要約 / ポイント
- 4ツールすべてが、最初の5.5分間で約13%のWERを記録しました。
- 10分間全体では、HappyScribeが19.1%、Otterが19.5%、HyNoteが21.1%でした。
- Transkriptorの無料プランでは、5分35秒でファイルが途切れました。
- Otterの無料プランでは、アカウントごとに3ファイルまでしかインポートできません。
- HyNoteとTranskriptorは、単語レベルで全く同じ誤りをしていました。
結論： 4人が参加する10分間の雑多な会議において、HappyScribe、Otter、HyNote、Transkriptorの精度は、約2ポイントの差に収まりました。最初の5分半では約13％、10分間全体では19％〜21％の単語が誤っていました。精度でツールを選ぶことはできません。選ぶ基準は無料プランです。HappyScribeは10分間のみ、Otterはアカウントごとにファイルアップロードを3回まで、Transkriptorは5分35秒で処理が停止しました。2026年10月31日テスト実施。
テスト方法：2026年10月31日、AMI Meeting Corpus（会議ES2004a、エディンバラ大学、CC BY 4.0ライセンス）から実際の録音会議の最初の10分間を使用しました。イギリスおよびヨーロッパのアクセントを持つ4人が、しばしば発言を重ねながら会話しています。各ツールの新規無料アカウントにデフォルト設定で同じMP3ファイルをアップロードし、言語は英語を選択しました。その後、各ツールの文字起こし結果を、コーパスの人間によるトランスクリプトと比較し、単語誤り率（WER：ツールが誤変換、脱落、追加した単語の割合）を算出しました。スコアリングの前に、両方のテキストを小文字に変換し、句読点や「um」などのフィラーを除去し、数字は「25」と「twenty five」が同じになるように統一しました。数値は低いほど優秀です。これは1つの録音データに基づいているため、1〜2ポイントの差は同点とみなします。
スコア結果
| Tool | WER, first 5.5 min | WER, full 10 min | Speakers | Free plan |
|---|---|---|---|---|
| HappyScribe | 12.8% | 19.1% | 4 labelled | 10 minutes in total, once |
| Otter | 13.0% | 19.5% | 4 labelled | 300 min a month, but 3 file imports per account, ever |
| HyNote | 13.4% | 21.1% | Not labelled | Full 10 minutes transcribed |
| Transkriptor | 12.8% | Not available | 4 labelled | Our file stopped at 5:35 |
Transkriptorの無料プランでは、ファイルの最初の5分35秒分しか出力されなかったため、2つの期間で比較しました。その期間内では、4ツールすべてが12.8％から13.4％の間に収まっており、1つの録音データとしては同点です。10分間全体で見ると、HappyScribe（19.1％）とOtter（19.5％）がHyNote（21.1％）をわずかに上回りました。後半の誤りの大部分は、チームがホワイトボードに動物の絵を描きながら互いに話し続けたことによるクロストーク（発言の重複）が原因です。すべてのツールで単語の脱落が発生しましたが、HyNoteは他よりもやや多く脱落しました。
違いが見られた点
- 会議専門用語の聞き取り： プロジェクトマネージャーが「tool training（ツール研修）」について言及した際、OtterとHappyScribeのみが「tool」と認識しました。HyNoteとTranskriptorはどちらも「do two training」と誤変換しました。
- 話者の識別： Otter、HappyScribe、Transkriptorはそれぞれ4人の話者を特定しました。Otterの発言時間比率（43％、30％、16％、11％）は、実際の数値（40％、27％、19％、15％）に非常に近い結果でした。HyNoteの無料プランでは、話者の区別がない1つのテキストブロックとして出力されました。
- 数字の認識： 終盤の為替取引の話題で全員が苦戦しました。Otterは「seventeen, seventeen pounds」を「1717 pounds」と結合し、HappyScribeは「one point four」を「€1.4」と変換しました。
HyNoteとTranskriptorの出力結果はほぼ同じでした
最初の5分間において、HyNoteとTranskriptorは、「She going to answer me?」、「do two training」、「It doesn't let you put.」といった同じ間違いを含め、ほぼ同一のテキストを生成しました。2つの製品が同じ奇妙なエラーを起こすということは、通常、その裏側で同じ音声認識エンジンが使用されていることを意味します。どちらも使用しているエンジンを公表していないため断定はできませんが、この2つで迷っている場合は、精度ではなくプランや機能を比較してください。
無料プランの比較
Otterの無料Basicプランには、月間300分、1会話あたり最大30分までという制限がありますが、料金ページによると、アカウント全体で音声または動画ファイルのインポートは合計3回までとなっています。Otterで直接録音するライブミーティングには十分ですが、主にファイルをアップロードする場合は非常に少ないと言えます。Proプランは月額16.99ドル、または年払いで月額8.33ドルで、月間1,200分、インポート10回まで利用可能です。
Transkriptorは1分以内に文字起こしを行いましたが、エディター上ではファイルが5分35秒と表示され、残りの部分は「Unlock Full Transcription」ボタンの裏側に隠されていました。AI要約パネルには、私たちの会議とは無関係な「Q1 Sales Meeting Summary」のサンプルが表示され、アップグレードボタンの裏に隠れていました。料金ページには無料プランで90分と記載されていますが、私たちのアカウントでは最初のファイルが約5分半でカットされました。Proプランは月額19.99ドル、または年払いで月額8.33ドルで、2,400分まで利用可能です。
HappyScribeは最も率直です。注文画面には、私たちのファイルで10分間の無料枠をすべて使用すると表示されました。つまり、無料プランは一度きりです。Basicプランは月額17ドル、または年払いで月額8.50ドルで、120分まで利用可能です。
HyNoteは無料プランで10分間すべてを文字起こしし、「Remote Control Project Kick-off Meeting」という適切なタイトルを付けました。話者ラベルは欠落していました。有料プランは年払いのみで、Proが年間79.99ドル、Plusが129.99ドル、Unlimitedが189.99ドルです。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
どれを使うべきか
- 会議をライブで録音する場合： Otter。話者ラベルとキーワード抽出は4つの中で最も優れており、月間300分の無料枠も寛大です。ただし、アップロード用途には頼らないでください。
- 文字起こしするファイルが1つだけの場合： HappyScribeまたはHyNote。どちらも10分間すべてを無料で文字起こしできました。HappyScribeは話者ラベルを追加し、HyNoteは要約テンプレートを追加します。
- 多くのファイルを文字起こしする場合： 1ドルあたりの有料分数を比較してください。TranskriptorのProプラン（年払いで月額8.33ドル、2,400分）が、これらのプランの中で最もコストパフォーマンスが高いです。
関連資料
アフィリエイト開示：このページ内のリンクから登録を行うと、Storkが手数料を受け取る場合があります（追加費用は発生しません）。すべてのツールは同一の方法でテストされており、上記のスコアは当社の評価者が測定したものです。
よくある質問
最も精度の高いAI文字起こしツールはどれですか？
2026年10月31日に実施した4人での実際の会議を用いたテストでは、HappyScribe、Otter、HyNote、Transkriptorの4ツールは、最初の5.5分間で単語誤り率（WER）12.8%〜13.4%と約2ポイントの差に収まりました。全編10分間を文字起こしした3ツールについては、19.1%〜21.1%という結果でした。
Otterは録音ファイルのアップロードを無料で行えますか？
Otterの無料Basicプランでは、アカウントごとに合計3ファイルまでの音声または動画インポートしかできません。ただし、ライブ会議の文字起こしは月間300分まで含まれています。
会議が進むにつれて文字起こしの精度が低下するのはなぜですか？
クロストーク（話し手の重複）が原因です。複数人が同時に話すと、テストしたすべてのツールで単語の脱落が発生しました。誤り率は、比較的落ち着いていた前半の約13%から、会議全体を通して19%〜21%まで上昇しました。