在宅の文字起こしなら主婦の空白の数年は作業量で埋められる

2026年6月8日

朝比奈蒼

この記事のポイント

✓ブランクのある主婦が在宅の文字起こしで再スタートするための実務ガイド
✓AI普及後に変わった仕事の中身
✓素起こしと整文の単価相場

結論から書きます。ブランクのある主婦が在宅で文字起こしを始めるのは、2026年の今でも十分に現実的です。ただし、10年前と同じイメージのまま入ると確実につまずきます。AIによる自動文字起こしが普及したことで、この仕事の中身が入れ替わったからです。

この記事では、AI普及後に文字起こしの仕事がどう変化したのか、単価の相場はいくらなのか、ブランクが何年あっても不利にならない理由は何か、そして具体的に何から手をつければいいのかを、順を追って整理します。数字と求人の実例を並べるので、読み終わったときに「自分はやるかやらないか」を判断できる状態を目指します。

結論：ブランクは文字起こしでは不利になりにくい。理由は3つ

最初に結論の根拠を示しておきます。文字起こしという仕事は、ブランクという要素が評価に影響しにくい構造を持っています。理由は3つあります。

1つめ、成果物が完全に客観評価だからです。納品されたテキストが正確かどうか、指定のルールどおりかどうか、納期を守ったかどうか。評価軸はこの3つに集約されます。過去に何年職場を離れていたかは、納品テキストの品質に一切影響しません。発注側から見て、確認する必要のない情報なのです。

2つめ、多くの案件でトライアル（試験）が採用の判断材料になるからです。文字起こしの発注元は、応募者に10分程度の音声を渡し、その仕上がりを見て採否を決めます。履歴書の空白期間より、この10分の成果物のほうが圧倒的に重視されます。これは応募する側にとって、実はかなり公平な仕組みです。

3つめ、稼働時間の細かさが歓迎されているからです。文字起こしは音声ファイル単位で仕事が切り出せるので、「1日1時間だけ」「子どもが寝てから」という働き方と相性がいい。企業側もそれを前提に募集を出しています。

正直なところ、この3つが揃っている職種は在宅ワークの中でも多くありません。文字起こしがブランク明けの選択肢として長く挙げられ続けているのは、精神論ではなく構造的な理由があります。

AI普及で文字起こしの仕事はどう変わったか

ここが2026年時点でいちばん重要な話です。古い情報を読んで始めると、想定と現実がずれます。

AI文字起こしの精度は確かに上がった

音声認識の精度は、この数年で目に見えて向上しました。クリアな音声で、1人が標準的な速度で話している条件であれば、AIによる自動文字起こしの正確さは90%を超えます。会議の録音を放り込めば、数分でテキストが出てくる時代です。

この事実を見て「文字起こしの仕事はなくなる」と書いている記事もあります。それは半分正しくて、半分間違いです。

消えたのは「素起こしだけの仕事」

減ったのは、音声をそのまま文字にするだけの単純な作業です。この工程はAIに置き換わりました。ここは事実として認めるべきところです。

一方で、AIが苦手な条件は明確に残っています。複数人が同時に話す会議、専門用語が頻出する医療や法務の場面、方言や訛りの強い話者、雑音の多い環境で録音された音声、話が途中で飛ぶインタビュー。こうした条件では、AIの出力は70%台まで精度が落ちることも珍しくありません。

そして、精度70%のテキストは、そのままでは使えません。誰かが聞き直して直す必要があります。この「AIの出力を人が校正する」工程が、新しい仕事として大量に生まれました。

求人票にはっきり現れている変化

実際の募集を見ると、この変化が言葉として現れています。

接客・電話対応なしで在宅中心の音声文字起こし・反訳業務です。AI文字起こしの校正や専用ソフトでの入力・校正、メール・チャット対応、Excel管理表への入力を行います。週1～2日の出社があり、PC・モニター等の機器は会社貸与です。未経験者歓迎で、経験者や読解力に自信のある方、主体的に動ける方に向いています。丁寧な作業が業務の質に繋がり、新しい技術を支える仕事に関われます。服装自由、ネイル・ピアスOKで、社会保険完備、交通費支給、在宅手当ありです。出典: 求人ボックス

「AI文字起こしの校正」という言葉が業務内容の先頭に来ていること、「読解力に自信のある方」が求める人物像に入っていることに注目してください。求められているのは打鍵速度ではなく、日本語を読んで違和感に気づく力に移っています。

これは、ブランクのある方にとって朗報です。打鍵速度は練習量に比例しますが、日本語を読む力は生活の中で維持されているからです。本を読んできた人、書類を読んできた人、子どもの作文を見てきた人。その経験は、そのまま校正の力になります。

AI学習データを作る側の仕事も増えた

もうひとつ、AIそのものを育てるための文字起こし需要が立ち上がっています。音声認識モデルの学習に使う正解データを人が作る仕事です。

最先端AI翻訳技術を支える、やりがいのある英語翻訳・文字起こし業務です。未経験者歓迎で、充実した研修からプロへの第一歩を踏み出せます。専用ツールを使用し、AI学習データの作成・修正、英語音声のセグメンテーション、和文英訳、専門用語リストアップを行います。英語の読解・リスニングに抵抗がなく、PC基本操作と安定したインターネット環境があれば、在宅で柔軟に働けます。平日週30時間以上（1日6時間～）の稼働が必要です。出典: 求人ボックス

この種の案件は稼働時間の条件が重めなことが多いので、短時間しか動けない方には向きません。ただ、こういう領域があると知っておくと、将来の選択肢として使えます。AI関連の職種がどう広がっているかは、AI・マーケティング・セキュリティのお仕事で全体像を確認できます。データ整備の仕事がどこに位置づけられるかが把握できます。

文字起こしの3つの仕上げ方と、単価の相場

仕事を受ける前に、必ず理解しておくべき区分があります。ここを知らずに受注すると、想定の倍の時間がかかります。

素起こし、ケバ取り、整文の違い

素起こしは、聞こえたままをすべて文字にする方式です。「えー」「あのー」といった言い淀み、言い直し、笑い声まで残します。裁判の記録や研究用の逐語録で使われます。判断が入らないぶん機械的ですが、量が多くなります。

ケバ取りは、意味のない言い淀みを削る方式です。「えーと」「まあ」などを落とし、話の流れはそのまま残します。実務でいちばん多いのがこの形式です。どこまで削るかの線引きは発注元のルールに従います。

整文は、意味を変えない範囲で文章として読める形に直す方式です。語順を整え、話し言葉を書き言葉に寄せます。議事録や記事の素材として使われる形式で、単価はいちばん高くなります。ただし、書き手の判断が入るぶん、指示との齟齬が出やすい領域でもあります。

応募前に「どの方式か」を確認してください。同じ60分の音声でも、素起こしと整文では作業時間が1.5倍以上変わります。

単価の計算方式は3種類ある

文字起こしの報酬は、次の3通りのいずれかで計算されます。

音声1分あたりの単価方式が最も一般的です。相場は80円から200円程度。60分の音声なら4,800円から1万2,000円という計算です。専門性の高い分野や、話者が多い音声では上振れします。

時給方式は、企業の在宅スタッフとして雇用される形で使われます。相場は1,100円から1,500円程度。作業が遅くても報酬が下がらないので、始めたばかりの時期には有利です。

文字単価方式は、仕上がりの文字数で計算します。1文字0.5円から1円程度が目安です。ただし、話者が早口かどうかで文字数が大きく変わるため、受け手側にとってはやや読みにくい方式です。

重要なのは「音声1分にかかる作業時間」

ここが本質です。単価だけ見ても、実際の時給はわかりません。

未経験者が60分の音声を文字起こしする場合、かかる時間は4時間から6時間が目安です。音声1分あたり4分から6分ということになります。慣れてくると3時間前後まで縮み、AIの下書きを校正する形式なら1.5時間程度まで短縮できます。

音声1分150円の案件を、1分あたり5分かけて処理すると、時給換算は1,800円です。悪くありません。ただし1分あたり8分かかっているなら1,125円まで落ちます。受注前に自分の処理速度を把握しておくことが、この仕事では収入に直結します。

分野によって難易度と単価は変わる

インタビューと座談会は、話者の切り分けが必要になるぶん手間がかかります。参加者が4人を超えると、誰が話しているかの判別だけで時間を使います。

会議と議事録は、専門用語と固有名詞が多いのが特徴です。事前に用語リストをもらえるかどうかで作業時間が倍違います。もらえない案件は、その分を単価で見てほしいところです。

医療と法務は、単価が高い代わりに用語の壁があります。参入障壁が高いので、いったん入ると仕事が途切れにくい領域です。

講演とセミナーは、1人が話し続けるので比較的取り組みやすい分野です。ブランク明けの最初の案件としては、この分野が扱いやすいと言えます。

動画の字幕作成は、文字起こしに時間軸を合わせる作業が加わります。音や映像を扱う仕事の周辺領域として、作曲・編曲・効果音・ジングルのお仕事のような音声制作の分野とも接点があります。音を扱う仕事の広がりを知っておくと、将来の選択肢が増えます。

必要なスキル・機材・ツールを、無料と有料に分けて整理する

「特別な機材が必要では」と身構える方が多いのですが、初期投資はほぼゼロで始められます。

無料でそろえる部分

パソコンは、文字入力とブラウザ操作ができれば十分です。動画編集のような重い処理はしません。ただし、音声を再生しながら文字を打つので、動作が遅い機種だとストレスになります。

再生ソフトは無料のものがあります。文字起こし専用の再生ソフトには、キーボードショートカットで再生・停止・数秒巻き戻しができる機能がついています。これがあるかないかで作業効率が明確に変わります。有料版もありますが、まずは無料のもので始めて問題ありません。

日本語入力の辞書登録機能も無料で使えます。案件ごとに出てくる固有名詞や専門用語を辞書に登録しておくと、打鍵数が大幅に減ります。地味ですが、これが最も効く効率化です。

AI文字起こしツールも、無料枠のあるサービスが複数あります。まず自分の音声で試してみて、どの程度の精度が出るかを体感しておくことをおすすめします。仕事の全体像がつかめます。

あると差がつく有料の投資

ヘッドホンは、投資する価値があります。数千円のもので構いませんが、耳を覆うタイプにしてください。周囲の音が遮られると、聞き取りにくい部分の判別精度が上がり、聞き返す回数が減ります。作業時間の短縮に直結する投資です。

フットペダルは、足で再生と停止を操作する機器です。手をキーボードから離さずに音声を制御できるので、慣れると効率が上がります。ただし、これは月に一定量をこなすようになってから検討すれば十分です。最初から買う必要はありません。

タイピング速度は、どのくらい必要か

目安を出します。日本語で1分間に60文字打てれば、時給制の案件は問題なくこなせます。100文字を超えると、成果報酬制でも効率よく回せます。

ただし、繰り返しますが、速度より正確さが優先されます。誤変換を残したまま納品すると、発注元の確認工数が増えます。速く打って何度も直すより、少し遅くても一度で正しく打つほうが、結果的に総作業時間は短くなります。

資格は必要か。正直なところの評価

「文字起こし技能検定を取ったほうがいいですか」という質問をよく見かけます。

正直なところ、これはどうかと思う部分があります。資格が採否を左右する場面は、実務ではほとんどないからです。先に書いたとおり、多くの発注元はトライアルの成果物で判断します。資格証よりも、10分の音声を正確に起こせるかどうかのほうが確実な判断材料になるのは当然です。

ただし、資格に意味がないとまでは言いません。学習の道筋として使う価値はあります。何から手をつけていいかわからない状態で独学を始めるより、体系化されたカリキュラムに沿って進むほうが、身につく速度は速い。目的を「資格を取ること」ではなく「学習の順序を借りること」に置くなら、有効です。

同じ考え方で、文書の型を学び直したい方にはビジネス文書検定が参考になります。整文の案件で求められる書き言葉の作法は、ビジネス文書の基礎とかなり重なっています。整文まで対応できるようになると受けられる案件の幅が広がるので、投資先としては悪くありません。

未経験・ブランクありから始める6ステップ

具体的な手順に落とします。全体で3週間程度を想定してください。

ステップ1 自分の処理速度を測る（1日）

無料の音声素材、たとえば公開されている講演やポッドキャストを10分分だけ文字起こししてみてください。かかった時間を記録します。

これで「音声1分あたり何分かかるか」がわかります。この数字が、今後すべての案件の採算判断の基準になります。測らずに始めると、単価が適正かどうか永遠に判断できません。

ステップ2 再生環境を整える（1日）

文字起こし用の再生ソフトを入れ、ショートカットキーの配置を覚えます。再生・一時停止・3秒巻き戻しの3つだけで構いません。この3つを手が覚えると、作業時間が体感で2割は変わります。

ステップ3 表記ルールを1つ決めておく（2日）

数字は漢数字かアラビア数字か、カタカナ語の長音記号を付けるか、話者名の表記をどうするか。案件ごとに指定がありますが、指定がない場合に備えて自分の基準を決めておきます。

途中で表記が揺れているテキストは、内容が正確でも評価が下がります。ここは機械的に統一できる部分なので、落とす理由がありません。

ステップ4 練習用に3本仕上げる（1週間）

分野を変えて3本やってみてください。1人が話す講演、2人の対談、3人以上の座談会。それぞれ処理時間が違うことを体感できます。

この段階で「自分は複数人の音声が苦手だ」といった特性が見えてきます。応募する案件を選ぶときの判断材料になります。

ステップ5 応募文を書く（2日）

書くべき要素は5つ。稼働できる曜日と時間帯、対応できる納期の目安、経験のある分野（未経験なら練習で扱った分野）、使用ツール、連絡がつく時間帯です。

避けたいのは「未経験ですが頑張ります」という書き方です。読み手に伝わる情報がありません。同じことを言うなら「講演形式の音声で60分あたり4時間の処理速度です」と書くほうが、発注側は判断できます。ブランクの説明は1文で足ります。長く書くほど不利になります。

ステップ6 トライアルを受ける（1週間）

最初の応募でトライアルに落ちることはあります。それ自体は珍しくありません。落ちた場合、原因はたいてい表記ルールの読み落としです。指定を1つでも外すと不合格になります。

トライアルの前に、渡された指示書を2回読んでください。1回目は理解のため、2回目はチェックリストを作るためです。この手順を踏むだけで通過率は変わります。

収入の目安と、扶養・確定申告の考え方

数字を具体的に置きます。

稼働時間からの試算

音声1分120円の案件で、1分あたり4分の処理速度なら、実質の時給は1,800円です。1日2時間、週4日稼働すると月32時間、報酬は5万7,600円程度になります。

ただし、これは慣れたあとの数字です。最初の1か月は処理速度が2倍かかると見込んでください。同じ稼働時間で2万8,800円程度が現実的な着地です。ここで落胆しないことが大事で、処理速度は必ず上がります。

在宅ワーク全体でどの職種がどのくらいの水準なのかを比較したい方は、在宅でできる仕事おすすめ【2026年版】｜スキル別ランキングにスキル別の一覧があります。文字起こしが他の在宅職種と比べてどの位置にあるかを確認してから決めると、後悔が減ります。

扶養と申告の基準

在宅の文字起こしは、業務委託契約で受けるケースが多数です。この場合、報酬は給与ではなく事業所得または雑所得になります。

経費を差し引いた所得が年間48万円を超えると、自分自身に所得税の確定申告義務が生じます。パート勤務で言われる「年収103万円の壁」とは基準が違う点に注意してください。ここを混同している解説が多いので、判断に迷う場合は国税庁の情報で確認するのが確実です。

社会保険の扶養については、加入している健康保険組合ごとに運用が異なります。年金の取り扱いを含む基本の仕組みは日本年金機構で公開されています。

経費に計上できるのは、パソコン、ヘッドホン、再生ソフトの利用料、通信費の按分、電気代の按分などです。領収書は始めた日から保管してください。あとから集めるのは非効率です。

続く人と、途中でやめる人の分かれ目

データを見ていて気づくのは、離脱が起きるタイミングがほぼ決まっていることです。最初の3案件のどこかで止まる人が最も多い。理由は3つに整理できます。

分かれ目1 想定より時間がかかることに耐えられるか

先ほど書いたとおり、最初は音声1分あたり5分から6分かかります。60分の音声なら6時間です。この数字を知らずに受注すると「聞いていた話と違う」となります。

逆に、最初からこの数字を知っていれば、単に「予定どおり」です。同じ現実でも、事前に知っているかどうかで感じ方がまったく変わります。ここは情報の問題であって、能力の問題ではありません。

私自身、編集の仕事を始めたころに同じ落とし穴に入りました。インタビューの音源を自分で起こすことになり、60分だから2時間もあれば終わるだろうと見積もったのです。結果は7時間。しかも複数人が同時に話す箇所で何度も巻き戻し、最後は音声を聞くのが嫌になっていました。見積もりの甘さが原因で、作業の質とは無関係でした。今は音源を受け取ったら、まず冒頭5分を試しに起こして全体時間を逆算します。

分かれ目2 家事との時間の切り分けができるか

在宅で音声を扱う仕事には、他の在宅ワークにない制約があります。音を聞くので、家族がいる時間帯に集中しづらいのです。

対策は、稼働時間帯を先に固定することです。子どもが学校にいる時間、あるいは全員が寝てからの時間。どちらかに寄せて、その時間は音声作業に充てる。細切れにすると、音の内容を思い出す時間が毎回発生して効率が落ちます。

在宅で働く主婦の方が実際にどう1日を組み立てているかは、在宅ワーク主婦の1日のタイムスケジュール公開に具体例があります。時間の割り方の見本として使えます。集中の維持方法については在宅ワークの集中力アップ｜ポモドーロ以外に効く7つのテクニックに手法がまとまっています。

分かれ目3 同じ発注元と継続できるか

これが最大の要因です。毎回違う発注元から単発で受け続けると、表記ルールを毎回覚え直すことになり、効率が上がりません。

同じ発注元と続けると、用語も文体も蓄積されます。3回目、4回目には初回の半分の時間で仕上がるようになります。単価が同じでも、実質の時給は倍になっている計算です。

だから、最初の1件で「この発注元とは続けたい」と思ったら、納期を確実に守ることに全力を注いでください。品質の多少の粗さより、納期遅延のほうが信頼を損ないます。

気をつけたい募集の特徴

見分け方を4つ挙げます。

登録料や教材費を先に求める募集は避けてください。仕事は働いた対価を受け取るものです。「研修費を初回報酬から相殺」という言い回しも、実質的な前払いです。

単価が相場から大きく外れている募集も要注意です。音声1分あたりの相場は80円から200円程度。これが「1分500円、未経験歓迎」となっていれば、書かれていない条件があると考えるのが自然です。

業務内容が具体的でない募集も保留してください。信頼できる募集には、音声の分野、想定の長さ、仕上げ方式（素起こしか整文か）、納期が明記されています。

契約書を交わさずに作業を始めさせる募集も避けたほうがいい。報酬額、支払期日、修正対応の範囲は、着手前に文書で確認しておくべき項目です。取引条件をめぐるトラブルの相談窓口や、フリーランス取引の適正化に関する情報は公正取引委員会で公開されています。

運営者として市場を見てきた立場からの観察

ここで、書き手の視点を離れて、フリーランス・在宅ワーク市場を20年運営してきた立場からの観察を挟みます。

20年この市場を見てきた立場から言えば、文字起こしで長く続いている人には共通点があります。作業の速さではなく、「聞き取れなかった箇所の扱い方」が丁寧なのです。自己判断で埋めず、タイムコードを添えて「この部分は音声が不明瞭です」と報告する。この一手間を毎回やる人は、発注元から指名で仕事が来るようになります。逆に、それらしく埋めてしまう人は、一度その修正が発覚した時点で依頼が止まります。

もうひとつ、運営者として見てきた限りでは、額面と手取りの差がこの職種の継続性を強く左右しています。文字起こしは1案件あたりの金額がそれほど大きくない仕事です。そこから仲介手数料が2割引かれると、手元に残る額の薄さが作業時間の重さに見合わなくなり、離脱につながります。

中間マージンが乗らない直接取引の形では、依頼する側は同じ予算でより多くの音源を頼めますし、受ける側は同じ作業で手取りが厚くなります。手数料0%という構造が効くのは、金額の大小そのものではなく、「1本仕上げたときに手元に残る感覚」が変わる点です。稼働時間に制約のある方ほど、この差は無視できません。限られた時間で仕上げた1本が、そのまま報酬になるかどうかで、続けられる期間が変わります。

職種データから読む、文字起こしの次の展開

最後に、文字起こしを入口にした場合、その先にどんな道があるかをデータで確認しておきます。

まず、作業系の在宅職種がどう区分されているかは、データ入力・文字起こし・分類のお仕事にまとまっています。文字起こしとデータ入力、分類作業は隣接しており、同じ発注元が複数を発注しているケースも多い。1つの入口から複数の仕事に広がりやすい構造です。

単価の伸びしろで見ると、文字起こしから文章を書く側に移るルートが最も現実的です。著述家，記者，編集者の年収・単価相場を見ると、書く職種の報酬水準がわかります。整文の案件を続けていると、話し言葉を読める文章に直す訓練が自然に積まれるので、この移行は技術的に無理がありません。実際、インタビュー記事のライターは、文字起こしから入った人が一定数います。

技術寄りに進む選択肢もあります。ソフトウェア作成者の年収・単価相場の水準は明確に高いですが、そのぶん学習投資が必要です。ただ、文字起こしの作業を効率化するために簡単なスクリプトを書き始めて、そのまま技術側に移った例は実在します。CCNA（シスコ技術者認定）のようなネットワーク系の資格も、IT分野への足がかりとして機能します。

整理すると、文字起こしは「終着点」ではなく「分岐点」です。AIによって単純作業の部分が削られた結果、残ったのは日本語を扱う判断の仕事になりました。それは、ブランクのある方がこれまでの生活で維持してきた力と、かなりの部分で重なっています。

まずやるべきことは1つ。手元の音声を10分、実際に起こしてみて、自分の処理速度を数字にすること。判断はそのあとで構いません。