文字起こしに必要な機材は最低限でいい 後から足す順番の決め方

結論からお伝えします。文字起こしを在宅で始めるのに最低限必要な機材は、PC、有線のヘッドホン、そしてインターネット回線の3つだけです。フットペダルも高価なボイスレコーダーも、最初は要りません。

ただし、この3つのうち「ヘッドホン」の選び方を間違えると、聞き取れない音声で何時間も苦しむことになります。そして意外に見落とされているのが、機材以上に重要な守秘義務まわりの環境整備です。文字起こしは、他人の会話をそのまま文字にする仕事。扱う情報の中身は、会議の内容、インタビューの発言、裁判や医療の記録など、外に出てはいけないものばかりです。この記事では、機材の選び方と、契約上必ず押さえておくべき環境の条件を、両方まとめてお伝えします。

文字起こしの仕事が求める機材水準を、案件タイプ別に整理する

そもそも「文字起こし」と「テープ起こし」は何が違うのか

まず言葉の整理をさせてください。求人を探していると、両方の言い方が出てきて混乱する方が多いところです。

「テープ起こし」は、カセットテープの時代からある呼び方です。録音された音声を聞いて文字にする作業を指します。「文字起こし」は、より広い意味で使われる現代的な言い方で、録音音声だけでなく動画の音声や、リアルタイムの発言を文字にする作業も含みます。

実務上、この2つはほぼ同じ意味で使われています。求人検索をするときは両方の言葉で探してください。片方だけで検索すると、案件を取りこぼします。

さらに、仕上げ方によって3つの種類に分かれます。

素起こしは、話された言葉をそのまま全部書く方式です。「えー」「あのー」といった言い淀みも、言い間違いも、すべて残します。研究用のインタビューや、裁判関連の記録で求められます。

ケバ取りは、意味に影響しない言い淀みを取り除く方式です。もっとも依頼が多いのがこれで、会議録やインタビュー記事の元原稿として使われます。

整文は、読みやすい文章として整える方式です。話し言葉を書き言葉に直し、語順も整理します。ここまで来ると編集の仕事に近くなり、報酬も上がります。

どの方式を求められているかは、案件ごとに指定されます。これを確認せずに始めると、納品後に「求めていたものと違う」となります。着手前に必ず確認してください。

案件の種類によって、必要な機材は変わる

必要な機材は、扱う音声の質と作業量で決まります。

会議録の文字起こしは、複数の話者が入れ替わり、資料の読み上げも入ります。音源はICレコーダーで録られたものが多く、音質は必ずしも良くありません。この場合、音を細かく聞き分けるためのヘッドホンが効いてきます。

インタビューの文字起こしは、話者が2人から3人程度で、比較的聞き取りやすい。ただし専門用語が出てくるので、調べながら書く時間が発生します。

セミナーや講演の文字起こしは、話者が1人で音質も安定していることが多い。作業としてはもっとも楽な部類です。

動画コンテンツの字幕作成は、文字起こしに加えてタイムコードの入力が必要です。専用ソフトの操作を覚える必要があります。

医療や法律の分野は、専門用語の知識が必須です。報酬水準は上がりますが、聞き間違いが重大な結果につながる分野なので、責任の重さも違います。

在宅ワークとしての文字起こしがどんな募集の形で存在するかについては、こう説明されています。

文字起こしやテープ起こしは、在宅でできる人気の仕事として注目されていますが、「どこで案件を見つけるのか分からない」と悩む方も少なくありません。特に初心者の場合、信頼できる求人を探すことが大切です。そんなときに役立つのがママワークスです。在宅ワークに特化した求人が多数掲載されており、文字起こしのような未経験から挑戦しやすい案件も見つけやすいのが特徴です。自分のスキルに合わせて仕事を選べるため、無理なく在宅ワークを始められる環境が整っています。 出典: mamaworks.jp

未経験から入れる案件が存在するのは事実です。ただ、報酬の考え方は理解しておく必要があります。

報酬の相場と、機材投資の回収可能性

文字起こしの報酬は、音声1分あたりいくら、という計算が主流です。相場としては、100円から300円のレンジが中心。専門分野や短納期の案件では400円を超えることもあります。

ここで重要なのが、実際の作業時間との関係です。慣れていない段階では、1分の音声を文字にするのに5倍から8倍の時間がかかります。60分の音声なら、作業時間は5時間から8時間。報酬が1分150円なら9,000円ですが、時給に直すと1,125円から1,800円です。

慣れると、この倍率が3倍から4倍まで下がります。つまり、同じ案件で時給が倍近くになる。この「倍率を下げる」ことに寄与する機材への投資は、確実に回収できます。逆に、倍率に影響しない機材にお金をかけても、収入は変わりません。この判断軸を持ってください。

文字起こしがどんな業務範囲に位置づけられているかは、データ入力・文字起こし・分類のお仕事にまとめられています。データ入力や分類作業と隣接しているので、機材の共通部分が多い点も確認できます。

最低限そろえる3つの機材

PC：処理性能より「タイピング環境」を重視する

文字起こしに必要なPCのスペックは、実はそれほど高くありません。

理由は作業の性質にあります。文字起こしは、音声を再生しながら文字を打つ作業です。動画編集のように大量の処理を行うわけではないので、高性能なCPUやグラフィック性能は不要です。

条件としては、次を満たしていれば実用に足ります。サポート中のOS、メモリ8GB以上、SSD搭載。中古のビジネス向けノートPCで3万円から6万円程度の機種でも問題なく作業できます。

ただし、こだわるべき点が1つあります。キーボードの打ちやすさです。

文字起こしは、1日に1万文字以上打つこともある仕事です。キーが浅い、配列が窮屈、キーが小さいといった環境だと、指と手首に負担が蓄積します。腱鞘炎になると、その時点で仕事が止まります。

購入前に実機を触れる環境があるなら、必ず打鍵感を確認してください。ネット通販で買うしかない場合は、外付けキーボードを併用する前提で選ぶといいです。

もうひとつ、スマートフォンやタブレットでの作業について。可能ではありますが、実務としては勧められません。音声の再生位置を細かく操作する必要があり、ショートカットキーが使えない環境ではその操作が極端に遅くなるからです。

ヘッドホン：ここだけは妥協しない

3つの最低限機材のうち、最も重要なのがヘッドホンです。文字起こしの品質と速度を、直接左右します。

選ぶ基準は3つあります。

第一に、密閉型であること。開放型のヘッドホンは音漏れがあり、周囲の音も入ってきます。文字起こしでは、聞き取りにくい部分を何度も再生して判別する場面が必ず出てきます。周囲の音が混ざると、その判別ができません。密閉型（オーバーイヤー型）を選んでください。

第二に、有線であること。無線のヘッドホンには、わずかな遅延があります。再生位置を細かく操作しながら聞く作業では、この遅延が地味に効きます。「今の部分をもう一度」と巻き戻したとき、音が出るまでのわずかな間が作業のリズムを崩します。また、無線は電池切れのリスクもあります。有線一択です。

第三に、長時間装着しても痛くならないこと。4時間連続で着けることを想定してください。側圧が強いヘッドホンは、耳が痛くなって作業が続きません。イヤーパッドの素材と、ヘッドバンドの調整幅を確認してください。

価格帯としては、5,000円から1万5,000円程度のモニターヘッドホンが実用的です。高音質を売りにした音楽鑑賞用のヘッドホンは、低音が強調されていることが多く、人の声を聞き取る用途には向きません。むしろ、音を加工せずそのまま出すモニター用のほうが適しています。

ノイズキャンセリング機能については、賛否があります。周囲の雑音を消せるのは利点ですが、音声そのものにも処理がかかって微妙に変質します。細かい判別が必要な場面では、素の音のほうが聞き取れることがあります。必須ではありません。

インターネット回線：音源のダウンロードと納品に使う

回線については、常時高速である必要はありません。

文字起こしの作業中、通信はほとんど使いません。音源をダウンロードしてしまえば、あとはオフラインでも作業できます。通信が必要なのは、案件の受注、音源の受け取り、納品、依頼者とのやりとりの場面です。

ただし、音源ファイルは意外と大きい。2時間の会議録音だと、非圧縮のファイルなら数百MBになることがあります。動画ファイルならさらに大きい。ダウンロードに何十分もかかる回線だと、作業開始が遅れます。

光回線があれば理想ですが、モバイル回線でも実務は可能です。ただしデータ容量の上限には注意してください。月に何本も大きな音源をやりとりすると、想定より早く上限に達します。

もうひとつ、通信の安全性も重要です。文字起こしの音源には機密情報が含まれます。公衆Wi-Fiでダウンロードすることは避けてください。情報セキュリティの基本的な考え方は総務省が一般向けの資料を公開しているので、一度確認しておくと判断の基準ができます。

後から足すと効果が大きい機材とツール

ここからは「最初は不要だが、続けるなら効いてくるもの」です。効果の大きい順に並べます。

文字起こし専用の再生ソフト：無料で最も効果が大きい

追加投資で最も効果が大きいのは、実は機材ではなくソフトです。しかも無料で手に入ります。

一般的な音楽プレイヤーで音源を再生すると、再生と停止のたびにマウスでボタンを押すことになります。文字を打つ手を止めてマウスに持ち替える。この動作が、1つの音源で何百回も発生します。

文字起こし専用の再生ソフトは、この問題を解決します。主な機能は次の通りです。

キーボードのショートカットキーで、再生・停止・巻き戻しができる。手をキーボードから離さずに操作できるので、リズムが途切れません。

一定秒数だけ自動で巻き戻す機能があります。停止して再開すると、2秒前から再生される。聞き逃しを防げます。

再生速度を変えられます。聞き取りやすい音源なら1.2倍速で進め、聞き取りにくい部分は0.8倍速に落とす。この使い分けだけで、作業時間が大きく変わります。

この種のソフトを導入するだけで、実務での作業倍率が1割から2割改善します。機材を買う前に、まずこれを入れてください。

フットペダル：導入すべきかは作業量次第

文字起こしの機材として必ず名前が挙がるのがフットペダルです。足で踏むと再生、離すと停止という操作ができる装置ですね。

効果は確かにあります。手を一切止めずに再生制御ができるので、理論上は最速です。

ただし、正直なところ、全員に必要とは思いません。判断基準は作業量です。月に10時間分以上の音源を扱うようになったら、投資する価値があります。それ未満なら、ショートカットキーの操作で十分間に合います。

価格は5,000円から1万5,000円程度。使っているソフトに対応しているかを購入前に確認してください。対応していないと、ただの箱になります。

もうひとつ注意点があります。フットペダルは、机の下に置いて足で操作する装置です。つまり、足が届く高さで座っている必要があります。椅子が高すぎて足が浮いている環境だと、使いづらい。導入前に足元の環境を確認してください。

大きめのモニター、または2画面構成

文字起こしでは、音声再生ソフトと文書作成ソフトを同時に開きます。さらに、専門用語を調べるためのブラウザも開く。ノートPCの画面1枚だと、これらが重なって作業しにくくなります。

外付けモニターを1枚足すと、片方に文書、もう片方に再生ソフトと調べもの用のブラウザという配置ができます。24インチのフルHDで十分で、1万5,000円前後から選べます。

高解像度や高リフレッシュレートは不要です。文字が読めればいいので、この分野に高額な投資は必要ありません。

椅子と机：体を壊すと仕事が止まる

これは機材というより環境の話ですが、優先度は高いです。

文字起こしは、長時間同じ姿勢で座り続ける作業です。しかも、耳を澄ませて集中するので、無意識に前かがみになりやすい。この姿勢が続くと、首と肩に確実に負担が来ます。

椅子の条件は、座面の高さが調整できること、背もたれが腰を支える形状であること、長時間座っても座面がへたらないこと。1万5,000円から3万円程度の価格帯で条件を満たすものが見つかります。

机の高さは、肘が90度前後になる位置にキーボードが来るように調整してください。フットペダルを使う予定があるなら、足元に30cm四方程度のスペースを確保しておくといいです。

静かな作業環境の確保

機材以上に効くのが、静かさです。

聞き取りにくい音源を判別するとき、周囲の音は決定的な妨げになります。テレビの音、家族の会話、外の工事音。これらがあると、同じ箇所を何度も再生することになり、作業時間が伸びます。

対策としては、作業時間帯を静かな時間に寄せるのが最も効果的です。早朝や深夜など、生活音が少ない時間帯にまとめて作業する。密閉型ヘッドホンと組み合わせれば、かなり改善します。

在宅で集中できる時間をどう確保するかは、続けられるかどうかを左右します。具体的な方法は在宅ワークの集中力アップ｜ポモドーロ以外に効く7つのテクニックに整理されています。家事や育児と両立している方の1日の組み立て方は在宅ワーク主婦の1日のタイムスケジュール公開が具体的な参考になります。

ボイスレコーダーは、原則として不要

文字起こし用の機材として、高機能なボイスレコーダーを勧める情報を見かけます。ただ、在宅の文字起こし案件では、原則として不要です。

理由は単純で、録音するのは依頼者側だからです。あなたに届くのは既に録音済みの音声ファイルです。自分で録音する場面はありません。

必要になるのは、自分で取材やインタビューを行う場合です。文字起こしから発展して、インタビュー記事のライティングまで担当するようになれば、そのときに検討してください。その段階では、AI文字起こし機能付きのレコーダーも選択肢に入ります。

AI音声認識との付き合い方

AIは下書き作成には使えるが、そのままでは納品できない

現在、AIによる音声認識の精度はかなり上がっています。条件の良い音源であれば、実用的な精度で文字にしてくれます。

ただし、そのまま納品できるかというと、話は別です。理由を挙げます。

複数の話者が重なる場面で、誰の発言か判別できません。会議録では致命的です。

専門用語や固有名詞を誤変換します。人名、企業名、業界用語。これらは文脈がないと正しく変換されません。

音質が悪い箇所を、もっともらしい別の言葉に置き換えてしまいます。人間なら「ここは聞き取れない」と判断する箇所を、AIは何らかの文字で埋めます。これが一番厄介です。読んだだけでは間違いに気づけません。

指定された表記ルールに従いません。数字を漢数字にするか算用数字にするか、話者名をどう表記するか。案件ごとのルールは、人間が適用する必要があります。

つまり、AIは下書き作成の道具としては有用ですが、最終的な品質保証は人間が行うことになります。実務では「AIで下書きを作り、音声を聞きながら全文を確認・修正する」という使い方が現実的です。この方法だと、ゼロから打つより作業時間が短縮できる場合があります。

AI利用が契約上禁止されている場合がある

ここは法務の観点から強調しておきます。これ、知らない人が本当に多いんです。

依頼者との契約や秘密保持契約のなかで、音源を外部サービスにアップロードすることが禁止されているケースがあります。AI文字起こしサービスの多くは、音声データをサーバーに送信して処理します。つまり、AIを使うこと自体が「第三者への情報開示」に該当する可能性があるということです。

会議の内容、患者の情報、係争中の案件に関する発言。こうした情報を、依頼者の許可なく外部サービスに送ると、契約違反になります。損害賠償の話に発展することもあります。

対応としては、着手前に確認してください。「作業効率化のためにAI音声認識ツールの使用を検討していますが、音源を外部サービスにアップロードすることは許容されますか」。この一文をメッセージで送るだけです。

許可が出れば安心して使えますし、禁止されているなら手作業で進める。どちらにしても、確認したという記録が残ります。※医療情報や個人情報を大量に含む音源の場合は、特に慎重に判断してください。判断に迷う場合は専門家に相談することをおすすめします。

契約と守秘義務まわりで、環境として整えておくこと

秘密保持契約は文字起こし案件の標準装備

文字起こしの案件では、秘密保持契約（NDA）の締結を求められることが多くあります。むしろ、求められない案件のほうが不安です。

NDAで確認すべき点を挙げます。

秘密情報の範囲。音源そのものだけでなく、そこから得た情報全般が対象になるのが一般的です。

保持期間。契約終了後も何年間守秘義務が続くのか。無期限の場合もあります。

データの取り扱い。納品後に音源を削除する義務があるか、いつまでに削除するか。

第三者への開示の可否。前述のAIツール利用も、ここに関わります。

実績としての言及可否。「クライアント名を伏せた形で業務内容を実績として記載してよいか」を確認しておくと、次の案件につながります。ここを確認せずに終えると、せっかくの実績を誰にも見せられません。

私自身、独立したばかりの頃、守秘義務の範囲を細かく確認しないまま業務を受けて、後から「これは実績として書けるのか書けないのか」がわからなくなった経験があります。判断がつかず、結局何も書けないまま数ヶ月が過ぎました。着手前の確認は1分で済みます。後からだと、なぜか言い出しにくくなるんです。

作業データの管理体制

守秘義務を守るには、契約書にサインするだけでは不十分です。実際の作業環境を整える必要があります。

PCにログインパスワードを設定する。家族と共用しているPCで作業するなら、作業用のユーザーアカウントを分けてください。

音源ファイルを個人のクラウドストレージに自動同期させない。写真や書類を自動でクラウドに上げる設定になっているフォルダに音源を置くと、意図せず外部に送信されます。

納品後の削除ルールを守る。契約で削除が求められている場合、ゴミ箱に入れるだけでは不十分な場合があります。

印刷した資料の管理。文字起こしの補助資料を印刷したら、それも秘密情報です。放置しないでください。

こうした情報の扱いに関する基礎知識を体系的に学びたい場合、CCNA（シスコ技術者認定）のような資格の学習範囲に、ネットワークとセキュリティの基本が含まれます。文字起こしに直接必要な資格ではありませんが、なぜこうした対策が必要なのかを理解できるようになります。

報酬の支払いには法律上のルールがある

業務委託で文字起こしを受ける場合、報酬の支払いには法律上のルールがあります。

発注者が一定の要件を満たす事業者である場合、成果物を受け取った日から起算して60日以内のできる限り短い期間内に支払期日を定め、その期日までに支払う義務があります。つまり、「検収がまだなので払えない」という理由で無期限に引き延ばすことは、原則として認められません。

先日も、納品後に何度も修正を求められ、そのまま数ヶ月支払われていないというご相談を受けました。結論から言うと、こうした状況で効いてくるのは、着手前に「何をもって完了とするか」を文章で残しているかどうかです。

具体的には、こう確認しておいてください。「本件の納品物は、ケバ取り方式での全文文字起こしテキストという理解でよろしいでしょうか。聞き取り不能箇所はタイムコード付きで注記いたします。修正対応は納品後1週間以内のご指摘に対して2回までとさせていただきます」。メッセージ1通で済みます。

取引条件の考え方については公正取引委員会が公表資料を出しています。一度読んでおくと、条件交渉のときに腰が据わります。※既に未払いが発生している場合や、悪質な対応が続く場合は、弁護士など専門家への相談を検討してください。

報酬と経費の記録

初案件の報酬が入った時点から、記録を始めてください。日付、依頼者名、案件名、音源の長さ、報酬額、手数料。表計算ソフトに1行ずつで十分です。

会社員が副業として在宅ワークをしている場合、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るのが基本的なルールです。制度の詳細は国税庁の情報が一次情報になります。

購入した機材は、業務に使う割合に応じて経費として扱える可能性があります。ヘッドホン、フットペダル、モニター。領収書は必ず保管してください。記録を仕組み化しておきたい場合はfreeeのようなクラウド会計サービスを使うと、入出金が自動で取り込まれるので手作業が減ります。

投資順序と、実務での判断

買う順番を整理します

限られた予算で始めるなら、この順序が合理的です。

優先度	機材・ツール	目安金額	効果
1	PC（メモリ8GB以上・SSD）	3万〜10万円	作業の前提
2	密閉型の有線ヘッドホン	5,000〜1万5,000円	聞き取り精度を左右する
3	文字起こし専用の再生ソフト	無料	作業倍率が1〜2割改善
4	椅子	1万5,000〜3万円	作業継続時間に直結
5	外付けモニター	1万5,000円前後	画面切り替えの削減
6	外付けキーボード	3,000円〜	手首の負担軽減
7	フットペダル	5,000〜1万5,000円	月10時間分以上扱うなら

初期投資としては、PCを中古で調達すれば4万円前後から始められます。全部そろえても15万円程度です。

大事なのは、全部そろえてから始めないことです。PCとヘッドホンと無料の再生ソフトがあれば、案件は受けられます。実際に受けてみて、何が足りないかを体感してから足す。この順序が最も無駄がありません。

機材以外に必要なスキル

機材をそろえても、それだけでは仕事になりません。実務で求められるスキルを挙げておきます。

タイピング速度。目安として、1分に100文字程度打てると、作業が滞りません。タッチタイピングができることは実質的な前提条件です。

日本語の表記知識。送り仮名、句読点の位置、数字と単位の表記。ここが不安定だと、修正指示が増えます。ビジネス文書の基礎を体系的に固めたいならビジネス文書検定の学習範囲が実務に直結します。

調べる力。聞き取れた音から正しい表記を特定する作業が頻繁に発生します。企業名、人名、専門用語。検索して裏を取る習慣が必要です。

指示を正確に読む力。表記ルール、納品形式、話者名の書き方。案件ごとに違うルールを正確に適用できるかどうかが、評価の分かれ目になります。

在宅の仕事全体のなかで文字起こしがどんな位置にあるかは、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整理があります。他の選択肢と比較したうえで判断すると、迷いが減ります。

市場を長く見てきた運営者からの観察

在宅ワーク・フリーランス市場を20年運営してきた立場から見ると、文字起こしの分野には特徴的な傾向があります。それは、機材をそろえた人よりも、納品物の作り込みを工夫した人のほうが継続的に依頼を得ているという点です。

具体的には、聞き取れなかった箇所の扱い方に差が出ます。単に空欄にする人と、「該当箇所にタイムコードを付し、候補となる語を併記する」人。依頼者から見ると、後者は確認作業が数分で済みます。前者は音源を最初から聞き直すことになる。この差が、次の依頼が来るかどうかを分けています。

運営者として見てきた限りでは、長く続く人ほど、単発の作業をこなすことより「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。納期の前に途中経過を共有する、表記の判断に迷った点をまとめて質問する、次回のために表記ルールをこちらから提案する。地味な行動ですが、依頼者の負担を減らす人には必ず声がかかります。

もうひとつ、額面と手取りの話をしておきます。仲介手数料が乗る取引と、乗らない直接取引では、同じ予算でも成立する内容が変わります。依頼者は同じ金額でより多くを頼めるようになり、受け手は同じ作業に対する手取りが厚くなる。作業時間が長い文字起こしでは、この差が特にはっきり出ます。手数料0%の直接取引が持つ意味は、金額の大小というより「同じ作業量に対する納得感が違う」という質の話として現れます。ただし直接取引では、契約条件の確認や請求といった事務を自分で持つことになります。前の章で挙げた検収の定義や支払期日の確認が、まさにその実務です。実績を積んで段取りに慣れてから移行するのが、順序としては正しい。

機材投資の先にある広がり

文字起こしは、作業単価そのものを大きく上げにくい仕事です。だからこそ、投資を回収する道筋は2つになります。

1つ目は、作業倍率を下げること。8倍かかっていた作業を3倍にできれば、同じ報酬で時給が倍以上になります。再生ソフト、ヘッドホン、フットペダル、タイピング練習。これらはすべて倍率への投資です。

2つ目は、扱える領域を広げること。医療、法律、技術系。専門用語がわかる分野を持つと、単価の高い案件に応募できます。

さらに周辺領域に広げる道もあります。文字起こしから整文、そして記事のライティングまで担えるようになると、報酬の考え方が変わります。文章系の仕事の報酬水準は著述家，記者，編集者の年収・単価相場で確認できます。

音声そのものを扱う方向もあります。ミックス・マスタリングのお仕事は音を編集する仕事で、必要機材はまったく違い、専用の環境投資が前提になります。文字起こしの参入コストの低さは、こうした分野と比べると際立ちます。

技術寄りの方向としては、音声認識やデータ処理に関わる仕事があります。AI・マーケティング・セキュリティのお仕事では、AIツールを業務に組み込む案件の広がりが確認できますし、開発側まで視野に入れるならソフトウェア作成者の年収・単価相場が報酬の上限の目安になります。文字起こしの現場を知っている人が音声認識の精度評価に関わるケースもあり、経験は無駄になりません。

機材は手段です。PCとヘッドホンと無料の再生ソフトで始めて、案件を受け、必要になったものを足していく。この順序なら投資が無駄になることはありません。そして、機材より先に確認すべきは契約条件です。何を納品するのか、いつ払われるのか、外部ツールを使っていいのか。この3つを着手前に文章で確認しておけば、初案件は良い経験として残ります。法律はあなたの味方です。

よくある質問

Q. 文字起こしを在宅で始めるのに最低限必要な機材は何ですか？

PC、密閉型の有線ヘッドホン、インターネット回線の3つです。PCは高性能である必要はなく、メモリ8GB以上でSSD搭載なら中古機でも実用に足ります。ヘッドホンは音楽鑑賞用ではなく、音を加工しないモニター用の密閉型を選んでください。フットペダルや高価なレコーダーは最初は不要です。

Q. フットペダルは買ったほうがいいですか？

月に10時間分以上の音源を扱うようになってからで十分です。それ未満なら、文字起こし専用の再生ソフトのショートカットキーで代替できます。専用ソフトは無料で手に入り、自動巻き戻しや再生速度変更の機能で作業倍率が1割から2割改善するため、機材を買う前にまず導入してください。

Q. AI音声認識を使って納品してもよいですか？

契約で外部サービスへの音源アップロードが禁止されている場合があります。AI文字起こしは音声をサーバーに送信するため、第三者への情報開示に該当する可能性があるためです。着手前に依頼者へ使用の可否を確認してください。また精度面でも、話者の判別や固有名詞の誤変換が残るため、全文の確認と修正は必須です。

Q. 文字起こしの報酬はどのくらいが相場ですか？

音声1分あたり100円から300円が中心で、専門分野や短納期の案件では400円を超えることもあります。ただし未経験の段階では音声の5倍から8倍の作業時間がかかるため、時給換算では1,125円から1,800円程度になります。慣れると3倍から4倍まで下がるので、同じ案件でも時給は大きく変わります。