文字起こしで働く一日の流れ納期前と暇な時期で動き方が変わる

2026年2月6日

長谷川奈津

この記事のポイント

✓文字起こしの一日の流れを在宅ワークの実務に沿って解説します
✓音声1時間あたりの所要時間
✓AI活用後の仕事の中身

先日、これから在宅で文字起こしを始めたいという方から相談を受けました。「一日の流れが全然イメージできないんです。音声を聞いて打つだけなら簡単そうだけど、実際は何時間かかるものなんでしょうか」と。結論から言うと、音声1時間あたりの作業時間は、仕事の種類によって3倍以上の差が出ます。ここを知らずに受注すると、時給換算で大きく損をします。この記事では、在宅の文字起こしの一日を時間帯ごとに追いかけながら、作業量の目安、報酬の仕組み、忙しい時期と暇な時期、そして契約書で必ず確認しておくべき条項まで整理します。これ、知らない人が本当に多いところなので、順番にお話ししていきます。

在宅の文字起こし、一日の流れを先に見てしまいます

説明より先に、実際の一日を見たほうが早いはずです。ここでは、平日に6時間ほど稼働する在宅ワーカーのケースを例に置きます。

朝9時、パソコンを立ち上げて、まずメールと納品管理表を確認します。今日納品する案件、明日以降の予定、差し戻しの有無。ここに使うのは10分ほどです。案件が複数動いているときは、この時点で今日の配分を決めてしまいます。

9時15分から第1ブロック。ここには、いちばん難しい音声を置きます。話者が多い座談会、専門用語が飛び交う学術系の講演、音質が悪い録音。判断力が必要な素材は、頭が冴えている時間に片付けるのが鉄則です。

10時45分、いったん休憩。文字起こしはヘッドホンを長時間装着する仕事なので、耳と首を休ませてください。10分で構いません。

10時55分から第2ブロック。ここは、話者が1人か2人のインタビュー、進行が整った会議録など、比較的追いやすい素材を入れます。

12時から昼休憩を1時間。ここは削らないでください。午後の失速は、たいてい昼の休み方に原因があります。

13時から第3ブロック。午後は集中の持続時間が落ちるので、50分作業して10分休むリズムに切り替えます。

15時、この日に打ち終えた原稿の見直しに入ります。ここが最重要工程です。固有名詞の表記、数字の桁、タイムスタンプの位置、話者名の割り当て。文字起こしの品質は、打つ速度ではなく、この確認工程の丁寧さで決まります。全作業時間の20%から25%をここに充てるのが目安です。

16時30分、納品と翌日の準備。今日詰まった箇所、聞き取れなかった単語、クライアントに確認したい点を1行ずつ残しておきます。

これが基本形です。ただし、案件の種類によってこの形はかなり変わります。次で見ていきます。

文字起こしの種類で、一日の重さがまったく変わる

同じ「文字起こし」でも、納品物の仕様が違えば作業時間はまるで違います。ここを混同したまま受注するのが、いちばん危険なパターンです。

素起こし

聞こえたままを、すべて文字にする形です。「えー」「あのー」といった言い淀み、言い間違い、笑い声まで含めます。裁判記録や研究用の資料など、発言の忠実な再現が求められる場面で使われます。

作業時間の目安は、音声1時間に対して3時間から4時間。判断が少ないぶん精神的な負荷は軽めですが、打つ量が多いので手は疲れます。一日の組み立てとしては、まとまった時間を確保して一気に進めるほうが効率が出ます。細切れの時間に向かない仕事です。

ケバ取り

言い淀みや意味を持たない音を取り除いて、読みやすくする形です。実務でもっとも多い仕様がこれです。

音声1時間に対して4時間から5時間が目安になります。どこまで取るかの判断が入るぶん、素起こしより時間がかかる。ここが意外と知られていません。「削るほうが楽そう」と思われがちですが、削る判断そのものが作業なんです。

整文

文法を整え、口語を書き言葉に直し、読み物として成立する形にします。議事録や、記事の元原稿として使われる場合はこの仕様です。

音声1時間に対して5時間から8時間。話者の意図を変えずに整えるという、かなり高度な作業になります。そのぶん単価も高く設定されるのが通常です。整文まで対応できる方は、案件の選択肢が一気に広がります。

AIの下書きを直す形

近年もっとも増えているのがこの形です。音声認識で生成された原稿を、人が聞きながら修正していきます。

好きな時間に働ける、納期に間に合えばOKな議事録作成スタッフのお仕事です。完全在宅のフルリモートで、Wordが使えれば未経験でも歓迎されます。講演やシンポジウムなどの会議録をAIで文字起こしされたデータをもとに、ビジネス文書として体裁を整えたり、誤字脱字をチェックする業務です。研修制度があり、子育てとの両立も可能です。完全出来高制で、1件3,000円から、能力や業務量に応じて給与アップのチャンスがあります。出典: 求人ボックス

この募集の書きぶりが、いまの文字起こし市場をそのまま表しています。AIが下書きを作り、人が体裁を整える。未経験でも入りやすくなった一方で、求められるものが「打つ速さ」から「直す判断力」に移りました。

作業時間の目安は、音質が良ければ音声1時間に対して1.5時間から2.5時間。ただし、音質が悪い録音や専門用語の多い分野では、AIの出力がほとんど使い物にならず、結局ゼロから打ち直すことになります。この見極めができるかどうかで、時給換算が倍以上違ってきます。

音声1時間に何時間かかるか。受注前に必ず計算する

受注判断は、感覚ではなく計算でしてください。手順は単純です。

まず、案件の仕様を確認します。素起こしかケバ取りか整文か。タイムスタンプは必要か、何分間隔か。話者名の記載は必要か。用語集は支給されるか。フォーマットの指定はあるか。ここが曖昧なまま受けると、納品後に「そういう仕様じゃない」と言われて全面的にやり直すことになります。

次に、サンプル音声を10分だけ聞かせてもらいます。音質、話者の数、専門性、話す速度。この4つが分かれば、所要時間はかなり正確に見積もれます。サンプルを出せないという案件は、その時点で警戒したほうがいい。

そして計算します。音声60分の案件で、ケバ取り仕様、想定4.5倍なら作業時間は270分。報酬が1万円なら時給換算で約2,200円です。ここで自分の基準を下回るなら、単価交渉をするか、受けない判断をします。

慣れないうちは、この見積もりが外れます。私が行政書士の実務を始めたころ、書類作成の所要時間を甘く見積もって、深夜まで作業したことが何度もありました。文字起こしも同じで、最初の数件は必ず想定を超えます。だから、最初の3件は「見積もりの練習」だと割り切って、実測を記録してください。3件も測れば、自分の速度が分かります。

報酬の仕組みと、在宅案件の相場

文字起こしの報酬体系は、大きく3つに分かれます。

1つ目は、音声の分数ベース。「音声1分あたり100円」といった形です。もっとも一般的で、作業量と報酬の対応が明確なので分かりやすい。相場は素起こしで1分80円から150円、整文まで含む場合は1分200円から400円程度が実務上の目安になります。

2つ目は、件数ベース。「議事録1本3,000円」といった形です。1本あたりの音声の長さが揃っている案件で使われます。長さがばらつく場合は、分数ベースのほうが公平です。

3つ目は、時給ベース。派遣や雇用に近い契約で使われます。時間が読めるので生活設計はしやすい。

在宅の文字起こしには、官公庁関連の会議録作成のような、比較的安定した案件もあります。

官公庁からの安定した案件で、音声データの文字起こしを中心とした会議録作成業務を行う在宅スタッフ（業務委託）を募集しています。過去に文字起こし経験がある方や、入力作業が得意な方、現在の報酬に不満を感じている方にも適しています。ご経験や能力に応じて優遇いたします。ご自身のPCとインターネット環境があれば、基本的なPC操作と情報管理能力があれば応募可能です。業務委託のため、ご自身の都合に合わせて勤務時間を設定できますが、1日4時間以上、週4日以上の確保が必要です。出典: 求人ボックス

1日4時間以上、週4日以上という条件に注目してください。業務委託でありながら稼働の下限が指定されています。この形は珍しくありませんが、契約書で確認すべき点がいくつか出てきます。後の章で触れます。

一日の中の波と、一年の中の波

文字起こしには、はっきりした繁閑の波があります。ここを知っているだけで、収入の変動に対する不安がかなり減ります。

月の中では、月末から月初にかけて依頼が増えます。月次の会議が終わったタイミングで議事録の依頼が集中するからです。中旬は比較的落ち着きます。

年間で見ると、山は3つ。1つ目は年度末の2月から3月。年度内に処理したい会議録や報告書の依頼が殺到します。2つ目は6月から7月。株主総会や定時の会議が集中する時期です。3つ目は10月から11月。学会やシンポジウムのシーズンで、講演記録の需要が高まります。

逆に細るのは、8月のお盆前後と、年末年始です。この2つの時期に収入が落ちることを前提に、年間の計画を立ててください。

波に合わせた一日の使い方

繁忙期は、単純に稼働時間を伸ばすのではなく、案件の組み合わせを工夫します。重い整文案件と、AI下書きの修正案件を交互に入れる。頭の使い方が違うので、同じ時間でも疲れの溜まり方が変わります。

閑散期は、用語集の整備と辞書登録の時間に充ててください。よく出る固有名詞、業界用語、頻出の言い回しを単語登録しておくと、次の繁忙期の入力速度が明確に変わります。この作業は繁忙期にはできません。暇な時期にしかできない投資です。

効率を上げるコツと、道具の選び方

文字起こしの効率は、道具でかなり変わります。

再生ソフトは、フットスイッチ対応か、キーボードショートカットで細かく巻き戻せるものを選んでください。3秒巻き戻し、5秒巻き戻しを片手で操作できるかどうかで、1時間あたりの処理量が2割は違います。

ヘッドホンは、密閉型で耳への負担が少ないものを。長時間装着するので、音質より装着感を優先してください。耳が痛くなると、その時点で集中は終わります。

キーボードは、自分の手に合うものを。文字起こしは打鍵数が多い仕事なので、指の負担が直接的に効いてきます。

そして、単語登録。これがいちばん効きます。頻出の固有名詞、長い専門用語、定型の見出し。案件ごとに登録リストを作っておくと、打鍵数が劇的に減ります。

作業の進め方にもコツがあります。1回目は止めずに全体を通して聞く、という方法を勧める人もいますが、実務では非効率です。時間が倍かかります。それより、聞きながら打ち、聞き取れない箇所は印を付けて飛ばし、最後にまとめて聞き直す。この方法のほうが速い。1箇所で止まって何度も巻き戻すのが、いちばん時間を溶かします。

契約書で必ず確認すべき条項

ここからは、法務の話をします。文字起こしは、扱う情報の性質上、契約面のリスクが他の在宅ワークより高い仕事です。

秘密保持の範囲

会議録や取材音声には、公開前の情報が含まれます。NDA（エヌディーエー）を締結するのが通常ですが、確認すべきは制限の範囲と期間です。「本業務で知り得た情報」の定義が広すぎないか、期間が無期限になっていないか。無期限の秘密保持義務は、実務上守り続けるのが困難です。契約終了後3年から5年程度に区切ってもらうのが現実的です。

音声データの取り扱い

作業終了後に音声データをどう扱うかを、必ず明記してもらってください。削除するのか、返却するのか、保管するならいつまでか。ここが曖昧なまま自分のパソコンに残していると、後で情報漏えいの責任を問われるリスクがあります。つまり、削除の期限を書面で決めておけば、その日以降は自分を守れるということです。

報酬の支払期日

業務委託の場合、報酬の支払期日は成果物を受け取った日から起算して一定期間内に定める必要があります。「検収後、翌々月末払い」のような長すぎる設定は、取引条件として問題になり得ます。フリーランスと発注事業者の取引に関するルールについては、公正取引委員会が考え方を公表しています(公正取引委員会)。取引条件の明示や報酬の支払いに関する義務は、発注側に課されているものです。「言いにくいから」と黙る必要はありません。

やり直しの範囲

「品質に問題があれば無償で修正する」という条項自体は普通です。問題は範囲が無制限になっている場合です。仕様どおりに納品したのに、後から仕様を変更されて無償対応を求められる、という相談は実際にあります。修正の対象を「本契約に定める仕様に適合しない部分」に限定する一文を入れておいてください。

稼働時間の指定と労働者性

先ほど見た募集要項のように、業務委託でありながら週の稼働日数や1日の時間を指定する案件があります。それ自体が直ちに問題になるわけではありませんが、始業終業の指定、業務の進め方の細かな指示、他社案件の禁止といった要素が重なると、実態が雇用に近づきます。実態が雇用なのに業務委託の形をとると、労働法上の保護を受けられないまま拘束だけを受けることになります。判断の考え方は厚生労働省の資料が参考になります(厚生労働省)。

※ 個別の契約について判断に迷う場合は、弁護士など専門家に相談してください。この記事は一般的な考え方の整理です。

実際に起きているトラブルと、その防ぎ方

匿名化した事例を3つ挙げます。どれも、契約時の一手で防げたものです。

1つ目。音質が極端に悪い録音を渡され、想定の3倍の時間がかかったのに、報酬は当初提示のままだった。防ぎ方は単純で、受注前にサンプル音声を確認することです。加えて、「音質が著しく不良な場合は単価を協議する」という一文を契約に入れておく。この一文があるだけで、交渉のテーブルにつけます。

2つ目。納品後に「話者名が違う」「タイムスタンプの間隔が指定と異なる」と言われ、大幅な修正を求められた。仕様書が口頭でしか共有されていなかったケースです。仕様は必ず文書でもらってください。メールやチャットのテキストでも構いません。後から確認できる形で残っていることが大事です。

3つ目。作業を進めていたら、途中で発注が打ち切られ、それまでの分の報酬が支払われなかった。中途解約時の精算方法を決めていなかったケースです。「委託者の都合により中途解約する場合、既に着手した分について出来高に応じた報酬を支払う」という条項を入れておけば、この争いは起きません。

法律はあなたの味方です。ただし、味方になってもらうには、条件を書面に残しておく必要があります。

音源の種類ごとに、一日の組み立ては変わります

同じ文字起こしでも、渡される音源の性質で作業の重さがまるで違います。代表的な5種類について、どう時間を配分すればいいかを整理しておきます。応募段階でどの種類かが分かれば、生活に合うかどうかの判断ができます。

インタビューは、話者が1人か2人で進行も落ち着いているため、もっとも追いやすい音源です。相づちの扱いだけルールを決めておけば、リズムに乗って進められます。一日の中では午後の第3ブロックに置いても十分こなせます。

会議録は、話者が3人以上になり、発言が重なる場面が出てきます。誰が話しているかの判別に頭を使うので、午前の集中している時間帯に回してください。参加者名簿を事前にもらえるかどうかで、作業時間が2割は変わります。名簿が無い場合は、必ず開始前に依頼してください。これは遠慮する場面ではありません。

講演やセミナーは、話者は1人ですが専門用語が集中します。事前に登壇者の名前と所属、テーマを調べておくだけで、聞き取りの精度が上がります。準備に15分かけて、作業時間が1時間縮むということが普通に起こります。

座談会や鼎談は、もっとも難易度が高い音源です。発言が重なり、笑い声が入り、話題が飛びます。この種類だけは、他の作業と並行させないでください。まとまった時間を確保して、一気に進める。途中で中断すると、話の流れを追い直すのに余計な時間がかかります。

電話やオンライン会議の録音は、音質そのものが問題になります。回線の途切れ、環境音、マイクの位置。音質が悪いと、AIの下書きがほとんど使えず、結局ゼロから打ち直すことになります。受注前のサンプル確認が、どの音源よりも重要になるのがこの種類です。

未経験から仕事を得るまでの、現実的な手順

始めたいけれど何から手を付ければいいか分からない、というご相談も多いので、順番を示しておきます。

最初にやるのは、自分の速度を測ることです。手元にある音声、たとえば公開されている講演の動画でも構いません。10分だけ文字起こしをして、何分かかったか記録します。この数字が、すべての見積もりの土台になります。測らないまま応募すると、納期の約束ができません。

次に、表記のルールを1つ決めます。数字は算用数字か漢数字か、括弧は全角か半角か、話者名はどう書くか。案件ごとにルールは指定されますが、自分の初期設定を決めておくと、指定が無いときに迷いません。

三つ目に、単語登録を始めます。自分がよく扱う分野の用語を20個ほど登録するだけで、体感がはっきり変わります。この作業は仕事が来る前にできることです。

四つ目に、応募文を用意します。文字起こしの応募では、経歴より「どの仕様に対応できるか」「音声1時間あたり何時間で仕上げられるか」を書いたほうが通ります。発注側が知りたいのはそこだけだからです。「素起こし、ケバ取り、整文いずれも対応可能」「音声60分をケバ取り仕様で中2日で納品可能」といった書き方が実務的です。

五つ目に、最初の案件は必ず短いものを選びます。いきなり音声3時間の案件を受けると、想定を超えたときに逃げ場がありません。30分程度の音源から始めて、実測を積み上げてください。

そして納品したら、必ず振り返りを記録します。想定何時間で実際何時間だったか。どこで詰まったか。次に活かせる点は何か。3行で構いません。この記録が3件たまると、見積もりの精度が実用レベルになります。

必要なスキルと、その先の広がり

文字起こしに必要なスキルは、順番があります。

最初はタイピング。手元を見ずに打てることが前提になります。次に日本語の運用力。句読点の打ち方、表記の統一、口語を書き言葉に直す感覚。ここが整文の単価を左右します。そして分野の知識。医療、法律、IT、金融といった専門分野に強い方は、その分野の案件で高い単価を取れます。

在宅で扱える文字関連の仕事の全体像を知りたい方は、データ入力・文字起こし・分類のお仕事に業務の種類と要件が整理されています。AI音声認識の普及で仕事の中身が変わっていることを踏まえると、AI・マーケティング・セキュリティのお仕事で扱われている領域も、隣接する選択肢として見ておく価値があります。音声を扱うという共通点から、作曲・編曲・効果音・ジングルのお仕事のような制作系の仕事に関心が向く方もいます。

文書の型を体系的に学びたいなら、ビジネス文書検定の学習範囲が整文の実務に直結します。技術系の分野に強くなりたい方は、CCNA（シスコ技術者認定）のような認定が扱う用語を知っておくと、IT系の会議録で有利になります。

次のキャリアとしては、校正の方向が自然です。文字を扱う精度がそのまま活きます。校正技能検定を活かす在宅副業｜校正・校閲の案件相場と始め方に、資格を案件につなげる具体的な道筋がまとめられています。語学が使える方には翻訳という道があり、翻訳者の年収・収入｜在宅フリーランスの稼ぎ方と単価相場が単価の水準を示しています。医療分野の知識をお持ちなら、医療事務の在宅副業ガイド｜レセプト業務・医療コーディングの始め方で扱われるレセプト関連の業務が、専門性を掛け合わせられる領域になります。

単価の全体感を確認するには、職種別のデータが便利です。著述家，記者，編集者の年収・単価相場とソフトウェア作成者の年収・単価相場を見比べると、文章系と技術系で報酬構造がどう違うかが把握できます。

聞き取れない箇所への向き合い方

どれだけ経験を積んでも、聞き取れない箇所はゼロになりません。ここでの正しい対応は、推測で埋めないことです。文脈から「たぶんこう言っている」と補ってしまうと、事実と異なる記録が残ります。会議録や取材音声では、これが後で大きな問題になり得ます。

案件ごとに不明箇所の記法が指定されているはずなので、開始前に必ず確認してください。指定が無ければ、タイムスタンプ付きで印を残す形を提案します。「14分32秒、聞き取り不能」と書いておけば、発注側がその箇所だけ確認できます。

聞き取れない箇所が全体の1割を超えるようなら、それは音源の問題です。自分の能力不足だと抱え込まず、音質について発注元に相談してください。より良い音源が存在するケースは、実際にあります。

市場のデータと、運営者の視点から見えること

募集要項を横断して眺めると、文字起こしの在宅案件は、AI活用を前提とした募集が明確に増えています。翻訳と組み合わせた案件も出てきています。

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

AI学習データの作成、音声のセグメンテーション、専門用語のリストアップ。これらは従来の文字起こしの周辺にありながら、明確に別の職種です。文字起こしの経験が、こうした領域への入口になっている。この構造は押さえておく価値があります。

20年この市場を運営してきた立場から言えば、文字起こしで長く仕事が途切れない方には共通点があります。納品物に「確認してほしい箇所のメモ」を添えていることです。聞き取れなかった箇所、固有名詞の表記に自信がない箇所、判断に迷った箇所を、短くまとめて渡す。受け取る側からすると、これが圧倒的に助かります。全部を完璧に埋めた原稿より、不確実な箇所が明示された原稿のほうが、後工程が速い。この一手間を続けている方は、依頼が途切れません。

もう1つ、運営者として見てきた限りでは、報酬の受け取り方が仕事の質そのものに影響しています。仲介手数料が差し引かれる経路だけで受けていると、同じ手取りを確保するために案件数を増やさざるを得ません。案件を詰め込めば確認工程が薄くなり、差し戻しが増え、また時間を失う。この循環に入ってしまう方を何度も見てきました。手数料0%の直接取引が混ざっていると、同じ稼働でも手取りが厚くなる分、見直しに時間をかける余裕が生まれます。発注する側も、中間マージンが乗らない分だけ同じ予算でより多くを依頼できる。この双方が得をする構造は、単価の話というより、丁寧に仕上げる余白を持てるかどうかの話です。

最後に整理します。在宅の文字起こしの一日は、朝の確認、午前の難易度の高いブロック、昼の休息、午後の軽めのブロック、夕方の見直しと記録。この5区切りで組み立てれば無理なく回ります。そして受注前には、必ず音声1時間あたりの所要時間を計算する。この2つを守るだけで、消耗しない働き方に変わります。