文字起こしの相場は音声1分あたりで見る、文字数単価との違い

2026年6月12日

＠SOHO編集部

この記事のポイント

✓データ入力・文字起こしの単価相場を
✓音声1分あたりの単価と文字数単価の違いから解説
✓素起こし・ケバ取り・整文起こしで変わる相場

文字起こしの案件を探していると、同じ「1時間の音声」でも提示されている報酬が案件ごとにばらばらで戸惑った経験はないでしょうか。ある募集では3,000円、別の募集では1万5,000円という具合に、数倍の開きが平気で存在します。結論から言うと、この差の大半は「相場が高い・安い」の問題ではなく、単価の見方そのものがずれていることに起因します。文字起こしの単価は文字数ではなく、音声の長さ、つまり「音声1分あたりいくらか」を基準に見る必要があります。この記事では、なぜ音声1分単価で見るべきなのか、文字数単価との違い、そして単価を左右する具体的な要因を整理していきます。

データ入力・文字起こしの単価相場、まず全体像をつかむ

在宅ワークの求人サイトを横断的に見ると、データ入力・文字起こしはクラウドソーシングの中でも案件数が多い分野の一つです。未経験からでも始めやすい反面、単価のばらつきが大きく、相場観を持たずに応募すると「思ったより時給換算が低い」という状態に陥りやすいジャンルでもあります。

正直なところ、これはどうかと思う募集も少なくありません。「文字単価0.5円」とだけ書かれていて、音声の長さや話者数の情報が一切ない案件です。文字数単価は入力後の完成原稿の文字数を基準にしますが、音声のスピード、間の取り方、方言の有無によって同じ1時間の音声でも仕上がりの文字数は大きく変わります。話者がゆっくり話す座談会と、早口で専門用語を連発する会議では、同じ60分でも文字数が1.5倍近く違うことも珍しくありません。つまり文字数単価だけを見せられても、実際にその案件にどれだけの作業時間がかかるのかを事前に予測できないのです。

一方、音声1分単価であれば、話者の話す速度に関係なく「この音声を1分文字に起こすといくらになるか」という基準がぶれません。作業者にとっても依頼者にとっても、見積もりの精度が上がるという利点があります。文字起こしの相場を調べる際は、まず「文字数単価」ではなく「音声時間単価」の情報を優先して確認する習慣をつけることをおすすめします。

料金形態は基本料金制で、一般的な文字起こしなら1時間の録音まで2万円、以降15分毎に1,500円が追加されます。品質を重視するならテープリライトに相談してみましょう。出典: grop.co.jp

この専門業者の料金からも分かる通り、1時間の音声を基準にした料金設定が業界の標準的な考え方です。企業が外注業者に依頼する場合の相場が1時間あたり2万円前後だとすると、個人のフリーランスに依頼するクラウドソーシング案件では、その3割から6割程度の水準に落ち着くケースが多く見られます。業者を通す場合は品質保証やチェック体制のコストが上乗せされるため、個人への直接発注のほうが単価は下がりやすい一方、依頼側から見れば同じ予算でより多くの分量を発注できるという構図になっています。

音声1分単価と文字数単価、それぞれの計算方法の違い

音声1分単価の考え方

音声1分単価とは、文字通り「収録された音声・動画の1分間を文字に起こす対価」を基準にした単価設定です。相場としては、素起こし(話された内容をそのまま書き起こす形式)であれば1分あたり50円から150円程度、専門性の高い医療・法律分野や、聞き取りが難しい座談会形式であれば1分あたり200円を超える案件も存在します。1時間(60分)の音声であれば、単純計算で3,000円から9,000円、専門性が高い案件では1万2,000円以上になる計算です。

音声1分単価のメリットは、依頼者・受注者の双方が作業量を事前に見積もりやすい点にあります。60分の音声を受け取った時点で「この案件は最大でも9,000円程度」と分かっていれば、作業に着手する前に採算が合うかどうかを判断できます。逆に言えば、この単価が極端に低い案件は、どれだけ丁寧に作業しても時給換算で割に合わなくなるリスクが高いというサインでもあります。

文字数単価の考え方

文字数単価は、完成した原稿の文字数に対していくら支払うかという方式です。相場は1文字あたり0.3円から1円程度が一般的なレンジとされています。1時間の音声を文字起こしすると、話す速度にもよりますが完成原稿はおおよそ1万2,000字から1万8,000字程度になることが多く、文字単価0.5円で計算すると6,000円から9,000円という水準になります。

一見すると音声1分単価と大きく変わらないように見えますが、問題は「文字数が事前に分からない」という点です。早口で専門用語の多い講演を文字起こしする場合、同じ60分でも文字数が2万字を超えることがあります。文字単価だけで契約すると、聞き取りにかかる時間と報酬が比例しないため、結果的に時給換算が大きく崩れるケースが出てきます。文字起こしの副業を始めたばかりの頃、この違いを理解しないまま文字単価案件だけを受注していた結果、早口の講演音声に当たって想定の2倍近い作業時間がかかり、時給換算が大幅に下がってしまった経験があります。契約前に音声のサンプルを聞かせてもらい、話速をおおまかに確認しておくことの重要性を痛感した出来事でした。

文字起こしの種類によって変わる単価水準

文字起こしと一口に言っても、仕上がりの形式によって求められるスキルと単価が変わります。主に3つの形式に分かれます。

素起こし

話された内容を、言い間違いや「えー」「あの」といった言葉(ケバ)も含めてそのまま文字にする形式です。作業自体はシンプルですが、正確な聞き取りが求められます。単価は1分あたり50円前後からと、3種類の中では最も低い水準です。裁判記録や研究のインタビュー録音など、話者の発言をそのまま記録として残したい場面で使われます。

ケバ取り

素起こしから「えー」「あの」といった不要な言葉や言い直しを除去し、読みやすさを一段階高めた形式です。単価は1分あたり80円前後が目安で、素起こしより聞き取りの精度と文章の整理能力が求められる分、単価も上がります。企業の会議録や取材録音の文字起こしで多く使われる形式です。

整文起こし(リライト)

文法や語順を整え、読みやすい文章として仕上げる形式です。単に聞き取るだけでなく、日本語としての読みやすさを再構成するライティングスキルが求められます。単価は1分あたり100円から150円程度と、3種類の中で最も高くなる傾向があります。講演録やインタビュー記事のベースとして使われることが多く、文章力のあるライターにとっては単価アップを狙いやすい領域です。文章の再構成という点では、著述家、記者、編集者の年収・単価相場で扱われるライティング職の単価とも重なる部分があり、文字起こしから編集・ライティング業務へのキャリアの広がりを意識する材料になります。

単価を左右する5つの要因

同じ「素起こし」であっても、案件ごとに単価が変わる理由は主に次の5点に集約されます。

話者数

1人の講演音声と、5人が発言する座談会音声では、聞き取りの難易度が全く異なります。話者が重なって発言する箇所の聞き分けや、発言者ごとの表記の統一作業が発生するため、話者数が多い案件ほど単価は上がる傾向にあります。3人以上が参加する座談会形式では、1人語りの案件と比べて1分あたり30%から50%程度単価が高く設定されることが一般的です。

専門用語の有無

医療、法律、IT、金融といった専門分野の音声は、聞き取った内容が正しい専門用語かどうかを都度調べながら進める必要があります。一般的な会話の文字起こしに比べて作業時間が伸びるため、専門分野の案件は単価も高めに設定される傾向があります。専門用語を正確に調べ切れるかどうかは、資格の有無以上に採否を左右する要素であり、この点についてはIT・マーケティング分野の周辺知識が役立つ場面も多く、AI・マーケティング・セキュリティのお仕事のような周辺領域の理解が案件の幅を広げる助けになります。

音質

会議室での録音とオンライン会議の録音では、音質が大きく異なります。エアコンの音、複数人の同時発話、マイクとの距離による声の小ささなど、聞き取りにくい要素が多い音声ほど作業時間が伸びます。ノイズが多い音声は、依頼者側も単価を上乗せして募集することが多く、逆に単価が極端に安いのに「聞き取りにくい音声です」と注記されている案件は避けたほうが無難です。

納期

通常納期(1週間程度)に対して、即日から2日以内といった短納期の案件は、単価に割増が設定されるケースがあります。一方で、短納期案件は集中して取り組む時間の確保が前提になるため、本業と並行して受注する場合は無理のないスケジュールかどうかを事前に見極める必要があります。

実績とスキル

クラウドソーシングサイトでは、過去の評価件数や納品実績が単価交渉の材料になります。実績が少ない段階では単価の低い案件から丁寧に評価を積み上げ、一定の実績が貯まった段階で単価交渉に踏み出すのが現実的な進め方です。この点はデータ入力全般に共通する話でもあり、データ入力・文字起こし・分類のお仕事で紹介されている案件の傾向を見ながら、自分の得意分野に近い案件から実績を積むと単価アップまでの道筋が見えやすくなります。

データ入力全般と比較した文字起こしの単価水準

文字起こしと並んでデータ入力全般も在宅ワークの定番ジャンルですが、単価の考え方はやや異なります。データ入力は「件数単価」や「時給換算」で語られることが多く、名刺や紙資料のテキスト化であれば1件あたり数円から数十円、フォーム入力代行であれば時給換算で1,000円から1,500円程度が目安とされています。

文字起こしとデータ入力を比較すると、文字起こしのほうが聞き取りという専門的なスキルを要する分、単価は総じて高めに設定される傾向があります。一方で、文字起こしは聞き取りにくい音声への対応や専門用語の確認作業など、単価の変動要因が多く、経験の浅いうちは想定より作業時間がかかりやすいという側面もあります。逆にデータ入力は入力速度さえ確保できれば単価が比較的安定しやすく、正確な相場の見極めがしやすいジャンルと言えます。表計算やタイピングの基礎スキルを客観的に示したい場合、ビジネス文書検定のような資格を実績と合わせてアピールすることで、データ入力案件での信頼を得やすくなるケースもあります。

単価を上げるための実務ポイント

単価を上げるための最も現実的な方法は、専門分野を持つことです。医療、法律、金融、ITといった専門性の高い分野の音声を正確に聞き取れるようになると、単価の高い案件の対象になりやすくなります。特にIT分野の音声起こしでは、専門用語や固有名詞の知識があると聞き取りの精度が上がり、修正の手間も減らせます。ITスキルを客観的に示す資格としては、CCNA(シスコ技術者認定)のようなネットワーク分野の資格を持つ人材が、IT企業の社内会議やウェビナーの文字起こし案件で重宝される例もあります。

もう一つの現実的な方法は、文字起こしの周辺スキルを掛け合わせることです。整文起こしのように文章を再構成するスキルを磨けば、単純な素起こし案件よりも高単価の案件に挑戦できます。文章力を活かしたキャリアの広がりという意味では、ライティングや編集業務への展開も選択肢の一つです。実際、データ入力から始めて事務代行やライティングへとキャリアを広げていく事例は珍しくなく、MOS Excel取得で在宅副業|データ入力・事務代行の案件相場で解説されているように、隣接スキルを組み合わせることで案件の幅と単価の両方を底上げできます。

また、ツールの活用によって作業スピードを上げることも単価実質のアップにつながります。音声を自動でテキスト化するAI文字起こしツールを下書き代わりに使い、人力でチェック・修正する進め方に切り替えることで、素起こしの作業時間を大幅に短縮できるケースが増えています。ただしAIの自動文字起こしは同音異義語の誤変換や句読点の位置ずれが起きやすいため、最終的な確認は必ず人の目で行う必要があります。

高単価案件を見極めるコツと避けたい落とし穴

高単価をうたう案件の中には、実態が伴わないものも紛れています。音声時間の表記がなく「文字単価0.8円、ボリュームあり」とだけ書かれている案件や、サンプル音声の提示を拒む依頼者には注意が必要です。契約前に必ず確認したいのは次の3点です。

まず、音声の総時間と話者数です。この情報がない状態で受注してしまうと、想定外の作業時間がかかるリスクを抱えたまま進めることになります。次に、納品形式です。タイムスタンプの挿入や話者名の表記ルールなど、細かい仕様が後出しで追加されると、実質的な単価が下がってしまいます。最後に、支払いのタイミングです。分割払いや検収後60日払いといった条件は、資金繰りの観点でも把握しておくべき情報です。

正直なところ、単価だけを見て飛びつくのは危険です。相場より明らかに高い案件は、作業量の見積もりが甘いか、あるいは何らかの理由で受注者が集まりにくい案件である可能性を疑ったほうがよいでしょう。

また、テスト案件と称して無報酬または極端に低い単価での「お試し作業」を求めてくる依頼者にも注意が必要です。数分程度の短い音声サンプルを使った実力確認であれば一般的な選考プロセスの範囲内ですが、まとまった分量の音声を無報酬で起こさせようとする依頼は、正当な選考とは言えません。契約条件や支払い方法があいまいなまま作業を先に進めさせようとする相手には、事前に書面やメッセージで単価と支払い時期を明文化してもらうよう依頼するのが基本です。単価交渉の場面では、これまでの実績や得意分野を具体的に示しながら、感覚ではなく数字で根拠を提示することが交渉を有利に進めるコツになります。

文字起こしの種類別単価早見表

ここまでの内容を整理すると、文字起こしの単価は形式ごとに次のようなレンジに分かれます。あくまで目安ですが、案件を比較する際の物差しとして活用してください。

形式	音声1分あたりの単価目安	60分換算	求められるスキル
素起こし	50円〜100円	3,000円〜6,000円	正確な聞き取り
ケバ取り	80円〜130円	4,800円〜7,800円	聞き取り+文章整理
整文起こし	100円〜150円	6,000円〜9,000円	聞き取り+文章構成力
専門分野(医療・法律等)	150円〜250円	9,000円〜1万5,000円	専門知識+聞き取り

この表からも分かる通り、同じ「文字起こし」というくくりでも、形式と専門性次第で単価は2倍から3倍近く変わります。案件を選ぶ際は、まず自分がどの形式に対応できるのかを見極め、そのうえで音声1分単価の水準を比較していくのが現実的な進め方です。

音声1分単価から時給を逆算する方法

単価表だけを眺めていても、実際にどれくらいの収入になるのかは実感しづらいものです。そこで役立つのが、音声1分単価から時給を逆算する考え方です。

計算の基本は「作業時間倍率」です。文字起こしの作業時間は、音声の長さに対しておおむね3倍から6倍程度かかると言われています。素起こしで聞き取りやすい音声であれば3倍程度、話者が多く聞き取りにくい音声や整文起こしが必要な案件であれば6倍前後まで伸びることもあります。

例えば、60分の音声を素起こしで受注し、報酬が5,000円だったとします。作業時間倍率を4倍と仮定すると、実際の作業時間は240分(4時間)です。この場合の時給換算は5,000円÷4時間で1,250円となります。同じ報酬でも、聞き取りにくい音声で作業時間倍率が6倍になると、時給換算は833円まで下がってしまいます。

つまり、募集時点で提示されている音声1分単価だけを鵜呑みにせず、自分の作業スピードと音声の難易度を掛け合わせて、実際の時給換算がどの水準になるかを事前にシミュレーションする習慣が重要になります。特に未経験のうちは作業時間倍率が高くなりがちなので、最初の数件は単価より「学習コストとして割り切れるか」を基準に選ぶという考え方も現実的です。

クラウドソーシング経由と直接契約での相場の違い

クラウドソーシングサイトに掲載されている文字起こし案件と、企業や個人事業主から直接依頼される案件とでは、提示される単価の水準にも差が出ることがあります。クラウドソーシングサイトでは案件数が多く比較検討がしやすい一方、手数料が差し引かれる前提で単価が設定されているケースが多く見られます。

一方、SNSや紹介、あるいは仲介手数料のかからないマッチングサービスを通じた直接契約では、依頼者側の予算がそのまま受注者への支払額に近い形で反映されやすくなります。同じ予算感の案件であっても、手数料構造の違いによって手取り額に差が生まれる点は、単価相場を比較するうえで見落とされがちなポイントです。案件を探す際は、提示されている単価の数字だけでなく、その単価が手数料込みなのか手数料差引後の手取り額なのかを、募集要項や契約条件から必ず確認するようにしましょう。

独自データの考察、直接契約と仲介手数料の関係

クラウドソーシングサイトの多くは、受注者側に16.5%から20%程度の手数料を課しています。年間100万円分の文字起こし案件を受注した場合、16万5,000円から20万円がプラットフォームの手数料として差し引かれる計算です。この手数料の分だけ、実際に受け取れる金額は提示単価より目減りします。

一方で、依頼者と受注者が直接契約を結ぶ仕組みでは、この仲介手数料が発生しません。手数料0%の環境であれば、同じ予算でも依頼者はより多くの分量を発注でき、受注者はより多くの手取りを確保できます。これは単価そのものが上がるという話ではなく、同じ市場相場の中で双方が中間コストを負担しないという構造の違いです。

20年近くこの市場を見てきた立場から言えば、文字起こしやデータ入力で長く安定した収入を得ている人ほど、単発の案件をこなすことよりも「この人に任せると安心できる」という信頼関係の構築に時間を使っています。専門分野の聞き取り精度、納期の順守、フォーマットの正確さといった基本を積み重ねた受注者は、単発の募集に応募し続けるのではなく、特定の依頼者から継続的に仕事を任されるようになる傾向が強く見られます。仲介手数料がかからない直接契約の関係が築ければ、依頼者にとっても発注コストを抑えられ、受注者にとっても手取りが厚くなるという、双方にとって合理的な関係が成立しやすくなります。

もう一点、運営者として見てきた限りで印象的なのは、単価交渉のタイミングです。単価は「もっと欲しい」と伝えるだけで上がるものではなく、これまでの納品実績や専門分野の知識を具体的に提示できる段階になって初めて交渉のテーブルに乗ります。逆に言えば、実績が浅いうちから高単価案件ばかりを追いかけても、依頼者側の信頼を得られず選考で落ちてしまうケースが多いというのが実感です。まずは相場の中でも標準的な単価の案件を丁寧にこなし、専門分野を一つずつ増やしていくという地道な積み上げが、結果的に最短で単価アップにつながります。

文字起こしの単価相場を正しく理解するためには、文字数ではなく音声時間を基準に考える視点と、単価に影響する要因を分解して見る視点の両方が欠かせません。まずは音声1分あたりの単価をベースに案件を比較する習慣をつけ、そのうえで専門分野や周辺スキルを積み上げながら、無理のないペースで単価アップを目指していくことが、長く続けるための現実的な道筋になります。

単価相場は市場全体の需給によっても変動します。動画コンテンツやポッドキャストの増加に伴い、字幕制作や要約用の文字起こし需要は年々広がっており、案件の絶対数自体は増加傾向にあります。一方で、音声認識AIの精度向上により、下書き段階の自動文字起こしを人力でチェックする「校正型」の案件も増えつつあります。今後は素起こしそのものよりも、AIが起こした原稿を専門知識で修正・整文する能力の方が単価に直結しやすくなる可能性が高く、聞き取りの正確さに加えて、文章の完成度を高めるスキルを並行して磨いておくことが、中長期的な単価アップの近道になるでしょう。