ソースネクストのホームページには、毎日引けるくじがあります。
たまに引いてみるのですが、今回は「RecText AI 2 ダウンロード版」が半額になるクーポンに当たりました。価格は4,980円です。
ちょうど録音データの文字起こしを試してみたいと思っていたので、せっかくの機会です。半分人柱になる覚悟で、今回はこのソフトを実際に使ってみました。
RecText AI 2はリアルタイム入力とは違う
私は普段、パソコンで音声入力をするときはAqua Voiceを使っています。最近はTypelessというアプリも有名かもしれません。これらはマイクに向かって話した内容を、タイピングの代わりにその場で入力するための音声入力ソフトです。
一方、RecText AI 2は録音済みの音声ファイルを読み込んで、あとから文字起こしするアプリです。
つまり、用途は次のように分かれます。
- Aqua VoiceやTypeless：話した内容をリアルタイムで入力する
- RecText AI 2：録音済みの音声ファイルを文字にする
同じ音声認識を使うソフトでも、使う場面はかなり違います。
音声認識エンジンにはWhisperを採用
RecText AI 2の音声認識には、OpenAIのWhisperが使われています。
Whisperは、音声を文字に変換するための音声認識モデルです。今回は、何文字が正解したかという厳密な精度検証まではしていません。
ただ、実際に使いものになるかどうかを確認するため、手元の録音データを文字起こししてみました。
Plaud NotePin Sの文字起こし枠を節約したい
録音には、Plaud NotePin Sを使っています。Plaud NotePin Sの文字起こし機能は、たしかに便利です。
ただし、本体を約25,000円で購入しても、無料で文字起こしできる時間は月300分です。時間にすると5時間しかありません。
人によっては、無制限プランを契約して、朝から晩まで録音する使い方もあると思います。無制限プランは月5,000円ほどかかるため、たくさん使う人にとっては便利ですが、私のような個人利用では少し考えてしまう金額です。
朝から晩まで録音することはありません。それでも、イベントや外出先で1時間、2時間と録音し続けることがあります。
そうすると、月300分の無料枠は意外と早くなくなります。
RecText AI 2を使った文字起こしの流れ
そこで、Plaud NotePin Sで録音した音声を取り出し、RecText AI 2で文字起こしする方法を試しました。
今回の流れは、次のとおりです。
- Plaud NotePin Sで音声を録音する
- 録音データをMP3などの音声ファイルとして取り出す
- RecText AI 2に音声ファイルを読み込ませる
- 文字起こししたテキストを出力する
- Geminiにテキストを渡し、内容を整理・修正する
RecText AI 2で作った文字起こしを、そのまま読んだり記事にしたりというわけではありません。
音声認識には誤変換があるため、Geminiに渡して、話の流れを整理したり、明らかな誤認識を修正したりします。
飛行機の騒音が入った録音でも使えた
今回は、飛行機に乗ったときの録音データを使いました。
飛行機内の騒音の中の機内アナウンスが録音されています。録音状態としては良いものとは言えません。
それでも、機内放送の内容や、その場で何が起きていたのかが分かる程度には文字起こしできました。
もちろん、ところどころおちゃめな誤認識はあります。固有名詞や、騒音に埋もれた部分は特に間違いやすいようです。
ただ、あとからGeminiで整理する前提なら、全体の内容を把握するための下地としては十分使えます。
文字起こしの正解率を数字で測ったわけではありませんが、録音状態の悪さを考えると、正直に言ってなかなか頑張っているなと思いました。
今回は、2時間程度の録音を文字起こししました。さすがに一瞬で終わるわけではなく、処理には数分かかりましたが、実用の範囲内ではないかなと思います。
また、複数の音声ファイルを同時に読み込ませて、順番に処理することもできます。録音データがたくさんある場合でも、まとめて処理できるのは便利でした。
 |
Geminiで整理して貰った結果
「深い爆弾」→「スライドの破損・パンク」と補正できるGeminiは凄いわ
「バウモードをAMDに変更」→「ドアモードの変更/確認」、実際は「ドアモードをARMEDに変更」と言っていました。 |
私の主な使い道はブログのネタ出し
私の職場は情報管理が厳しく、会議中の録音などは絶対にできません。そのため、会議の議事録を作る目的では使っていません。
主に、プライベートで出かけたときの環境音や会話を録音して、あとからブログのネタを探すために使っています。
たとえば、旅行やイベントの帰りに録音を聞き直すと、その場では気づかなかった話題が見つかることがあります。録音を全部聞き直すのは大変ですが、文字になっていれば検索や整理もしやすくなります。
もちろん、録音するときは周囲の人のプライバシーや、録音禁止の場所ではないかに注意が必要です。
RecText AI 2を使うメリット
今回使ってみて感じたメリットは、次の3つです。
1. 月額の文字起こし料金を増やさずに済む
Plaud NotePin Sの録音データを自分のパソコンで処理できるので、Plaud NotePin Sの文字起こし枠を節約できます。
録音時間が月300分を超えそうなときでも、音声ファイルを取り出して別の方法で文字起こしできます。毎月のサブスクリプションを増やしたくない人には、検討しやすい方法かなと思います。
2. 録音状態が悪くても内容を確認できる
騒音やアナウンスが混ざった録音でも、会話の大筋を確認できました。
高い精度が必要な用途では、文字起こし結果を必ず元の音声と照合したほうがよいです。一方で、ブログのネタ探しや記録の整理であれば、まず内容を把握できることが大切です。
3. Geminiと組み合わせると整理しやすい
文字起こし結果には、言い間違いや誤変換が残ります。
そこでGeminiに渡して、次のような指示を出します。
- 話題ごとに分ける
- 明らかな誤変換を文脈から修正する
- 要点を箇条書きにする
- 記事のネタになりそうな部分を抜き出す
RecText AI 2だけで完結させるというより、文字起こしを担当してもらい、Geminiで後処理する使い方です。
注意点と向いていない用途
RecText AI 2は便利ですが、どんな用途にも向いているわけではありません。
特に、次のような場合は注意が必要です。
- 誤変換が許されない正式な議事録
- 専門用語や固有名詞が多い音声
- 録音した人の同意が必要な会話
- 録音禁止の場所での利用
また、Geminiで修正できるとはいっても、元の音声が聞き取れない部分を正確に復元できるわけではありません。
AIが自然な文章に整えてくれるほど、間違いに気づきにくくなることもあります。重要な内容は、必ず元音声と照らし合わせる必要があります。
4,980円なら買ってよかった
結論から言えば、4,980円で購入できた今回は、買ってよかったと思います。
普段からリアルタイム音声入力をしたい人には、Aqua VoiceやTypelessのような別の種類のソフトが向いています。
一方で、すでに録音データを持っていて、それをあとから文字にしたい人には、RecText AI 2は使いやすい選択肢になりそうです。
私の場合は、次の流れを作れたことが大きいです。
Plaud NotePin Sで録音
→ RecText AI 2で文字起こし
→ Geminiで整理
→ ブログのネタとして活用
毎月の文字起こし枠を気にしながら録音するより、音声ファイルをパソコンで処理できるほうが気楽です。
定価での購入については、使う頻度や価格によって判断が変わると思います。ただ、5,000円前後で買えるなら、録音データをたくさん持っている人には試す価値があるのではないでしょうか。
ただ、購入前に手元の音声ファイルで機能や性能を試せるわけではありません。そこで今回は、半分人柱になる覚悟で私が実際に購入して試してみました。その結果を、この記事で公開しています。
※この記事は、筆者が個人的に購入・使用した感想です。利用時は、録音する場所のルールや周囲の人のプライバシーに配慮してください。
【追記】Gemini 3.5 Taranscribe のほうが精度良いかな
この記事を書いたのは2026年8月14日ですが、その後 Gemini 3.5 Transcribe が出まして、そちらの方で試してみました。文字起こしの精度を比べると、Gemini 3.5 Transcribe の方が目に見えて良いです。
ただ、これは録音データをクラウドにアップロードして文字起こしをするものなので、完全にローカルで処理しなければならないようなデータでは使えません。
なので、完全ローカルでやるのか精度を求めるのかで、用途は分かれると思います。
別にクラウドにアップロードしてしまって構わないようなデータであれば、ちなみに Gemini 3.5 Transcribe の方が文字変換としては良い結果が出せるように思います。
2026/09/26追記
【追記】Gemini 3.5 Transcribe 、RecText AI 2、ブラウザでGeminiを比較してみた
Gemini 3.5 Transcribe
映画、テレビ、ゲームの画面などに商品や企業ロゴなどを登場させ、見ている人にさりげなくアピールするマーケティング。これはプロダクトプレイスメントの説明である。企業が、顧客ではなく自社の従業員に対して行うマーケティング。これはインターナルマーケティングの説明である。市場全体を均質な存在と見なし、大規模なプロモーション活動によって目標の達成を目指すマーケティング。これはマスマーケティングの説明である。自ら主体的に情報を探しにくる顧客に対して、自社の商品・サービスに興味を持つコンテンツを作成し、情報発信し続けるマーケティング。これはインバウンドマーケティングの説明である。
「、」を４つ挿入。「・」を１つ挿入。改行が全くなし。
ソースネクストのRectext AI 2
映画、テレビ、ゲームの画面などに商品や企業ロゴなどを登場させ、見ている人にさりげなくアピールするマーケティング。
これはプロダクトプレイスメントの説明である。
企業が、顧客ではなく自社の従業員に対して行うマーケティング。
これはインターナルマーケティングの説明である。
市場全体を均質な存在とみなし、大規模なプロモーション活動によって目標の達成を目指すマーケティング。
これはマスマーケティングの説明である。
自ら主体的に情報を探しに来る顧客に対して、
自社の商品・サービスに興味を持つコンテンツを作成し、
情報を発信し続けるマーケティング
これはインバウンドマーケティングの説明である。
文章ごとにタイムスタンプを付けて出力するものを、タイムスタンプを消して出力したので、改行が多めに入っています。文字はすべて正しくて、「、」を３つ挿入。「・」を１つ挿入。「。」を１つ挿入。
ブラウザから Gemini
映画、テレビ、ゲームの画面などに商品や企業ロゴなどを登場させ、見ている人にさりげなくアピールするマーケティング。 これは、プロダクトプレイスメントの説明である。
企業が、顧客ではなく、自社の従業員に対して行うマーケティング。 これは、インターナルマーケティングの説明である。
市場全体を均質な存在とみなし、大規模なプロモーション活動によって目標の達成を目指すマーケティング。 これは、マスマーケティングの説明である。
自ら主体的に情報を探しに来る顧客に対して、自社の商品・サービスに興味を持つコンテンツを作成し、情報発信し続けるマーケティング。 これは、インバウンドマーケティングの説明である。
ブラウザから Gemini に音声ファイルの文字起こしを依頼したもの。
「言い淀みやフィラーを取ること」と「AI を使って間違いは修正してください」という指定はしています。あと「すべて省略せずにそのまま出力すること」という条件をつけた Gem を書いて出力させたものです。
これが一番正確でした。
文字はすべて正しくて、「、」を１つ挿入。「・」まで正解。
まとめ
使用した文章が一般的な用語ばかりの文章だったので、句読点の部分には多少の違いがありますが、文字起こし自体は3つのアプリすべてで正解しています。
Gemini 3.5 Transcribe の文字起こしは、改行というものが全くなく出力されています。これに対してソースネクストのRectext AI 2は、文章の区切りごとにタイムスタンプを付けて出力するのが標準スタイルなので、出力時にタイムスタンプを消しても改行されて出力されます。
一番自然に出力してくれたのがブラウザから Gemini を使って出力したものです。Gems を使わないといちいちプロンプトを書いて文字起こしの条件を指定する必要がありますが、Gems を使って一度指定しておくと、ファイルをドラッグ＆ドロップしてリターンを押すだけで、正確な文字起こしができます。
今回は1分ほどの長さの録音ファイルを使って確認しました。
スマートフォンを使って部屋で録音したので、録音環境はまあまあです。それなりに雑音（会話の音など）が背景にある状態です。文字起こしにかかった時間は、Gemini はどちらも一瞬という感じでした。ソースネクストのRectext AI 2は30秒ほど時間がかかりました。結構ソースネクストのやつは遅いんですよね。
2026/09/27追記
