スマホでできる文字起こしの副業｜使う道具と進め方

「文字起こしの副業をスマホだけでやりたい」という検索が増えています。結論から言うと、スマホだけで完結できる案件は存在しますが、種類が限られます。そして、スマホで受けられる案件ほど報酬が低い傾向があります。この記事では、文字起こしのどの工程がスマホで成立してどの工程が成立しないのか、必要な道具は何か、報酬はどう計算されるのか、そしてAIによる自動文字起こしが普及したあとに価値が残っている工程はどこかを、順番に整理します。期待を膨らませる書き方はしません。数字と作業の中身で判断できる形にします。

結論：スマホで完結するのは「短い音声の素起こし」と「確認作業」

先に全体像を出します。文字起こしの案件をスマホで受けられるかどうかは、3つの条件で決まります。

第1の条件は、音声の長さです。5分以内の短い音声なら、スマホの画面でも作業が成立します。1時間の会議音声を1台のスマホで文字にするのは、現実的ではありません。音声の再生位置を細かく戻す操作を数百回繰り返すことになり、指が疲れる前に集中が切れます。

第2の条件は、納品の形式です。テキストをそのまま送れば済む案件はスマホで完結します。指定の書式に整える、話者ごとに段落を分ける、タイムコードを挿入する。こうした整形が求められる案件は、パソコンの操作性が前提になっています。

第3の条件は、工程です。文字起こしは「素起こし」「整文」「校正」「書式整え」の4工程に分かれます。このうち校正、つまりAIが出力した文字列の誤りを見つけて直す作業は、スマホでも成立します。というより、この工程はいま最も案件数が伸びている領域です。

正直なところ、「スマホだけで稼げる」という前提で探すと、選べる案件が狭くなりすぎます。現実的な設計は、スマホで受けられる案件から始めて作業の型を覚え、パソコンを使える環境を後から整えることです。スマホを入口にするのは合理的で、スマホを終点にするのは不利。この区別が大事です。

もう1点、検索結果に出てくる「スマホで完結」という表現には幅があります。応募と連絡がスマホで済むという意味で使われている場合と、作業そのものがスマホで完結するという意味で使われている場合が混ざっています。募集を見るときは、納品する成果物の形式が何かを確かめてください。テキストをそのまま送る形なのか、ファイルを添付する形なのか。ファイル形式が指定されている案件は、パソコンを想定していると読んで構いません。

そして、文字起こしという言葉の指す範囲も募集によって違います。会議の議事録を作る仕事、取材音声を記事の素材に整える仕事、動画の字幕を作る仕事、音声認識の学習用データを整える仕事。それぞれ求められる精度と納品形式が違い、報酬の決まり方も変わります。「文字起こし」で一括りにして探すと、条件のばらつきに戸惑います。自分が受けたいのがどの種類かを、先に1つ決めてください。

文字起こしの市場は、AIの普及で構造が変わった

市場の前提を押さえておきます。音声を自動で文字にする技術は、日本語でも実用の水準に達しました。この変化が、案件の中身を変えました。

以前の文字起こしは、音声を聞いて一から打つ作業でした。1時間の音声に対して4時間から5時間かかるのが標準で、報酬はその労力に対して支払われていました。現在は、依頼者側が自動文字起こしを先に通していることが多く、外注されるのは「自動で出た文字列を人間が直す」工程です。

この変化は、報酬にも作業内容にも影響しています。素起こしだけの単価は下がりました。一方で、誤りを見つけて直す精度、固有名詞を正しく特定する力、話し言葉を読める文章に整える力には、はっきりと値段が付いています。つまり、タイピングの速さより、日本語を読み書きする力のほうが評価される構造に変わりました。

自動文字起こしを扱うサービスの案内にも、この前提が現れています。

AIツールを活用した文字起こしで在宅バイトを効率化！未経験でも始められる副業として注目の文字起こし。必要な準備から案件獲得、効率的な作業手順まで、収入アップのコツを完全解説します。 出典: mojiokoshi3.com

「AIツールを活用して効率化する」という表現が示しているのは、ツールを使うことが前提になっているという事実です。ツールを使わずに手打ちで競争するという選択は、時間あたりの処理量で不利になります。

一方で、AIが苦手な領域は明確に残っています。複数の人が同時に話す場面、方言や早口、専門用語の密度が高い会議、音質の悪い録音。こうした条件では自動出力の精度が落ち、人の手が必要になります。ここが、人間の作業に単価が残っている場所です。

スマホでできる工程と、できない工程を分ける

工程ごとに見ていきます。ここを曖昧にしたまま案件を受けると、納期の前に手が止まります。

素起こしは、短い音声なら可能です。スマホの文字入力は、慣れた人ならパソコンのキーボードに近い速度が出ます。ただし、音声を聞きながら同時に入力する作業では、再生アプリと入力画面を行き来する操作が発生します。画面を分割できる機種なら負担は減りますが、それでも長時間の音声には向きません。

校正と確認作業は、スマホと相性がよい工程です。すでにある文字列を読んで、おかしい箇所を直す。画面を見る時間が長く、入力する量は少ない。移動中でも進められます。実際に、この種のタスクを集めている案件には「スマホ対応」と明記されているものがあります。

整文、つまり話し言葉を読める文章に直す工程は、スマホでも可能ですが効率が落ちます。段落の入れ替え、重複表現の削除、語順の整理といった編集作業には、文章全体を一度に見渡せる画面が要ります。小さい画面では、全体の流れを把握しながら直すのが難しくなります。

書式の整えとタイムコードの挿入は、スマホでは事実上できません。指定のテンプレートに流し込む、話者ごとにスタイルを当てる、指定の間隔で時間を記録する。これらは表計算ソフトや文書作成ソフトの機能に依存しています。この工程が含まれる案件は、最初から候補から外してください。

つまり、スマホで狙うべきは校正と確認、そして短い音声の素起こしです。この2つに絞って探すと、応募の精度が上がります。

工程の分担についても補足します。依頼者が4工程すべてを1人に任せる案件と、工程を分けて別々の人に出す案件があります。工程が分かれている案件のほうが、1人あたりの負担は軽く、スマホでも対応できる範囲に収まりやすいという特徴があります。募集文に「校正のみ」「整文は不要」と書かれている案件は、この分業型です。単価は下がりますが、始めるにはこちらのほうが向いています。

作業量の目安も出しておきます。校正の工程だけであれば、音声60分に相当するテキストを読んで直す作業に、慣れた人で1時間から2時間です。素起こしから通してやる場合の4時間から6時間と比べると、はっきり短い。スマホで受ける前提なら、この時間差が判断の材料になります。移動時間や待ち時間に分けて進めやすいのも、校正の工程の利点です。

使う道具：アプリと機器の選び方

道具の話をします。無理に高いものを買う必要はありませんが、効いてくる箇所は限られています。

まず、再生アプリです。文字起こしで決定的に重要なのは、再生速度の変更と、数秒だけ巻き戻す機能です。話し言葉は0.7倍から0.8倍に落とすと聞き取りやすくなり、1.2倍に上げると確認作業が速く進みます。3秒戻るボタンがあるかどうかで、作業時間が体感で2割は変わります。標準の音楽アプリではこの操作ができないものが多いため、文字起こし向けのアプリを入れてください。

次に、イヤホンです。ここは投資する価値があります。ノイズを抑えられるイヤホンだと、音質の悪い録音でも語尾が聞き取れます。逆に、周囲の音が混ざる環境では、何度も同じ箇所を聞き直すことになり、時間が倍に膨らみます。有線でも無線でも構いませんが、無線の場合は音声と操作にわずかな遅れが出る機種があるため、巻き戻しの反応を確認してから使ってください。

入力については、スマホの音声入力を使う手があります。音声を聞いて、自分が口に出して、それを音声入力で文字にする。復唱方式と呼ばれるやり方です。タイピングより速い人もいます。ただし、固有名詞と数字の誤変換が増えるため、後の確認作業が長くなります。相性は人によるので、一度試して自分に合うかを確かめてください。

外付けのキーボードも選択肢です。折りたためるキーボードをスマホに接続すれば、素起こしの作業がかなり楽になります。ただしこの段階まで来たら、中古のノートパソコンを検討したほうが総合的に効率が高いという特徴があります。

そして、フットスイッチのような専用機器は、副業として始める段階では不要です。1日に何時間も作業する人向けの道具なので、作業量が増えてから考えてください。

報酬の相場と、時間あたりの実入りの計算

報酬の決まり方は3通りあります。音声の分数で決まる形、文字数で決まる形、そして1件いくらの形です。

音声の分数で決まる形が最も一般的です。音声1分あたりで報酬が設定され、専門性の低い日常的な会話なら1分あたり100円前後から、聞き取りが難しい会議や専門分野で200円を超える案件もあります。ここで必ず確認すべきなのは、音声1分に対して自分が何分かかるかです。初めて作業する人は、音声1分に対して実作業が4分から6分かかります。つまり、音声1分あたり100円の案件は、実質の時間単価が1,000円から1,500円程度になります。

文字数で決まる形は、校正や整文の案件で使われます。1文字あたり0.3円前後から設定されている例があり、元の文字列の精度によって作業量が大きく変わります。自動出力の精度が高い案件は割に合い、精度が低い案件は打ち直しと変わらない負担になります。受注前に、サンプルを1本見せてもらってください。

1件いくらの形は、短い音声を大量に扱うタスク形式の案件で使われます。1件数十円から数百円で、スマホから応募できるものが多い層です。単価は最も低いですが、実績を作る段階としては使えます。

計算のしかたを具体的に示します。音声1分あたり120円の案件で、60分の音声を受けたとします。報酬は7,200円です。実作業が音声1分に対して5分かかるなら、作業時間は300分、つまり5時間です。時間あたりは1,440円。ここから仲介サイトの手数料が2割引かれると、実際に受け取るのは5,760円で、時間あたり1,152円になります。この計算を受注前にやってください。単価の数字だけを見て判断すると、時間あたりでは最低賃金に近い水準になっていることがあります。

そして、この計算式の中で自分が動かせる変数は1つだけです。音声1分あたりにかかる実作業の時間です。単価は依頼者が決め、手数料は運営者が決めます。自分が改善できるのは作業速度だけなので、最初の数件で正確に測っておいてください。10件こなした段階で、音声1分あたりの所要時間は初回より2割から3割は短くなっているはずです。その数字が出た時点で、受けられる案件の範囲を見直してください。

クラウドソーシングの案件一覧には、こうした仕事がまとまっています。

テープ起こし・文字起こし・書き起こしの仕事・案件一覧ページです。クラウドソーシング・アウトソーシングに強いランサーズでは、テープ起こし・文字起こし・書き起こしの仕事情報の検索から納品、報酬の受け取りまで、すべて完結します。時間や場所にとらわれず、在宅や副業などさまざまな働き方を実現可能です。 出典: lancers.jp

検索から報酬の受け取りまでが1つのサイトで完結するのは便利です。ただし、こうした仲介サイトでは報酬から手数料が引かれます。引かれる割合は運営者によって異なり、十数パーセントから2割程度が一般的です。音声1分あたり100円の案件で2割が引かれると、実際に受け取るのは80円です。この差は、作業量が増えるほど効いてきます。

案件の探し方と、通る応募文の書き方

探す場所は3つあります。クラウドソーシングサイト、在宅ワークの求人検索サイト、そして文字起こしを専門に扱う会社の登録制度です。

クラウドソーシングは案件数が多く、単発から始められます。求人検索サイトには、雇用契約の在宅募集と業務委託の募集が混在しています。専門会社の登録制度は、登録時にテストがある代わりに、継続して仕事が回ってきます。副業として安定させたいなら、3つ目を目標に置いてください。

応募文で書くべきことは、実は限られています。順に挙げます。

1つ目は、対応できる音声の条件です。「1音声30分以内」「話者2名まで」のように、自分が確実に処理できる範囲を先に示します。範囲を狭く書くと機会が減ると思われがちですが、逆です。依頼者は、できないことを後から言われるのを最も嫌います。

2つ目は、納期の目安です。「音声60分の案件で、受注から3日」のように、具体的な数字で書いてください。作業速度を把握していることが伝わります。

3つ目は、使っている道具です。再生アプリの名前、イヤホンの種類、作業する時間帯。これを書ける人は、作業の段取りができている人だと判断されます。

4つ目は、得意な分野です。医療、法律、IT、金融、教育。自分が言葉を知っている領域を挙げてください。この1行が単価を分けます。

逆に、書かなくてよいのは長い自己紹介と意気込みです。文字起こしの発注では、成果物の精度と納期しか見られていません。

登録制の専門会社について、もう少し書いておきます。登録時には音声を使ったテストがあり、指定の表記ルールに沿って提出します。このテストで見られているのは、聞き取りの精度と、ルールを守れるかどうかの2点です。速度は見られていません。だから、時間をかけて丁寧に仕上げてよいテストです。逆に、指定のルールを1つでも無視すると、精度が高くても落ちます。ルールの書かれた文書を印刷して、提出前に1項目ずつ照合してください。

テストに落ちた場合も、期間を置いて再挑戦できる会社が多くあります。1社で落ちたから向いていないと考える必要はまったくありません。会社ごとに扱う音源の分野と表記のルールが違うため、相性の問題であることも珍しくありません。並行して2社か3社に登録しておくと、仕事の切れ目が減ります。ただし、同じ時期に複数社から案件が来たときに断り続けると、次から声がかからなくなります。受けられる量を先に決めて、正直に伝えてください。

精度を上げる実務的な手順

作業の質は、手順で決まります。感覚に頼っている人と、手順を持っている人で、差し戻しの回数が大きく変わります。

第1に、作業の前に音声を最後まで1回流してください。全体の流れ、登場する人数、出てくる固有名詞をざっと掴みます。この5分を惜しむと、途中で人名の表記を変える必要が出て、後戻りが発生します。

第2に、固有名詞の一覧を先に作ってください。人名、会社名、製品名、専門用語。聞き取れた範囲で書き出し、検索して正しい表記を確定させます。会議の文字起こしで最も多い差し戻しは、固有名詞の誤りです。

第3に、聞き取れない箇所は推測で埋めないでください。指定の記号で印を付け、時間を記録して残します。依頼者は、間違った文字が入っているより、印が付いているほうを好みます。推測で埋めた誤りは、読んだ人が気づけないからです。

第4に、通しで読み返す工程を必ず入れてください。聞きながら打っている間は、音のほうに注意が向いているため、文章としての破綻に気づけません。音を止めて、テキストだけを読む時間を分けて取ります。

第5に、表記のルールを1本決めてください。数字を半角にするか、話し言葉の「えー」「あのー」を残すか、句読点をどう打つか。依頼者の指定があればそれに従い、指定がなければ自分の基準を決めて、全体で統一します。途中で変わっているのが、いちばん印象の悪い納品です。

第6に、話者の特定に迷ったら、記号を決めて通してください。会議の音声では、声質が似た人が交互に話す場面で必ず迷います。ここで推測を混ぜると、議事録としての価値が落ちます。判別できない範囲は「話者不明」として印を付け、範囲を明示するほうが安全です。依頼者は自分が参加していた会議の音声を知っているので、印が付いていれば補えます。

第7に、納品前の自動チェックを1回通してください。文書作成ソフトの校正機能で、誤字、二重の助詞、表記の揺れをまとめて検出できます。人の目で探すより速く、見落としも少ない。スマホの場合も、校正機能を持つアプリに一度貼り付けて通すだけで、差し戻しの原因の半分は手前で消えます。

この7つを毎回同じ順番でやってください。順番を変えないことが大事です。文字起こしは同じ作業を繰り返す仕事なので、手順が固定されていると1件ごとの所要時間が安定します。時間が安定すると、受けられる案件の量を正確に見積もれるようになり、納期の遅れがなくなります。納期を守る人は、精度が並でも指名されます。

専門分野を持つと単価が上がる構造

単価の差はどこから生まれるのか。答えは、聞き取れる語彙の範囲です。

自動文字起こしが苦手なのは、辞書に載っていない言葉です。医療の用語、法律の条文、技術の略語、業界の内部用語。これらは自動出力で必ず崩れるため、人が直さなければなりません。そして、直せる人は限られています。

この点は、実務でも明言されています。

※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

つまり、専門分野は参入の壁でもあり、同時に単価の源でもあります。看護や介護の現場にいた方、金融機関で働いていた方、技術職の経験がある方は、その語彙がそのまま武器になります。未経験の分野を勉強してから入るより、すでに知っている分野で探すほうが早いという特徴があります。

技術分野の語彙を扱えるようになりたい方には、ネットワークや通信の用語を体系的に扱うCCNA（シスコ技術者認定）の学習範囲が参考になります。資格そのものが文字起こしの受注条件になることはまれですが、IT分野の会議で出てくる略語を正しく書けるようになる効果があります。文書の型そのものを扱うビジネス文書検定の範囲も、整文の工程で直接役に立ちます。

そして、文字起こしから文章を書く仕事へ移る道は、実際に多くの人が通っています。話し言葉を読める文章に直す作業は、編集の入口です。報酬の水準を比べたい方は著述家，記者，編集者の年収・単価相場に公的統計をもとにした数字が載っています。文字単価の上げ方を段階ごとに整理したWebライターが文字単価を上げる方法【2026年版】｜1円→5円のステップも、次の段階を考えるときに使えます。

守秘義務と作業環境の注意点

ここは軽く扱わないでください。文字起こしの対象は、会議の内容、取材の音声、面談の記録です。外に出せない情報が含まれています。

守秘義務の合意を求められる案件では、内容を必ず読んでください。音声データの保存期間、作業後の削除方法、第三者に聞かせない義務。この3点が書かれているのが普通です。スマホで作業する場合、音声ファイルをクラウドに自動でバックアップする設定が有効になっていると、意図せず契約に反することがあります。作業前に、自動バックアップの対象から音声フォルダを外してください。

作業場所にも注意が必要です。外出先で音声を聞く場合、イヤホンから音が漏れる環境、画面が他人から見える環境は避けてください。カフェでの作業は気持ちよく進みますが、扱っている情報の種類によっては選ぶべきではありません。

そして、スマホの紛失に備えて、画面のロックと端末の暗号化を確認しておいてください。守秘義務に反した場合の責任は、契約の内容によって変わります。※金額の大きい案件や、機密性の高い内容を扱う案件で不安がある場合は、契約書の条項について専門家に確認することをおすすめします。

自動文字起こしのサービスを使う場合にも、確認すべき点があります。音声をサービス側のサーバーに送って処理する仕組みのものは、依頼者の守秘義務の条件に触れることがあります。「外部のサービスに音声を渡さない」と定められている案件で、便利だからとクラウド型のサービスに通してしまうと、契約違反になります。使ってよいツールが指定されている案件もあるので、募集の段落を読み飛ばさないでください。

作業が終わったあとの処理も決めておきます。音声ファイルを削除する、納品したテキストの控えを保存する期間を決める、やり取りの記録を残す。この3つは、後で内容について問い合わせが来たときに必要になります。削除の指示がある場合はそれに従い、指示がなければ納品から一定期間を置いて消す、という自分の方針を持っておくのが実務的です。

契約の面では、2024年11月に施行されたフリーランス保護新法によって、業務委託で受ける側の立場が明確になりました。業務の内容、報酬額、支払期日を書面または電子メール等で示す義務が発注側にあり、報酬は成果物を受け取った日から60日以内に支払期日を定めなければなりません。制度の詳細は公正取引委員会の案内で確認できます。

20年市場を見てきた立場からの考察

20年この市場を見てきた立場から言えば、文字起こしで長く仕事が続いている人には、共通する特徴があります。音声を文字にするのが速い人ではなく、依頼者が次に何をするかを分かっている人です。

議事録として使われるのか、記事の素材になるのか、記録として保管されるのか。用途が分かっていれば、どこまで整えるべきかの判断ができます。記事の素材なら言い回しを整えたほうが喜ばれ、正式な記録なら余計な整形は避けるべきです。この判断ができる人は、指示されていない部分でも的を外しません。

運営者として見てきた限りでは、長く続く人ほど、1件ごとの単価交渉ではなく「この人に任せると楽だ」という関係づくりに時間を使っています。文字起こしは差し替えの効きやすい仕事だと思われがちですが、実際は逆です。自分たちの業界の言葉を知っている相手を、依頼者はなかなか手放しません。だからこそ、最初の数件でその分野の語彙を覚え込むことに時間を使った人が、後で楽になります。

もう1つ、手元に残る金額の構造にも触れておきます。仲介の手数料が引かれる取引では、依頼者が払った金額と受け手が受け取る金額に差が出ます。音声1分あたりの単価が小さい文字起こしでは、この割合の差が年間では大きく効いてきます。仲介が薄い経路なら、同じ予算で依頼者はより多く頼めて、受け手の手取りは厚くなります。手数料0%という条件が意味を持つのは、金額の派手さではなく、この手取りの厚さという質の部分です。

最後に、スマホから始める人への現実的な設計を書いておきます。最初の1か月は、スマホで受けられる校正と確認の案件で作業の型を覚えてください。2か月目に、自分の分野の語彙が使える案件を探してください。3か月目に、音声60分クラスの案件を受けられる環境を整えてください。この順番なら、道具にお金をかける判断を、実際の作業量が出てからできます。スマホを入口として使うのは、まったく間違っていません。ただし終点にしないことです。

よくある質問

Q. 文字起こしはスマホだけで本当にできますか？

短い音声の素起こしと、自動文字起こしの誤りを直す校正作業なら、スマホで完結します。一方、指定の書式に整える作業やタイムコードの挿入はスマホでは事実上できません。音声60分クラスの案件も、再生位置を戻す操作の負担が大きく現実的ではありません。狙うなら校正と確認の案件です。

Q. 報酬の相場はどのくらいですか？

音声1分あたりで設定される案件が一般的で、日常的な会話なら1分100円前後から、専門分野や聞き取りが難しい会議で200円を超える例もあります。初めての方は音声1分に実作業4分から6分かかるため、時間あたりでは1,000円から1,500円程度になります。仲介サイトを使う場合はここから手数料が引かれます。

Q. 必要な道具は何ですか？

再生速度の変更と数秒巻き戻しができる再生アプリ、そして音の細部が聞き取れるイヤホンがあれば始められます。この2つが作業時間に直接効きます。フットスイッチのような専用機器は、作業量が増えてから検討してください。外付けキーボードを買う段階まで来たら、中古のノートパソコンのほうが効率が高くなります。

Q. 未経験でも案件は取れますか？

短い音声を扱うタスク形式の案件や、自動出力の校正作業は未経験から受けられる募集があります。ただし医療や法律のように誤りが許されない分野は経験者限定の募集が中心です。自分が以前いた業界の語彙を活かせる分野を探すのが、未経験から単価を上げる最短の道です。