いちばんよく使われる音声形式を、タイムスタンプ付き・話者ごとに分けて、数分で文字にします。
MP3はICレコーダー、スマートフォンのアプリ、ポッドキャストの配信でおなじみの形式で、文字起こしにはまったく問題ありません。圧縮で落ちるのは人の耳が捉えられない周波数で、音声認識にも要らない帯域です。
64kbps以上なら、ビットレートで精度はほとんど変わりません。効いてくるのは、マイクとの距離と、何人も同時に話しているかどうかです。
50GBまで。1ファイルに数時間の録音が入ります。
音声1時間あたり3分ほど。進み具合はいつでも見えます。
DOCX、PDF、SRT、CSV、JSONで。直した内容も入ります。
多くは既定でMP3を作ります。そのままアップロードしてください。
公開されているファイルで十分です。収録時の素材は要りません。
スマートフォンの録音も、同じようによく文字になります。
たいていはICレコーダーです。この種の機器は、少ない容量に長い時間を収めるため、32kbps、48kbps、64kbpsといった低いビットレートで録ります。文字起こしには差し支えません。その水準でも声はそのまま残り、落ちるのは話し声が使わない周波数だからです。
もう1つよくあるのは、動画から取り出した音声か、ダウンロードしたポッドキャストです。どちらもふつう128kbps以上で、十分すぎるほどです。アップロードの前にさらに圧縮しても得はありません。分数はファイルの大きさではなく、長さで数えるからです。
3時間のMP3は150MB強なので、大きさが問題になることはめったにありません。見ておくとよいのは、ファイルの頭に関係のない区間が入っていないかです。先に切っておけば、使う分数が減ります。
同じファイルに別々の収録がいくつも入っているなら、分けておくのが賢いです。技術的な理由ではなく、3時間の本文を検索するのが不便で、要約もつながりのない話題をまとめて扱うことになるからです。
アップロードすれば、タイムスタンプ付きで、話者ごとに分かれ、要約の付いたテキストが手に入ります。始めるのにアカウントは要りません。