音声を文字起こし ブラウザで直接。
Whisper 音声文字起こし、完全オンデバイス。音声ファイルのアップロードも録音も — サーバーも制限もなし。
Whisper 品質の文字起こし。アップロードゼロ。
OpenAI の Whisper モデルが Transformers.js 経由でブラウザ内でローカル実行。
100% プライベート
音声がデバイスの外に出ることはありません。すべての文字起こしはローカルで行われます。
WebGPU 加速
GPU が利用可能な場合は GPU で推論、WASM へフォールバック。
Whisper モデル
自動言語検出付きの多言語音声認識。
アップロードまたは録音
音声ファイル（MP3、WAV、M4A）をドラッグ＆ドロップ、またはマイクでその場で録音。
3 ステップ。サーバーゼロ。
- 01
アップロードまたは録音
音声ファイルをドラッグ＆ドロップ、またはその場で録音。MP3、WAV、M4A などに対応。
- 02
AI が文字起こし
Whisper がローカルで実行され、タイムスタンプ付きのテキストに変換します。
- 03
コピーまたはダウンロード
文字起こしをコピー、またはテキストファイルとしてダウンロード。モデルはキャッシュされ再利用可能。
About the speech-to-text tool
A free speech-to-text tool that transcribes audio and video locally in your browser, powered by a Whisper model running on your device. It is intended for meetings, interviews, lectures, podcasts, and voice memos — including sensitive recordings that should not be uploaded to a cloud transcription service.
How it works
Audio is decoded in the browser with the Web Audio API, then a Whisper model (transformer-based speech recognition) runs through Transformers.js. On WebGPU-enabled Chrome or Edge the model executes on your GPU and a one-hour file transcribes in a fraction of real time; on other browsers a WebAssembly path keeps the same features available. The model files download once and are cached, so you can transcribe offline afterward. Finished transcripts can be copied as plain text or exported with timestamps.
Limits & requirements
The browser ships the lightweight Whisper tier for fast, free inference; it is excellent for clear speech but less forgiving on heavy accents or noisy multi-speaker recordings than paid large-model APIs. Long multi-hour files may hit browser memory limits on low-RAM devices; splitting long recordings is the workaround.
Privacy
This is the key difference from cloud services: your recordings are never uploaded. Interviews, confidential calls, and personal memos are processed and stay on your machine, with no per-minute billing.