パソコンでする文字起こしの副業｜必要な道具と作業の進め方

2026年2月16日

＠SOHO編集部

この記事のポイント

✓パソコン副業文字起こしの始め方を
✓契約と守秘義務の注意点まで整理しました
✓時間単価を落とさない進め方を具体的に解説します

文字起こしの副業について相談を受けるとき、いちばん最初にお伝えすることがあります。それは「音声1時間の仕事が、作業1時間で終わることはない」ということです。

これ、知らない人が本当に多いんです。募集画面に「音声60分、報酬3,000円」と書かれていると、時給3,000円の仕事だと読んでしまう。でも実際の作業時間は、慣れていない段階では音声の4倍から6倍かかります。つまり時給に直すと500円から750円です。

この記事では、その倍率をどう下げるかを中心に書きます。必要な道具、無料で使えるツール、単価相場の読み方、作業の手順、そして契約と守秘義務の注意点まで。パソコンで在宅で進める前提で、順番に整理していきます。

パソコンでする文字起こしの副業は、いまどういう位置にあるのか

まず市場の話です。ここを理解しておくと、単価の意味が読めるようになります。

文字起こしという仕事は、会議の議事録、インタビュー記事の素材、講演やセミナーの記録、動画の字幕、研究の逐語録など、幅広い場面で発生します。共通しているのは「音声のままでは検索できない、引用できない、要約できない」という不便を解消する作業だという点です。だから需要は途切れません。

ただし、この5年で構造が大きく変わりました。自動音声認識の精度が上がったからです。かつては人がゼロから打っていた工程が、いまは「AI が下書きを作り、人が直す」形に移りました。この変化を悪い知らせだと受け取る方もいますが、私は逆だと考えています。ゼロから打つ時代より、作業時間が短くなっているからです。

つまり、いまの文字起こしの副業は「入力の仕事」ではなく「校正と判断の仕事」に近づいています。誰が話しているかを聞き分ける、同音異義語を文脈で選ぶ、専門用語の表記を統一する、言い間違いをどこまで直すか決める。ここは自動化しきれない部分です。

そのうえで、報酬の実態を見てみましょう。

文字起こしで調べてみると、YouTube動画の文字起こしが圧倒的に多い。「まずは簡単なものからやってみよう」そう思い「初心者歓迎」の文字が書かれているものを探してみる。報酬の欄には”～5000円”などど書かれてはいるが、実際にページを開くと「初めての方の報酬は220円となります」といった記載がされている。まずはお金よりも経験。経験、実績を積めば高単価の仕事も受けられると聞いたので、”15分の動画を文字起こしするだけで200円”という案件に応募してみた。出典: note.com

募集の見出しに書かれた金額と、実際に提示される金額が違う。これは残念ながらよくあることです。ですので、応募する前に必ず「初回の報酬はいくらか」を確認してください。※募集要項に明記がない場合は、応募時の質問として聞いて構いません。聞いて機嫌を損ねるような依頼者とは、そもそも組まないほうが安全です。

一方で、単価が高くなる領域もあります。

※ただし、医療や法律といった少しの間違いも許されないジャンルの文字起こしでは経験者しか募集していない場合があります。逆に、医療や法律の専門知識がある方にとっては高収入の副業を見つけるチャンスです。出典: mojiokoshi3.com

ここが、この仕事のいちばん大事なポイントです。文字起こしの単価は「打つ速さ」では決まりません。「その分野の言葉が分かるかどうか」で決まります。医療、法律、金融、IT、建築。専門用語が飛び交う音声を正確に起こせる人は限られているので、単価が上がる。つまり、速さを鍛えるより、自分が理解できる分野を選ぶほうが、報酬に直結します。

必要な道具をそろえる。優先順位をはっきりさせます

道具の話をします。全部を最初にそろえる必要はありません。優先順位を付けます。

優先度1、パソコン本体。高性能な機械は要りません。音声を再生しながら文字を打てれば足ります。ただしメモリは8GB以上あると、ブラウザと再生ソフトと文書ソフトを同時に開いても止まりません。画面は大きいほうが楽です。音声プレーヤーと入力画面を左右に並べられると、視線の移動が減ります。

優先度2、キーボード。ここは投資する価値があります。1日に数千字から数万字を打つ仕事なので、打鍵の軽さと配列の相性が、そのまま疲労に出ます。ノートパソコンの内蔵キーボードで長時間打つと、手首を痛めることがあります。外付けキーボードは3,000円から15,000円程度で選べます。店頭で実際に触って、指が引っかからないものを選んでください。

優先度3、ヘッドホンかイヤホン。スピーカーでは聞き取れません。特に複数人の会議音声は、声が重なる部分を聞き分ける必要があります。密閉型のヘッドホンが向いています。3,000円程度のものでも、スピーカー再生とは比較になりません。家族がいる環境でも作業できるという実務上の利点もあります。

優先度4、再生速度を変えられるプレーヤー。これがあるかないかで作業時間が変わります。聞き取りやすい部分は1.5倍で流し、聞き取りにくい部分は0.7倍に落とす。この操作をキーボードのショートカットで行えるプレーヤーを選んでください。

優先度5、フットペダル。専業で続ける方だけ検討してください。足で再生と停止を操作できるので、手を止めずに済みます。8,000円から20,000円程度です。副業で月に数件という規模なら、まだ要りません。

あると助かるもの。辞書登録の機能は必ず使ってください。案件ごとに出てくる固有名詞や専門用語を単語登録すると、打鍵数が大幅に減ります。それと、静かな作業環境。これは道具ではありませんが、聞き取りの精度に直結します。

在宅で作業する時間が増えるなら、通信環境も確認しておいてください。音声ファイルは容量が大きく、数十分の録音でも数百メガバイトになることがあります。受け取りと納品のたびにアップロードで待たされるので、上りの速度が出ない回線だと、作業とは別のところで時間を取られます。従量制の契約の場合は、通信量の上限にも注意してください。

無料で使えるツールと、有料に切り替える判断

「無料でできますか」という質問をよく受けます。答えは「始めるだけなら無料で足ります」です。ただし、境目があります。

無料でそろう部分。音声の再生と速度変更ができるソフトは、無料のものがいくつもあります。文書の作成も、無料の文書ソフトや表計算ソフトで足ります。自動音声認識も、無料枠のあるサービスが増えました。ここまでで、初案件は受けられます。

自動音声認識の使い方には、注意が必要です。これは技術の問題ではなく、契約の問題です。依頼された音声を外部のクラウドサービスに上げると、そのデータが第三者のサーバーに渡ります。依頼者との契約に守秘義務の条項がある場合、これは契約違反になり得ます。※ここは本当に気をつけてください。無料サービスの利用規約には「入力されたデータを品質改善に利用する」と書かれているものがあります。

つまり、自動音声認識を使いたいなら、事前に依頼者へ確認するのが正しい手順です。「作業効率化のため自動文字起こしサービスを利用してよいか」と聞く。許可が出れば使えます。出なければ、手作業で進めるか、ローカルで完結する仕組みを使う。これだけのことですが、確認せずに使ってしまってトラブルになった相談を受けたことがあります。法律はあなたの味方ですが、味方に働いてもらうには、先に手順を守っておく必要があります。

有料に切り替える判断の目安は、月の作業時間で考えるのが分かりやすいです。月に10時間以上作業しているなら、有料ツールで作業時間が10%短縮できれば、月額1,000円程度の費用は回収できます。逆に月に数件しか受けていない段階では、無料で十分です。

経費の扱いも押さえておきます。副業として継続的に行っているなら、キーボードやヘッドホン、ソフトの利用料は必要経費に計上できる可能性があります。ただし、私用と兼用している機器は按分が必要です。領収書は残してください。所得の申告については、給与以外の所得が年間20万円を超えると確定申告が必要になります。この20万円の基準は所得税だけの特別措置で、住民税には適用されません。つまり20万円以下でも、市区町村への住民税の申告は別に必要です。詳細は国税庁の案内で確認してください。

単価と相場の読み方。表示された数字をそのまま信じない

ここは数字の話です。丁寧に見ていきましょう。

文字起こしの報酬の書き方には、主に3つの形式があります。

形式1、音声時間あたりの単価。「音声1分あたり50円」という表記です。もっとも多い形式です。相場は、一般的な会議やインタビューで音声1分あたり30円から120円程度が中心です。専門分野や、話者が多い音声、音質が悪い音声では上がります。

形式2、文字単価。「1文字0.3円」のような表記です。音声の話す速度によって受け取る額が変わるので、依頼者にとっては公平ですが、受ける側にとっては読みにくい形式です。日本語の話し言葉は1分あたり300字前後になることが多いので、換算して比べてください。

形式3、案件ごとの一括。「この動画1本で2,000円」という形です。音声の長さが明記されていない場合は、必ず確認してください。

そして、ここが本題です。時間単価を必ず自分で計算すること。計算式は単純です。

受け取る報酬を、実際にかかった作業時間で割る。これだけです。慣れていない段階の作業倍率は音声の4倍から6倍、慣れると2倍から3倍、自動音声認識の下書きを直す形なら1.5倍から2倍まで下がります。

音声60分、報酬3,000円の案件で考えてみます。作業が5倍かかれば5時間で時給600円。2倍に縮められれば2時間で時給1,500円。同じ案件で2.5倍の差が出ます。つまり、単価交渉より先に、作業倍率を下げるほうが効果が大きいのです。

単価が上がりにくい案件の特徴も書いておきます。話者が4人以上いる、録音環境が悪い、専門用語が多いのに用語集が渡されない、タイムコードの挿入を求められるのに単価が同じ。こうした条件が重なると、表示単価が高くても時間単価は下がります。応募前に音声のサンプルを聞かせてもらえるか確認するのが、いちばん確実な自衛策です。

文章を扱う仕事全体の単価の考え方は、Webライターが文字単価を上げる方法【2026年版】｜1円→5円のステップに段階を追ってまとめられています。文字起こしから文章の仕事へ広げるときの道筋として、読んでおく価値があります。

作業の進め方。この順番が時間を決めます

具体的な手順です。順番が大事なので、そのまま書きます。

手順1、音声を最初から最後まで一度聞く。飛ばしたくなりますが、ここを省くと後で戻ることになります。話者が何人いるか、専門用語が何か、音が飛んでいる箇所がないか。全体像をつかんでから打ち始めると、やり直しが減ります。1.5倍速で流せば、60分の音声は40分で確認できます。

手順2、用語集を作る。出てくる固有名詞、社名、人名、専門用語を書き出します。表記の揺れが出やすいものは、先に決めておきます。この作業を先にやるかどうかが、納品後の修正依頼の数を左右します。可能なら依頼者に「用語集や過去の議事録はありますか」と聞いてください。あれば渡してもらえることが多いです。

手順3、単語登録する。手順2で作った用語をパソコンの辞書に登録します。同じ社名を50回打つ案件で、これをやらないのは損です。

手順4、仕様を確認する。ここは必ず文字にして確認してください。「あの」「えー」のような言葉を残すか削るか。言い間違いを直すか残すか。タイムコードを入れるか。話者名の表記はどうするか。段落の分け方に決まりがあるか。納品形式は何か。この確認を飛ばしたために全部やり直しになった、という相談を受けたことがあります。

手順5、通しで打つ。分からない箇所で止まらないことがコツです。聞き取れない部分は記号を決めて仮置きし、後でまとめて確認します。ここで止まると集中が切れて、全体の時間が伸びます。

手順6、聞き取れなかった箇所を集中的に処理する。速度を落とし、前後の文脈から推測し、必要なら検索します。それでも分からなければ、そのまま印を残して依頼者に伝えるのが正しい対応です。勝手に埋めるほうが問題になります。

手順7、通して読み直す。音声を止めて、文章としてだけ読みます。ここで同音異義語の誤りや、助詞の抜けが見つかります。音を聞きながらでは気づけません。

手順8、納品前に仕様と照合する。手順4で確認した項目を1つずつ照合します。ファイル名の付け方も指定があれば守ります。

なお、この8手順を一気に片づけようとしないでください。文字起こしは集中の持続が品質に直結する仕事です。60分から90分で区切って休む、音声の区間で区切る、といった単位を自分で決めておくと、聞き漏らしが減ります。疲れた状態で打った箇所は、後で読み直すとほぼ確実に直しが出ます。

速く正確にするコツと、注意しておきたい落とし穴

実務のコツを、効果の大きい順に書きます。

コツ1、自動音声認識を下書きにする。許可が取れているなら、これが最も効きます。ゼロから打つのではなく、間違いを直す作業に変わります。ただし固有名詞と専門用語は機械が外すので、そこを重点的に見てください。

コツ2、ショートカットを手に覚えさせる。再生と停止、少し戻す、速度変更。この3つをマウスに持ち替えずに操作できるようにしてください。1案件で数百回使う操作なので、積み上がりが大きいです。

コツ3、聞き取れない箇所を後回しにする。先ほども書きましたが、これは徹底する価値があります。1箇所に5分悩むより、全体を終えてから戻ったほうが、文脈が分かっていて解ける確率が上がります。

コツ4、同じ依頼者から継続して受ける。2回目以降は、用語も仕様も分かっています。1回目と同じ報酬でも、作業時間が短くなるので時間単価が上がります。新しい依頼者を探し続けるより、確実です。

コツ5、得意分野を1つ決める。医療、法律、IT、建築、教育。自分が言葉を理解できる分野に絞ると、聞き取りが速くなり、単価も上がります。逆に、まったく知らない分野の専門的な音声は、時間がかかるうえに品質も出ません。

落とし穴1、納期の見積もりを甘くする。これがいちばん多い失敗です。音声60分の案件を「明日までに」と受けてしまい、間に合わない。最初の数件は、自分の作業倍率が分かっていません。余裕を持った納期で受けてください。

落とし穴2、音質を確認せずに受ける。屋外で録音された音声、マイクが遠い音声、複数人が同時に話す音声。これらは作業時間が倍近くになります。受注前にサンプルを確認してください。

落とし穴3、単価の低い案件を数でこなす。実績づくりの期間は必要ですが、そこに留まると抜け出せなくなります。3件ほど実績を作ったら、単価の交渉か、案件の選び直しに移ってください。

始め方の手順。最初の1件に届くまでにやること

ここまで読んで「で、何から手を付けるのか」と思われたはずなので、始め方を順番に並べます。

段階1、自分の作業倍率を測る。案件に応募する前に、これをやってください。方法は簡単です。無料で公開されている講演や対談の音声を10分だけ選び、実際に文字起こししてみる。かかった時間を記録する。これで自分の倍率が出ます。この数字がないまま応募すると、納期の見積もりを外します。

段階2、仕様の型を作る。話者名の書き方、ケバ取りの範囲、タイムコードの形式。自分の標準を先に決めておくと、依頼者から指定が来たときに差分だけ確認すれば済みます。おすすめは、依頼者に見せられる形で1ページにまとめておくことです。「私の標準はこうですが、ご指定はありますか」と聞けると、話が速く進みます。

段階3、応募先を選ぶ。クラウドソーシングの募集、文字起こし専門の業者への登録、在宅ワークの求人サイト。それぞれ性質が違います。専門業者は単価が安定する一方でテストがあり、クラウドソーシングは単価の幅が広く自分で選べます。最初はどちらか片方に絞って、案件の書き方に慣れるほうが効率的です。

段階4、最初の3件は条件で選ぶ。単価ではなく、音声が短く、話者が少なく、分野が分かるものを選んでください。15分以内、話者2人まで、自分の知っている分野。この条件で3件こなすと、手順が身に付きます。

段階5、4件目から単価を見る。3件で自分の倍率と品質が分かっているので、時間単価で選べるようになります。ここから先は、安い案件を断る判断も含めて、自分で組み立ててください。

契約と守秘義務。ここは法務の話として押さえてください

私の専門に近い部分なので、丁寧に書きます。文字起こしは、他人の会話を預かる仕事です。つまり、扱うものの性質上、法的な注意点が他の在宅ワークより多いのです。

取引条件は書面またはデータで受け取る。2024年11月1日に施行された特定受託事業者に係る取引の適正化等に関する法律、いわゆるフリーランス新法では、業務を委託する事業者に対して、業務の内容、報酬の額、支払期日などを書面または電磁的方法で明示する義務が定められています。つまり、口約束だけで作業を始めるのは、本来の形ではありません。「メールで条件を確認させてください」と伝えて構いません。これは権利です。

報酬の支払期日にも定めがあります。同法では、発注した事業者が給付を受領した日から起算して60日以内のできる限り短い期間内で支払期日を定めることとされています。つまり「納品したのに3か月経っても振り込まれない」という状態は、本来あってはならないものです。※実際に支払われない事態になった場合は、やり取りの記録と納品の証拠を残したうえで、相談窓口に持ち込む段取りになります。メールの本文、納品ファイルの送信履歴、依頼時の条件が書かれた文面。この3つが揃っていれば、話は早く進みます。制度の概要は公正取引委員会や厚生労働省の案内で確認できます。

守秘義務を軽く見ない。文字起こしの音声には、未公表の経営情報、個人の病歴、係争中の案件、採用の合否などが含まれることがあります。秘密保持契約を結んでいるかどうかにかかわらず、業務上知った情報を漏らさないのは当然の前提です。具体的には、音声ファイルを共有ストレージの公開設定に置かない、家族に内容を話さない、作業中の画面を他人に見せない、納品後は取り決めに従って音声と原稿を削除する。この4つを習慣にしてください。

著作権の扱いも確認しておく。文字起こしした原稿の権利関係は、契約で定めるのが通常です。自分の作業実績としてポートフォリオに載せたい場合は、必ず事前に許可を取ってください。無断で内容を公開すると、守秘義務と著作権の両方の問題になります。

本業の就業規則を確認する。会社員として働きながら副業をする場合、就業規則で副業が制限されていないかを確認してください。特に、本業と競合する内容の文字起こしを受けると、競業避止の問題が生じ得ます。公務員の方は、国家公務員法や地方公務員法に兼業の制限があるため、所属先の規程を確認してください。

受注前に確認すべき項目を、最後に並べます。業務の内容と分量、報酬の額と計算根拠、支払期日と支払方法、納品形式と納期、修正対応の範囲と回数、音声データの取り扱いと削除の時期、自動音声認識サービスの利用可否。この7つを文字で確認しておけば、揉める余地はかなり減ります。※契約書のひな型を渡された場合、一方的に不利な条項がないかを確認してください。判断がつかない条項があれば、弁護士や行政書士に相談するのが安全です。

単価を上げていく道筋と、この仕事の先にあるもの

最後に、この先の設計についてお話しします。

文字起こしの副業は、入口としてよくできています。特別な資格が要らず、道具の初期投資も小さく、在宅で完結する。始めるまでの摩擦が小さいという意味で、これは大きな価値です。

ただ、単価の天井は見えています。一般的な会議やインタビューの文字起こしだけを続けると、時間単価1,500円あたりで止まります。作業倍率を下げる工夫はそこまでで打ち止めになるからです。

そこから先に進む道は、3つあります。

道1、専門分野に特化する。医療、法律、金融、IT、建築。専門用語が分かる人は少ないので、単価が上がります。加えて、その分野の知識自体が資産になります。IT 分野なら、ネットワークの基礎を体系的に確認できるCCNA（シスコ技術者認定）のような資格が、用語の土台を作るのに役立ちます。

道2、前後の工程に広げる。文字起こしの前には「録音や撮影」があり、後には「議事録の要約」「記事化」「字幕の作成」があります。文字起こしだけを請けるより、議事録の整形まで請けたほうが、同じ音声から受け取る額が増えます。文書の型を体系的に押さえられるビジネス文書検定は、議事録や報告書の形式を整える土台として実務に近い内容です。文章の仕事へ広げるときの単価感は著述家，記者，編集者の年収・単価相場で確認できます。制作系の職種がどの水準で動いているかを見ておきたい場合は、Webデザイナー年収のリアル：30代フリーランスが語る稼ぎ方とキャリアパスも併せて参考になります。

道3、技術側に寄せる。音声認識の仕組みを理解して、業務フローの設計を請ける方向です。企業が「会議の記録を自動化したい」と考えたとき、ツールの選定と運用ルールの設計ができる人が必要になります。この領域の需要は伸びていて、AIコンサル・業務活用支援のお仕事のような形で、業務理解と技術の両方を持つ人を求める案件が出ています。技術職の水準そのものはソフトウェア作成者の年収・単価相場で確認できます。

20年この市場を見てきた運営者の視点から、ひとつ観察を書いておきます。文字起こしで長く続いている方は、例外なく「この人に任せると議事録がそのまま使える」と言われる状態を作っています。単に速いのではなく、表記が揃っていて、要点が読める。依頼者から見れば、それは作業の外注ではなく安心の購入です。だから継続するし、単価も上がる。逆に、速さだけを売りにすると、より安い相手や自動化と競争することになります。指名される理由を、速さ以外に作っておくことが要点です。

もうひとつ。額面と手取りは別物です。仲介手数料が20%乗る取引と、中間マージンが乗らない直接取引では、同じ仕事でも手元に残る厚みが変わります。運営者として見てきた限りでは、手数料0%で直接やり取りできる関係が成立すると、依頼する側は同じ予算でより多くを頼めるようになり、受ける側の手取りは厚くなります。双方に得があるから、その関係は続きます。単価表の数字だけでなく、手元に残る厚さで案件を選ぶ。文字起こしから次の段に進むときの、実務的な判断軸になります。

まずは、短い音声の案件を1本受けて、自分の作業倍率を測ってください。その数字が分かれば、納期の見積もりも、単価の交渉も、根拠を持って進められるようになります。