Descriptで文字起こしする：対応言語、無料プラン、書き出し

先に言語を確認する

Descriptで文字起こしできるのは、対応言語一覧にある26言語で、どれもラテン文字で書く言語です。英語、スペイン語、フランス語、ドイツ語、ブラジルポルトガル語、イタリア語、オランダ語、ポーランド語、トルコ語が含まれます。中国語、日本語、ロシア語には対応していません。1つのファイルに使える対応言語は1つだけで、複数の言語が話されているファイルには対応していません。

中国語か日本語の場合は、別のアプリを使います。MacWhisperのGumroadページでは、対応言語に中国語と日本語が入っています。手順はMacWhisperの設定ガイドにあります。

対応している言語を複数使うときは、言語一覧の説明どおり、文字起こしに使う言語を優先して設定するか、App SettingsでAlways ask before transcribingをオンにします。English (UK)は自動検出では選ばれないので、手で指定します。

Descriptでファイルを文字起こしする

1. ファイルをプロジェクトへアップロードします。右側のProject panelにあるFilesに入ります。インポートの説明には、Zoomのクラウド録画とGoogle Driveからの取り込みも載っています。
2. Filesからscriptエディタへファイルをドラッグするか、ファイルを選んでInsert into scriptをクリックします。文字起こしの説明には3つ目の方法もあります。ファイル名の横のオプションメニューにあるTranscribe fileです。
3. ファイルの処理とクラウドへのアップロードが終わるまで待ちます。文字起こしの説明では、文字起こしはその後に始まるとされています。かかる時間は、ファイルの長さ、音質、インターネット接続によって変わります。
4. 複数人の声が入っているときは、Descriptの話者検出が声を見つけ、それぞれの名前を付けるよう求めます。声ごとの短いサンプルが再生されるので、聞き分けられます。

文字起こしが表示されないときは、ファイルがscriptに入っているかを確認します。layerとして置いただけでは文字起こしされません。文字起こしされるのはscript内のメディアだけです。15時間を超えるファイルは失敗します。音楽と歌詞は文字起こしされません。

音声を切らずに誤りを直す

Descriptは編集アプリで、scriptが録音を操作します。scriptから文を削除すると、その音声と映像も切れます。誤った単語だけを直し、音声はそのまま残すときはCorrectを使います。手順は修正の説明のとおりです。

1. 単語をダブルクリックしてCorrectをクリックするか、Cを押します。
2. 正しい単語を入力します。その箇所だけならCorrect、プロジェクト全体ならCorrect Allを選びます。
3. 続けて何箇所も直すときは、MacではOption-C、WindowsではAlt-Cを押してCorrect text modeに入ります。修正を入力し、同じキーをもう一度押すと終了します。

文字起こしの説明には、ほかの問題への対処も載っています。

• 言語が違っているときは、ファイルのオプションメニューからRe-transcribeを選び、Autoではなく言語を指定します。
• 人名や専門用語が何度も誤るときは、文字起こしの前に、Tools → Transcription Glossaryの文字起こし用語集へ追加します。登録は30語まで、対応するのは英語だけです。同じ単語を3回修正すると、自動で追加されます。
• 文字起こしが空になっている、または途中が抜けているときは、ステレオファイルの左右チャンネルのタイミングがずれていることがあります。FilesでSeparate into mono filesを選び、できた2つのファイルを再生して明瞭な方を見つけ、そのファイルだけを文字起こしします。

テキストを書き出す

Descriptの書き出しの概要では、書き出しはどれも同じボタンから始めます。

1. エディタ右上のExportを選びます。
2. DestinationをLocal exportにします。ファイルがパソコンに保存されます。
3. テキストか字幕のファイルを選び、このあとに書く項目を設定します。

文書として残すときは、文字起こしの書き出しからDOCX、TXT、RTF、MD、HTMLを選べます。話者ラベルとマーカーを含めたり、タイムコードを入れる間隔を指定したりできます。

字幕として残すときは、字幕の書き出しからSRTまたはVTTを選べます。1行の最大文字数と、1cardあたりの行数を指定できます。字幕ファイルは動画とは別のファイルです。映像に焼き込むcaptionsは別の機能です。

Freeプランの60メディア分

料金ページでは、Freeプランは月60メディア分、一度きりのAI creditsが100、ローカルの動画書き出しは720pまでとなっています。使用量の説明では、メディア分はアップロードまたは録音の時点で数えられ、文字起こししてもしなくても同じです。余った分は繰り越されません。1時間のインタビュー1本で、その月の分を使い切ります。文字起こし自体は現行プランでは使用量に入りません。

Hobbyistは年払いで1人あたり月$16、月払いで$24です。月10メディア時間が含まれます。

文字起こしだけが必要なとき

Descriptの強みは、テキストを編集して音声と動画を直せることです。録音から文字だけが必要な場合は、文字起こしアプリの方が覚える操作は少なく済みます。MacWhisperの製品ページでは、無料版で、ドラッグして入れた音声ファイルを文字起こしできるとされています。Otterのインポートの説明では、音声と動画のファイルを最大5GBまで取り込めます。Macでの手順はMacでOtterを使う方法にあります。

Vocenaでも、読み込んだ音声ファイルの文字起こしが有料機能として使えます。iPhoneとiPadはiOSまたはiPadOS 26以降、MacはmacOS 15.5以降です。Qwenのローカルモデルでは話者ごとにテキストが分かれます。Appleの音声認識では分かれません。行をクリックするとその位置から再生でき、タイムスタンプ付きのテキストまたはSRT字幕を書き出せます。