在宅で文字起こしのバイトを始めるとき最初に用意する道具と応募先

「文字起こしのバイトを在宅でやりたい」と検索する人の多くが、実は同じところでつまずいています。求人サイトを開いても、出てくるのは「データ入力」「テープ起こしスタッフ（正社員）」「AI学習データ作成」といった似て非なる募集ばかりで、自分が想像していた「音声を聞いてタイピングするだけの在宅ワーク」がどこにあるのか分からない。結論から書きます。2026年時点で在宅の文字起こしを始めるなら、アルバイト求人サイトではなく業務委託のマッチングサイトを見るのが正解で、必要な道具は3点、初期費用は5,000円前後から揃います。そして最初の壁は「タイピング速度」ではなく「音が聞き取れるかどうか」です。

この記事では、市場の実態、必要な道具、案件の探し方、単価の現実、AI文字起こしが普及した後の仕事の中身の変化、税金と扶養の扱いまでを順に整理します。「未経験でもできる」と言い切る記事にも、「もう稼げない」と切り捨てる記事にも与しません。実際にどういう構造になっているのかを見てください。

在宅の文字起こしは「バイト」ではなく「業務委託」で探すのが2026年の正解

まず用語の整理から入ります。ここを間違えると、探しても探しても求人が見つからないという状態が延々続きます。

アルバイト求人に出てくる「文字起こし」の正体

大手求人検索サイトで「文字起こし 在宅」と検索すると、確かに大量のヒットが返ってきます。ただしその中身を分解すると、大きく4種類に分かれます。

1つ目は、単発・日払いの登録型派遣です。「1日から勤務OK」「来社不要」「日払い」といった文言が並ぶタイプで、実際の業務内容は文字起こしだけでなくメール対応やデータ入力、書類チェックなどが混在しています。実際、こうした募集の説明はこう書かれています。

オフィスワーク未経験者歓迎の単発アルバイトです。1日からの勤務が可能で、都合の良い日にシフトインできます。来社や面接は不要で、自宅でスマホから簡単にWEB登録ができます。日払い制度があり、急な出費にも対応可能です。仕事内容はメール・チャット対応、書類チェック、問い合わせ対応、データ入力、文字起こしなど多岐にわたります。大学生、フリーター、主婦(夫)の方、Wワーク希望の方など、様々な方が活躍できます。勤務時間は週1日以上、1日3時間から相談可能です。 出典: 求人ボックス

読み取ってほしいのは「文字起こしなど多岐にわたります」の部分です。文字起こし専業ではなく、事務作業のパッケージの一部として文字起こしが含まれている構成になっています。時給制で働けるという安心感はありますが、「文字起こしのスキルを積み上げたい」という目的には必ずしも合致しません。

2つ目は、テープ起こし専門会社の正社員・契約社員募集です。「土日祝休み」「研修充実」「年間休日120日」といった条件が付くタイプで、これは在宅ワークというより通常の雇用です。一部リモート可の会社もありますが、多くは出社前提か、研修期間中は出社が必要な形になっています。

3つ目が、AI学習データ作成系です。音声のセグメンテーション、翻訳、専門用語のリストアップなどを含むもので、近年急速に募集が増えている領域です。求人ボックスに掲載されている募集ではこう説明されています。

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

注目すべきは「平日週30時間以上（1日6時間～）」という条件です。在宅ではあるものの、稼働量の下限が設定されているタイプが多く、「空いた時間に少しだけ」という働き方とは相性が悪い。副業として検討するなら、この稼働条件を必ず確認してください。

4つ目が、業務委託の単発案件です。「この音声ファイル1本、いくらで起こしてください」という形の受発注で、実は在宅で文字起こしをする人の大半がここに属しています。そしてこの4つ目は、アルバイト求人検索サイトにはほとんど出てきません。理由は単純で、雇用契約ではないので「求人」として掲載されないからです。

なぜ「バイト」で探すと見つからないのか

在宅ワークの募集構造を理解しておくと、この探し方の問題が腑に落ちます。雇用契約（アルバイト・パート）は労働時間を管理する必要があるため、在宅だと管理コストが跳ね上がります。勤怠打刻、業務中の拘束、労働時間に応じた賃金支払い、社会保険の適用判定。これらを在宅の短時間労働者に対して整備するのは、発注側にとってかなりの負担です。

一方、業務委託は「成果物に対して報酬を払う」形なので、時間管理が不要です。だから在宅の文字起こしは業務委託に集約されていきます。求人検索サイトを何時間眺めても、業務委託の単発案件はほとんど視界に入らない。これが「探しても見つからない」の正体です。

実際、こういう相談が知恵袋に投稿されています。

大学生でもできる完全在宅のデータ入力や文字起こしなどのバイトを募集しているサイトはありませんか？

横浜住みですが完全在宅で、全国どこからでも…みたいなやつでも良いです 自分でも探して見てるんですか学生可と書いてありながらも社会人経験一年以上と書いてあったりなかなか見つかりません 出典: detail.chiebukuro.yahoo.co.jp

「学生可と書いてありながらも社会人経験一年以上」というのは、まさに雇用型求人の構造的な問題です。雇用として在宅を認める企業は、その分だけ選考のハードルを上げてリスクを下げようとします。逆に業務委託であれば、社会人経験の有無ではなく「納品物の品質」だけで評価されます。学生でも主婦でも、テストに通れば同じ土俵に立てる。この違いは大きいです。

業務委託で探すときの検索ワード

探し場所を変えるときに、検索ワードも変える必要があります。「文字起こし バイト」ではなく、以下のワードで業務委託系のマッチングサイトを検索してください。

・テープ起こし ・音声書き起こし ・議事録作成 ・インタビュー起こし ・字幕作成（字幕データの制作。文字起こしの派生） ・音声データ入力

「テープ起こし」は古い言い方に思えますが、業界内では今もこの呼称が現役で、専門会社の名称にも多く使われています。検索でヒットする案件の傾向が変わるので、両方試す価値があります。

在宅ワーク仲介サイトのお仕事カテゴリで言えば、データ入力・文字起こし・分類のお仕事のカテゴリが該当します。このカテゴリには音声起こしのほか、アンケート集計、名刺データ化、画像分類といった作業系の案件がまとまっており、文字起こしの案件が少ない時期でも近接領域で作業量を確保しやすい構造になっています。文字起こし一本に絞らず、同じスキルセットで受けられる周辺案件を視野に入れておくのが実務的です。

在宅で文字起こしを始めるのに必要な道具と初期費用

「パソコンさえあればできる」という説明をよく見かけますが、正直なところ、これはどうかと思います。パソコンだけで始めると、確実に効率が悪くて挫折します。実際に必要なものを、優先度順に並べます。

必須の道具（合計5,000円前後）

パソコン（Windows / Mac どちらでも可）

スペックは高くなくて構いません。音声再生とテキスト入力ができれば十分なので、5年前のノートPCでも問題なく動きます。ただしOSのサポートが切れている機種は避けてください。案件によっては秘密保持契約（NDA）を結ぶことがあり、セキュリティ更新が止まった端末での作業は契約違反になる場合があります。

スマートフォンやタブレットだけで文字起こしをするのは現実的ではありません。理由は後述するショートカットキー操作と、複数ウィンドウの同時表示ができないためです。

有線イヤホンまたはヘッドホン（2,000円〜5,000円）

ここが最大の投資ポイントです。そしてほとんどの初心者が軽視するポイントでもあります。

必ず有線を選んでください。Bluetoothのワイヤレスイヤホンは音声と操作の間にわずかな遅延（レイテンシ）が発生します。0.1秒程度の遅延でも、「1秒戻して聞き直す」を何百回も繰り返す文字起こしでは致命的なストレスになります。加えて、ワイヤレスは圧縮コーデックを経由するため、子音の輪郭がわずかに鈍ります。「し」と「ち」、「ふ」と「す」の判別が難しい音源では、この差が聞き取り精度に直結します。

密閉型のカナル型イヤホン、または密閉型のオーバーイヤーヘッドホンが適しています。開放型は音漏れするうえに外音が混じるので、環境音の多い自宅では不利です。

フットペダル（4,000円〜15,000円・必須ではないが推奨）

足で再生・停止・巻き戻しを操作するUSB機器です。プロのテープ起こし従事者はほぼ全員が使っています。手をキーボードから離さずに音声操作ができるので、作業速度が体感で2割から3割変わります。

ただし、最初から買う必要はありません。後述する専用ソフトのショートカットキー機能で代替できるので、月に10時間以上作業するようになってから検討すれば十分です。

無料で揃うソフトウェア

文字起こし用のソフトは、無料のもので実務に耐えます。

再生ソフト

音声再生の速度変更、指定秒数の巻き戻し、ショートカットキー操作ができるソフトが必要です。文字起こし専用の無料ソフトが複数公開されており、いずれも「Fキーで再生停止」「指定秒数だけ自動で巻き戻して再生再開」といった機能を備えています。この「巻き戻してから再生」の挙動が重要で、停止した位置からそのまま再生すると文の途中から始まって文脈が切れます。

テキストエディタ

Wordでも構いませんが、動作が重いのでメモ帳系の軽いエディタが快適です。ただし納品形式がWord指定の案件も多いので、最終的にはWordまたは無料のオフィス互換ソフトが必要になります。

辞書登録

これは道具というより設定の話ですが、効果が大きいので必ずやってください。OSの標準機能で単語登録ができます。「かぶ」→「株式会社」、「ゆうげん」→「有限会社」のように、頻出する固有名詞や定型句を短い読みで登録しておくと、入力回数が劇的に減ります。案件ごとに登場する専門用語（社名、製品名、業界用語）を作業前に一括登録するのが、経験者と未経験者の速度差を生む最大の要因です。

環境面で見落とされがちな条件

静かな作業環境

当たり前に思えますが、これが確保できないと精度が落ちます。特にICレコーダーで会議室を録音した音源は、話者から遠い位置の声が小さく、周囲のノイズと同レベルで入っています。自宅の生活音がそこに重なると、判別不能になります。テレビの音、家族の会話、洗濯機の音が入る時間帯は、作業時間から外したほうが結果的に速いです。

安定したインターネット環境

音源のダウンロードとアップロードが発生します。1時間の音声ファイルは形式にもよりますが数十MBから数百MBになります。モバイル回線の通信量制限がある環境だと厳しい場面が出てきます。

納期を守れる時間の確保

これが実は一番の必須条件です。文字起こしの案件は「明後日の朝までに」といった短納期が珍しくありません。1時間の音声を仕上げるのに未経験なら5時間から8時間かかります。この見積もりを甘く見て納期に間に合わせられないのが、初心者が最初に失う信頼です。

文字起こしの単価相場と、1時間の音声にかかる本当の作業時間

お金の話をします。ここを曖昧にした記事が多いので、市場相場を具体的に書きます。

単価の3つの計算方式

文字起こしの報酬は、主に3通りの計算方式があります。

音声1分あたりの単価

もっとも一般的です。業務委託の相場は60円から250円程度に分布しています。未経験・一般向けのクラウドソーシング案件は60円から100円あたりが中心で、専門分野（医療、法律、学術、技術系）や高品質を求められる案件は150円以上になります。

1時間の音声なら、分単価80円で4,800円、分単価200円なら12,000円という計算になります。

文字数あたりの単価

1文字0.5円から2円程度。人が普通に話す速度は1分あたり300字前後なので、1時間の音声で15,000字から20,000字程度になります。この方式は、無言時間が長い音源だと不利になり、早口で情報量の多い音源だと有利になります。

時給制（雇用型・登録型派遣）

先ほど触れた登録型の在宅バイトの場合、時給1,100円から1,700円程度の募集が見られます。成果物単位ではないので、聞き取りにくい音源に当たっても報酬が減らないのが利点です。ただし前述の通り、稼働時間の下限が設定されている場合が多い。

実質時給を計算すると見えてくること

ここが重要です。単価だけ見ても意味がありません。実際にかかる時間で割ってください。

未経験者が1時間の音声を文字起こしする場合、必要な時間は5時間から8時間です。これは業界内で「音声の5倍から8倍」と言われる目安と一致します。慣れると3倍から4倍まで縮み、専業でやっている人は2.5倍程度まで持っていきます。

分単価80円の案件を、未経験者が6倍の時間をかけて仕上げた場合。報酬は4,800円、作業時間は6時間。実質時給は800円です。都市部の最低賃金を下回ります。

同じ案件を、慣れた人が3倍の時間で仕上げれば実質時給1,600円。分単価200円の専門案件を4倍の時間で仕上げれば3,000円になります。

つまり、文字起こしは「単価の高い案件を取れるか」と「作業倍率を下げられるか」の掛け算で収入が決まる仕事です。最初の数ヶ月は実質時給が低くて当然で、そこを訓練期間と割り切れるかどうかが分岐点になります。

単価が跳ね上がる条件

分単価150円以上のゾーンに入るには、以下のいずれかが必要です。

専門分野の知識

医療（学会、症例検討会）、法律（裁判、法務相談）、金融（決算説明会、IR）、技術（開発会議、技術セミナー）といった領域は、専門用語が正確に書けるかどうかで品質が決まります。用語が分からないと調べる時間が膨らみ、それでも間違えます。逆に言えば、前職の知識がそのまま単価に変換される数少ない在宅ワークです。看護師、法律事務所勤務、金融機関出身といった経歴を持つ人は、いきなり高単価帯を狙えます。

話者分離が必要な複数人音源

5人以上が参加する座談会や会議の音声は、誰が話しているかを判別しながら書く必要があります。声の似た同性が複数いる場合、これが極端に難しくなる。難度が高い分、単価も上がります。

ケバ取りと整文の技術

そのまま書き起こす「素起こし」に対し、「あー」「えーと」などのフィラーを削るのが「ケバ取り」、文章として読める形に整えるのが「整文」です。整文まで求められる案件は単価が高くなります。ただしこれは編集技術であり、話者の意図を変えずに読みやすくするという、地味に難しい作業です。

英語その他の外国語

英語音声の文字起こし、または英語音声からの和訳付き文字起こしは、日本語のみの案件と比べて単価が大きく上がります。ただしリスニング能力が実務レベルで必要で、ネイティブの雑談や訛りの強い話者は難度が高い。翻訳寄りの領域については翻訳者の年収・収入｜在宅フリーランスの稼ぎ方と単価相場で単価構造を整理しているので、語学を軸にするなら併せて確認してください。

AI文字起こしが普及した2026年、仕事の中身はこう変わった

避けて通れない話題です。「AIがあるから文字起こしの仕事はなくなる」という言説について、市場の実態を書きます。

AIが得意なこと、苦手なこと

音声認識の精度は、この数年で大きく向上しました。クリアな録音環境で、1人が標準語ではっきり話している音源なら、認識率は95%を超えることも珍しくありません。ナレーション、講演、オンライン会議の録画といった音源は、AIでほぼ実用レベルまで起こせます。

一方、AIが苦手な条件も明確です。

・話者が3人以上で、発話が重なる（会議、座談会、ディスカッション） ・録音機材が話者から遠く、音量が小さい（会議室の隅にICレコーダーを置いた録音） ・環境ノイズが大きい（屋外インタビュー、店舗内、工場見学） ・方言、訛り、早口、こもった発声 ・固有名詞や専門用語が多い（社名、製品名、人名、業界用語） ・「これ」「あれ」といった指示語が資料を指しており、文脈の補完が必要

そして厄介なのは、AIの誤認識が「もっともらしい日本語」として出力される点です。存在しない言葉を書くのではなく、音の近い別の単語に置き換えて出してくるので、原稿だけ読んでも間違いに気づけません。結局、音源を最初から最後まで聞き直すことになります。

仕事の中身は「起こし」から「確認と修正」へ

2026年時点で市場に出ている案件を見ると、構成が明らかに変化しています。

以前は「ゼロから書き起こす」案件が主流でした。今はAIで一次処理した原稿を渡され、「音源と突き合わせて修正してください」という形が増えています。この作業は業界内で「AI校正」「音声認識校正」などと呼ばれます。

一見ラクそうに見えますが、実は落とし穴があります。単価がゼロから起こす案件より低く設定される一方、作業時間はそこまで短縮されないケースが多いのです。理由は前述した「もっともらしい誤認識」で、結局全部聞き直す必要があるから。しかも、既に書かれた文字列を見ながら聞くと、脳が「そう書いてある」という先入観に引きずられて誤りを見逃しやすくなります。

私が最初にこの形式の案件を受けたとき、これで痛い目を見ました。AI原稿があるから半分の時間で終わるだろうと見積もったら、実際には7割の時間がかかり、しかも納品後に固有名詞の誤りを指摘されました。原稿に書かれた社名が微妙に間違っていて、それを目で追いながら耳で聞いていたので、脳が勝手に「合っている」と処理していたのです。以降、AI原稿の案件では最初の1周を原稿を見ずに聞くようにしています。時間はかかりますが、見落としが激減しました。

生き残る領域はどこか

AI普及後に残っている、あるいは伸びている領域を整理します。

機密性の高い音源

役員会議、人事評価面談、法務関連の打ち合わせなど、外部のクラウドAIサービスにアップロードできない音源があります。情報管理上、社外のサーバーに音声を渡せないので、NDAを結んだ人間が処理するしかありません。この領域は単価が安定しています。

品質の要求水準が高い出版・学術用途

書籍の元になるインタビュー、学術論文の資料、公的機関の議事録などは、誤字が許されません。AI原稿をそのまま採用することはなく、人の手による確認が前提になっています。

AI学習データの作成側

皮肉な話ですが、AIの精度を上げるための正解データを作る仕事が増えています。冒頭で引用した「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」という募集がまさにこれです。音声を区切り、正確なテキストを紐づけ、話者をラベリングする。AIが普及するほど需要が生まれる構造になっています。この領域についてはAI・マーケティング・セキュリティのお仕事のカテゴリに関連案件がまとまっており、文字起こしのスキルから横に広げやすい移行先になります。

リアルタイム性が必要な領域

要約筆記、字幕付与、聴覚障害者向けの情報保障といった、その場で文字化する仕事です。これは専用の訓練が必要な世界ですが、AIでは対応しきれない領域として確実に残っています。

未経験から在宅の文字起こしを始める具体的な手順

ここからは実務の手順です。順番通りに進めれば、最短で2週間程度で最初の案件に応募できる状態になります。

ステップ1：自分の音声処理能力をテストする

いきなり案件に応募する前に、自分がこの作業に向いているかを確認してください。テスト方法は簡単です。

インターネット上に公開されている10分程度の音声（対談形式のポッドキャスト、動画のインタビューパートなど、複数人が話しているもの）を選び、それをゼロから文字起こししてみます。時間を計ってください。

10分の音声を60分以内で仕上げられれば、初期値としては良好です。90分を超えるようなら、原因を切り分けます。タイピングが遅いのか、聞き取れないのか。前者は練習で解決しますが、後者は改善に時間がかかります。

この段階で「音声を何度も聞き直さないと単語が判別できない」と感じるなら、まずイヤホンを変えてみてください。機材の問題である可能性が高いです。それでも改善しない場合、この仕事は相性が良くないかもしれません。正直なところ、聴覚的な処理能力には個人差があり、努力で埋まらない部分があります。早めに見切りをつけて、テキストベースの校正や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で扱っているような校正・校閲の領域に進んだほうが良い場合もあります。

ステップ2：表記ルールの基礎を身につける

文字起こしには業界標準の表記ルールがあります。これを知らずに納品すると、内容は合っているのに「品質が低い」と評価されます。

主な論点は以下です。

数字の表記

縦書きなら漢数字、横書きならアラビア数字が原則ですが、案件ごとに指定があります。「三つ」を「3つ」と書くか、「一人ひとり」を「1人ひとり」と書くか。指定がない場合は統一されていることのほうが重要です。

話し言葉の処理

「ですけれども」を「ですけれど」に縮めるか、そのまま書くか。「っていうか」を「というか」に直すか。素起こし指定なら一切直さず、整文指定なら読みやすく整えます。この判断基準を案件開始前に確認しないと、大量の修正依頼が返ってきます。

聞き取れない箇所の処理

どうしても判別できない箇所は、推測で書いてはいけません。「（聴取不能）」「（〇〇？）」のように、タイムコードを添えて明示します。これは案件ごとに記法が指定されていることが多いので、指示書を必ず確認してください。推測で書いて後から発覚するのが、信頼を失う最も速い方法です。

話者の表記

「A：」「話者1：」「山田：」など、案件によって指定が異なります。話者が特定できない場合の扱いも事前に確認が必要です。

こうした文書作成の基礎知識は、ビジネス文書検定のような資格の学習範囲と重なる部分があります。資格そのものが案件獲得に直結するわけではありませんが、敬語の使い分けや文書の体裁に関する知識は、整文が求められる案件で確実に効いてきます。

ステップ3：作業環境をセットアップする

道具の章で挙げたものを揃え、再生ソフトのショートカットキーを設定します。設定すべきは最低4つです。

・再生／一時停止 ・数秒巻き戻して再生（2秒から3秒が目安） ・再生速度の上げ下げ ・タイムコードの挿入

そしてこれらを、テキスト入力中に手をホームポジションから動かさずに押せるキーに割り当ててください。Ctrlキーとの組み合わせや、ファンクションキーの単押しが一般的です。この設定を最適化するだけで、作業時間が1割から2割変わります。

再生速度についても補足します。聞き取りやすい音源は1.2倍から1.5倍で流しながら打つと速く進みます。逆に難所は0.7倍まで落とすと、埋もれていた子音が浮かび上がることがあります。速度を固定せず、区間ごとに変えるのがコツです。

ステップ4：案件を探して応募する

業務委託のマッチングサイトに登録し、案件を検索します。応募時に見るべきポイントは以下です。

単価と音声時間の明示

「1件〇〇円」だけ書かれていて音声時間が不明な案件は避けてください。10分の音声と120分の音声では作業量が12倍違います。応募前に必ず確認します。

納期の余裕

初回は特に、余裕のある納期の案件を選んでください。作業倍率の見積もりが甘くなりがちなので、想定の2倍の時間がかかっても間に合う案件が安全です。

サンプル音源の有無

良心的な発注者は、応募前に音源の一部を公開しています。録音品質を確認できるので、これがある案件は優先度が高い。

修正対応の範囲

納品後の修正が何回まで無償か、修正の定義は何か。ここが曖昧だと、延々と手直しを求められて実質時給が崩壊します。

避けるべき案件の特徴

以下に該当する案件は見送ってください。

・作業開始前に登録料、教材費、機材購入費を求める ・報酬の支払い条件が「クライアントの検収後〇ヶ月」など極端に遅い ・音源の内容が事前にまったく開示されない ・連絡手段が個人のメッセージアプリのみで、契約書もない ・「誰でも月〇万円」といった収入を前面に出した募集文

1つ目は特に注意してください。仕事を紹介する代わりに費用を請求する構造は、在宅ワークを装った内職商法の典型的なパターンです。正規の業務委託で、着手前に受注側が金銭を支払う必要はありません。

ステップ5：初回案件を確実に納品する

最初の1件が最も重要です。理由は2つあります。実績評価が次の案件獲得に直結すること、そして同じ発注者からの継続依頼につながることです。

初回で必ずやるべきことを挙げます。

作業開始前に指示書を熟読し、不明点を質問する

質問することは印象を悪くしません。むしろ「確認してから着手する人」という評価につながります。逆に、勝手な解釈で進めて全体を書き直すことになるほうが、双方にとって損失です。

冒頭5分だけ起こして、途中確認を依頼する

長時間の音源であれば、最初の一部を仕上げた段階で「この方向性で問題ないか」を確認します。これで方針のズレを早期に発見できます。丸ごと仕上げてから全否定されるリスクを消せる、費用対効果の高い一手です。

納品前に音源を通しで確認する

自分が書いた原稿を見ながら、音源を1.5倍速で通します。抜けや誤変換が見つかります。この工程を飛ばすと品質が安定しません。

納期の1日前に納品する

これは戦略的な話です。締切ぎりぎりの納品と、1日早い納品では、発注者側の印象がまるで違います。修正が必要になったときのバッファにもなります。

税金、扶養、保険。在宅で働く前に知っておくこと

業務委託で在宅ワークをする場合、雇用とは税務上の扱いが変わります。ここを知らずに始めて、年明けに慌てる人が毎年一定数います。

確定申告が必要になるライン

業務委託の報酬は「事業所得」または「雑所得」として扱われます。給与ではないので、年末調整の対象外です。

会社員が副業で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ります。ここで言う「所得」は報酬の総額ではなく、報酬から必要経費を引いた金額です。イヤホン代、フットペダル代、通信費の按分、パソコンの減価償却などが経費に該当します。

専業主婦や学生など、給与所得がない人の場合は基準が変わります。基礎控除の範囲内であれば申告不要になるケースがありますが、条件は個人の状況によって異なります。判断に迷う場合は国税庁のサイトで確認するか、税務署に問い合わせてください。

国税庁のサイトには確定申告に関する情報が体系的にまとまっており、電子申告についてはe-Taxから手続きができます。

扶養の判定は「103万円」だけではない

配偶者の扶養に入っている場合、注意が必要なポイントがあります。

税制上の扶養と、社会保険上の扶養は別の制度で、判定基準も異なります。しかも業務委託の場合、給与所得者とは計算方法が変わります。給与には給与所得控除がありますが、業務委託の報酬にはこれが適用されず、代わりに実際の必要経費を差し引く形になります。

社会保険の扶養については、健康保険組合ごとに判定基準が異なることがあります。業務委託の収入をどう扱うか（経費を差し引く前か後か、など）も組合によって差があるため、加入している健康保険組合に直接確認するのが確実です。「知り合いはこうだった」という情報が自分に当てはまらないケースが頻繁にあります。

年金や健康保険の制度については日本年金機構や厚生労働省のサイトに一次情報があります。

契約書とNDAは必ず確認する

業務委託では、契約内容が書面化されているかを確認してください。2024年に施行されたフリーランス保護の法律により、発注事業者には取引条件の明示義務が課されています。業務内容、報酬額、支払期日などが書面または電磁的方法で示されるはずです。

文字起こしの案件では、ほぼ確実にNDAの締結を求められます。会議の内容、インタビューの発言、患者情報など、外部に出せない情報を扱うためです。締結後は以下を厳守してください。

・音源とテキストを個人のクラウドストレージに保存しない（案件で指定された保管方法に従う） ・作業内容をSNSに書かない（「今日は〇〇社の会議を起こした」は明確な違反） ・納品後、指定された期間が過ぎたらデータを削除する ・家族を含め、第三者が画面を見られる環境で作業しない

1件の情報漏洩で、その後の仕事がすべて止まります。この業界は狭く、評判は伝わります。

運営者として見てきた、在宅の文字起こしで長く続く人の共通点

フリーランスと在宅ワークの市場を20年見てきた立場から、この職種について感じていることを書きます。

文字起こしは、在宅ワークの中でも「入口が広く、出口が分かれる」典型的な仕事です。パソコンとイヤホンがあれば誰でも着手できる一方、1年後に残っている人は多くありません。そして残った人と離脱した人の差は、タイピング速度でも聴覚の鋭さでもないというのが、運営者として見てきた限りの実感です。

続く人に共通しているのは、発注者側の手間をどれだけ減らせるかを考えている点です。具体的には、聞き取れなかった箇所にタイムコードを添えて「ここが不明です」と明示する。専門用語の表記ゆれについて「Aで統一しましたが、Bが正しければご指示ください」と添える。次回以降に使える用語集を自主的に作って共有する。こうした一手間を加える人は、単価交渉をしなくても継続的に依頼が来ます。発注者からすれば、確認と修正のコストが下がるからです。逆に、指示通りに書いてあるだけの納品物は、誰が作っても同じなので価格競争に巻き込まれます。

もう1つ、長く見てきて確信していることがあります。手取りの厚さは、単価そのものより「間に何人挟まっているか」で決まるという点です。文字起こしは下請け構造が深くなりやすい職種で、発注元から専門会社、そこから登録スタッフへと流れる間に、それぞれの取り分が引かれます。同じ1時間の音声に対して発注元が支払った金額と、実際に作業した人が受け取る金額に大きな開きがあるのは珍しくありません。

中間マージンが乗らない直接取引だと、この構造が変わります。依頼する側は同じ予算でより多くの作業を頼めるようになり、受ける側は同じ作業量で手取りが厚くなる。どちらかが損をして、どちらかが得をする関係ではありません。手数料0%で直接つながる形が意味を持つのは、金額の大小の話ではなく、この「双方が得をする」構造が成り立つからです。実際、長く続いている在宅ワーカーの多くは、最初はプラットフォーム経由で実績を作り、信頼が生まれた後は直接のやり取りに移行しています。

そしてもう1点。文字起こしを最終目的地にしている人より、通過点として使っている人のほうが長く市場に残っています。文字起こしで身につくのは、大量の音声情報を構造化する能力、表記ルールを守り抜く注意力、締切を管理する自己管理能力です。これらは編集、ライティング、リサーチ、議事録作成といった隣接職種にそのまま転用できます。

文字起こしから広がる隣接職種と、スキルの育て方

最後に、この仕事をどう次につなげるかを整理します。

単価の天井を認識しておく

冷静に見ておくべき事実があります。文字起こし単体での収入には天井があります。作業時間に比例する仕事なので、1日に処理できる音声の量が上限を決めます。専業でフル稼働しても、処理できるのは1日あたり2時間から3時間分の音声が限界です。

この構造を理解したうえで、以下のどちらかを選ぶことになります。1つは高単価の専門領域に特化して単価を上げる道。もう1つは、隣接する職種に活動範囲を広げる道です。

転用しやすい隣接職種

ライター・編集

文字起こしから最も自然につながる先です。インタビュー音声を起こす作業を続けていると、話の構造、良い質問と悪い質問の違い、記事にしたときに使える発言と使えない発言の見分けがつくようになります。インタビュー記事のライターは、そもそも自分で文字起こしをする工程を持っているので、この経験が直接活きます。単価の相場感については著述家，記者，編集者の年収・単価相場にデータがまとまっているので、移行を検討するなら数字を見ておいてください。

校正・校閲

表記ルールを守る訓練を積んでいるので、親和性が高い領域です。文字起こしよりも単価が安定しており、AIによる代替も進みにくい。

字幕制作

動画コンテンツの増加に伴って需要が伸びている領域です。文字起こしとの違いは、表示時間に合わせて文字数を制限する必要がある点と、専用ソフトの操作が必要な点。1秒あたりの表示文字数の目安、改行位置のルール、話者の識別方法など、独自の作法があります。

議事録作成

文字起こしが「発言をそのまま書く」のに対し、議事録は「決定事項と論点を構造化する」仕事です。要約力と業務理解が必要になるぶん単価が高く、継続契約になりやすい。事務職の経験がある人は、この方向への移行が現実的です。

音声データのアノテーション

AI学習用に音声を分類・ラベリングする作業です。文字起こしのスキルセットがそのまま使えて、案件数が増えている領域です。技術的な理解があると単価が上がるため、IT系の基礎知識を身につける投資が回収しやすい。ネットワークやセキュリティの基礎についてはCCNA（シスコ技術者認定）のような資格の学習範囲が参考になります。直接的に文字起こしの単価を上げるものではありませんが、技術系案件の内容を理解できるようになると、専門分野の起こしが受けやすくなります。

音楽・音響関連

音源を扱い続けているうちに、音の聞き分けや編集ソフトの操作に慣れる人がいます。効果音制作やナレーション編集といった領域に進むケースもあり、作曲・編曲・効果音・ジングルのお仕事のカテゴリはその移行先の1つになります。文字起こしからの直接の延長ではありませんが、音声を扱う仕事という括りでは連続性があります。

医療・専門分野という選択肢

前述の通り、専門知識は単価に直結します。中でも医療分野は、用語の難度が高いぶん参入障壁があり、単価が安定しています。医療機関での勤務経験や、医療事務の知識がある人は、その資産を在宅ワークに変換できます。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は、医療系の知識を在宅で活かす方法を整理しているので、該当する経歴を持つ人は選択肢として検討する価値があります。

同様に、金融、法律、建築、製造といった業界で働いた経験がある人は、その業界の会議やセミナーの文字起こしで優位に立てます。「未経験者向けの低単価案件から始めて、実績を積んでから専門分野へ」という順序は必ずしも正しくありません。自分の経歴が使える分野があるなら、最初からそこを狙ったほうが早い。

在宅ワーク市場の中での文字起こしの位置づけ

在宅で働く手段は年々増えています。プログラミング、デザイン、動画編集、Webライティング。それぞれ求められるスキルと習得期間が異なります。技術系の職種は単価が高い一方、習得までに時間がかかります。ソフトウェア作成者の年収・単価相場を見れば、技術職との収入差は明らかです。

その中で文字起こしの位置づけは、「習得期間が短く、着手のハードルが低い代わりに、単価の天井が低い」職種です。この特性を正しく理解したうえで選ぶなら、悪い選択ではありません。特に以下の条件に当てはまる人には合っています。

・まとまった学習時間を確保できないが、作業時間なら取れる ・タイピングと日本語の扱いに苦手意識がない ・専門分野の知識やバックグラウンドがある ・在宅ワークの実績をゼロから作りたい

逆に、短期間で大きな収入を得たい人、単純作業の反復が苦痛な人、集中して音を聞き続けるのが苦手な人には向きません。この見極めは、最初にやるべきテストで判断できます。

在宅ワーク仲介サイトに掲載されている案件カテゴリを見ると、データ入力・文字起こし系の案件は常に一定量が流通している一方で、AI関連や技術系の案件のほうが単価レンジは広い傾向が見られます。文字起こしを起点にしつつ、隣接領域に手を伸ばしていく設計をしておくと、案件の波に左右されにくくなります。1つの職種に固定するのではなく、音声を扱う仕事、文字を扱う仕事という括りで自分の受注可能範囲を広げていくのが、在宅ワークで継続的に稼働量を確保する現実的な方法です。

よくある質問

Q. 文字起こしのバイトは在宅で未経験からでもできますか？

可能です。ただし雇用型のアルバイトではなく、業務委託の単発案件で探すのが現実的です。求人検索サイトには業務委託案件がほとんど出てこないため、在宅ワークのマッチングサイトを使ってください。未経験可の案件は分単価60円から100円程度が中心で、最初は実質時給が低くなる前提で臨むと挫折しにくいです。

Q. 在宅で文字起こしを始めるのに必要な道具と費用は？

最低限、パソコンと有線イヤホンの2点です。イヤホンは2,000円から5,000円程度で十分な品質のものが手に入ります。ワイヤレスは音の遅延と圧縮による音質低下があるため避けてください。再生ソフトは無料のものが実用に耐えます。フットペダルは4,000円前後からありますが、月10時間以上作業するようになってからで構いません。

Q. 1時間の音声を文字起こしするのにどれくらい時間がかかりますか？

未経験なら5時間から8時間が目安です。慣れると3時間から4時間、専業で作業している人は2時間半程度まで短縮できます。所要時間は音源の品質に大きく左右され、話者が多い会議録音や環境ノイズの多い音源は倍近くかかることもあります。応募前に音声の長さと録音品質を必ず確認してください。

Q. AIの音声認識があるので文字起こしの仕事はなくなりますか？

なくなってはいませんが、内容は変化しています。AI原稿を音源と照合して修正する「AI校正」型の案件が増え、ゼロから起こす案件は減少傾向です。一方で、機密性が高くクラウドにアップロードできない音源、話者が多く発話が重なる会議、品質要求の厳しい出版・学術用途は人手が前提のまま残っています。AI学習データ作成の案件はむしろ増えています。