だから「これが」のままだと、読者は何の話か分からないまま次の行に進みます。

公式も「確認して直してください」と書いています

これは当社が勝手に言っていることではありません。YouTubeのヘルプには、自動字幕起こしについてこう書かれています（2026年9月13日に確認）。

出典：YouTube ヘルプ「自動字幕起こし機能を使用する」（2026年9月13日に閲覧・引用）

公式が「確認して編集してください」と書いているのですから、そのまま貼って終わりにする使い方は、もともと想定されていません。ただし「全部を直せ」とも書かれていません。だから当社は3か所に絞りました。

喋り言葉は、短くするだけで読めるようになります

もうひとつ。話した言葉と読む文章は別物です。喋っているときは気にならない言い回しでも、文字にすると長く感じます。無駄を削って短くするだけで、読みやすさは大きく変わります。言い回しを凝る必要はありません。

ここから終わりです。残りは、よくある失敗2つと今週やることだけです

やり方の話は終わりました。最後に、失敗しやすい2つを書いておきます。どちらも当社が実際に見てきたものです。

※ 表は横にスクロールできます。

出典：当社がご相談のなかで実際に見てきた例（2026年9月時点）。

1つ目は、効かなかったのが文字起こしではなく貼り方だった、という話です。やり方を間違えた結果で「この施策はダメだ」と決めてしまうのが、いちばんもったいない失敗です。

テロップ・字幕・文字起こしは、別のものです

混同されやすいので整理します。テロップは画面に焼き付ける文字で、動画の一部です。機械には読めません。字幕は視聴者のための文字データで、消したり出したりできます。文字起こしは、その文字を別の場所で使うことを指します。テロップを入れるかどうかの判断は別の記事にあります（動画編集にテロップは必要？）。

なお、そもそも文字にして残る話し方をするには、動画の構成から決めておくのが早道です（動画の構成の作り方）。

今週、1本だけやってみてください

読んで終わりにならないように、今週の手順を書きます。時間は20分で足ります。

1本やれば、2本目からは考えずに進みます。迷っている時間のほうが、作業時間より長くなります。まずは1本です。

よくある質問（FAQ）

まとめ