文字起こし在宅副業｜単価相場と1時間音声の作業時間

2026年3月30日

中西直美

この記事のポイント

✓文字起こしの在宅副業を始めたい方へ
✓1時間音声の作業時間目安
✓産業カウンセラーの視点で「無理なく続けられる始め方」を丁寧に解説します

「文字起こしの在宅副業って、実際どのくらい稼げるんでしょうか」。最近、このご相談がとても増えています。会社のお給料だけでは少し心もとない、でも体力的に外でのダブルワークは難しい、子どもがまだ小さい、介護がある、自分の時間を大切にしたい…。理由はみなさんそれぞれです。

大丈夫ですよ。文字起こしは、在宅副業の中でも比較的「始めやすさ」と「続けやすさ」のバランスが取れた仕事です。特別な資格は必須ではなく、自宅のPCと静かな環境さえあれば今日から取り組めます。

ただし、安心して続けるためには、最初に「相場」と「作業時間の現実」を知っておく必要があります。ここを誤解したまま始めてしまうと、「思ったより稼げない」「割に合わない」と感じて、数週間で離脱してしまう方が多いんです。

今回は、文字起こしの単価相場、1時間の音声を文字に起こすのにかかる時間、必要なスキルや道具、初心者がつまずきやすいポイントまで、客観的なデータと現場の声をもとに丁寧にお伝えします。最後まで読めば、あなたが今の生活に文字起こしを組み込めるかどうか、現実的に判断できるようになります。

文字起こし副業の市場と「在宅で広がる理由」

文字起こしという仕事自体は、テープレコーダーが普及した1970年代から「テープ起こし」という名前で存在してきた、歴史の長い在宅ワークです。会議録、講演録、インタビュー、学術調査、医療記録、裁判記録など、文字に残す必要のある音声は社会のあらゆる場面で発生し続けています。

近年の特徴は、需要の急増です。背景には3つの大きな流れがあります。1つ目は、議事録作成の義務化や情報公開の流れ。地方議会や行政の会議は議事録の公開が求められ、企業でも内部統制の観点から会議録を残す動きが強まっています。2つ目は、オンライン会議の普及。ZoomやTeamsの録画データを後から議事録化したいというニーズが、コロナ禍以降一気に広がりました。3つ目は、動画コンテンツの字幕化。YouTubeや企業の研修動画では、アクセシビリティ対応や検索性向上のために字幕テキストが求められています。

この需要の広がりにより、在宅でできる文字起こしの案件は年々増加傾向にあります。求人ボックスや大手クラウドソーシングサイトで「文字起こし在宅」と検索すれば、常時数百件単位の案件が表示される状態が続いています。

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。24時間365日のサポート体制をご用意しています。仕事、業務委託/副業案件、求人をお探しのフリーランスの方はまず会員登録がおすすめです。

一方で、「AIの自動文字起こしが普及して、人間の仕事はなくなるのでは」と心配されている方も多いです。これも、よくいただくご質問です。結論からお伝えすると、AI文字起こしは確かに進化していますが、現時点では「下書き作成ツール」としての位置付けが主流です。専門用語、固有名詞、複数話者の聞き分け、ノイズの多い録音、感情のニュアンスを汲んだ整文など、最終的な仕上げはまだ人間の手が必要な領域として残り続けています。むしろ、AIが下書きを作り、人間が校正する「ハイブリッド型」の案件が増えており、作業効率は上がっています。

文字起こしの単価相場｜1時間音声でいくらになるのか

ここが、皆さんが一番知りたいところだと思います。文字起こしの報酬体系は、大きく分けて3種類あります。

1. 音声時間単価（1分あたり〇円）

もっとも一般的な料金体系です。録音音声1分あたりの単価で計算されます。

・初心者向け（クラウドソーシング案件）: 1分あたり80円〜150円程度・中級者向け（実務経験半年以上）: 1分あたり150円〜250円程度・専門案件（医療・法律・学術等）: 1分あたり250円〜500円程度

1時間（60分）の音声を起こした場合、初心者でおよそ4,800円〜9,000円、中級者で9,000円〜15,000円が目安となります。

2. 文字数単価（1文字あたり〇円）

日本語の場合、1文字あたり0.5円〜2円程度が相場です。1時間の会議音声を文字化すると、平均でおよそ15,000〜20,000文字になります。1文字1円換算で15,000〜20,000円ですが、こちらは経験者向けの価格帯です。

3. プロジェクト固定単価

「録音データ1本まるごと〇〇円」という固定報酬の案件もあります。シンプルですが、想定より音質が悪かったり話者が多かったりすると割に合わなくなるリスクがあるため、初心者には音声時間単価の案件のほうが安心です。

仕上げレベルによる単価差

意外と知られていないのが、「素起こし」「ケバ取り」「整文」という3段階の仕上げレベルです。

・素起こし: 「えー」「あのー」などのフィラー（言い淀み）も含めて完全に音声通りに起こす・ケバ取り: フィラーや言い間違いを削除し、読みやすくする・整文: 文章として整え、意味の通る読み物に仕上げる

整文に近づくほど単価は上がりますが、その分作業時間も長くなり、ライティング的なスキルも要求されます。最初は「ケバ取り」レベルの案件から始めるのが、効率と難易度のバランスが取れていておすすめです。

1時間音声を文字に起こすのに「実際どのくらい時間がかかるのか」

これも、始める前にぜひ知っておいてほしいポイントです。報酬だけ見て「1時間1万円なら時給1万円じゃない」と思ってしまうと、後でとても辛くなります。

業界の一般的な目安は、1時間の音声を起こすのに必要な作業時間は4時間〜8時間です。つまり、音声時間の4〜8倍かかると見ておくのが現実的です。

内訳の感覚としては、以下のようになります。

・初回再生＋大まかな文字入力: 音声時間の2〜3倍・聞き直し＋ケバ取り＋整文: 音声時間の1〜2倍・固有名詞や専門用語の調査: 音声時間の0.5〜1倍・最終校正・誤字脱字チェック: 音声時間の0.5〜1倍

初心者の場合、最初のうちは10倍以上かかることも珍しくありません。私の知人で、産業カウンセラーの同僚が副業で文字起こしを始めたときも、1時間の研修動画に丸2日かかったと話していました。けれど、3か月続けたら4倍ペースに落ち着いたそうです。慣れの効果は、本当に大きい仕事です。

つまり、1時間音声を1分100円で受注したとして、報酬は6,000円。これに作業時間6時間をかけると、実質時給は1,000円ということになります。「思ったよりも普通」と感じる方もいるかもしれませんが、これは「在宅で、自分のペースで、誰とも会わずにできる仕事」としての時給です。通勤がない、メイクの必要がない、子どもが寝た後にできる、こうした「見えないコスト削減」を含めて考えると、価値の感じ方は変わってきます。

ここでひとつ、私が現場でよくお伝えしている言葉を共有させてください。「副業の時給は、額面だけで判断しないでください」。在宅副業の本当の価値は、「自分の生活リズムを壊さないで収入を増やせること」にあります。1時間外でパートに出るのと、家で1時間文字起こしをするのとでは、心身への負担が違います。ここを見落とすと、続けられなくなってしまいます。

文字起こしに必要なスキルと道具

「特別な資格は必要ない」とお伝えしましたが、それでも作業効率を大きく左右する要素はあります。順番に確認していきましょう。

タイピングスピード

最重要のスキルです。目安として、1分間に60文字以上をタッチタイピングできることが、効率よく作業を進めるための最低ラインです。プロレベルになると、1分間に120〜150文字を打つ方もいます。

タイピング速度に自信がない方は、「e-typing」などの無料タイピング練習サイトで毎日10分、3週間続けるだけでも体感できるレベルで速くなります。基礎工事だと思って取り組んでみてください。

日本語力（特に「聞いた音を正しい漢字に変換する力」）

聞き取り能力と、それを正しい漢字で書く能力の両方が求められます。例えば「いし」と聞こえても、文脈によって「意志」「意思」「医師」「石」と書き分けが必要です。新聞や書籍を日常的に読んでいる方は、この感覚が自然に身についています。

専門分野（医療・法律・IT等）の案件では、業界用語の知識が単価に直結します。前職で経験のある分野や、趣味で詳しい分野があれば、それを強みにできます。

PC環境と周辺機器

・PC: WindowsまたはMac。スペックは中位機種で十分。・ヘッドホン: 必須です。スピーカーでは音声の細部が聞き取れません。密閉型・有線タイプがおすすめ。・フットスイッチ: 足で音声の再生・停止・巻き戻しを操作する機器。慣れると作業効率が劇的に上がります。・専用ソフト: 「Express Scribe」「Otter」「Notta」など、再生速度調整やショートカット機能のあるツールが便利。

最初から全部揃える必要はありません。最初はPCとヘッドホンだけで始めて、月に10時間以上作業するようになってからフットスイッチや専用ソフトを導入する、という順番で十分です。

静かな作業環境

集中して音声を聞く必要があるため、生活音の少ない時間帯・場所を確保できることが重要です。お子さんが小さいご家庭では、お昼寝中や就寝後の時間が現実的な作業時間になります。

あると有利な資格・スキル

必須ではありませんが、以下があると単価アップや受注機会の拡大につながります。

・MOS（Microsoft Office Specialist）: Word・Excelの基本操作・速記検定: タイピングや音声処理の証明として・医療事務・法律事務の経験: 専門案件への参入が可能・英語力: 英語音声の文字起こし案件は単価が国内案件の2〜3倍になることもあります

案件はどこで探すのか｜在宅副業で使える主要プラットフォーム

文字起こしの在宅副業を始めるなら、最初はクラウドソーシングサイトや在宅ワーク専門のマッチングサイトの活用が現実的です。複数のサイトに登録しておき、自分に合うクライアントや案件単価のものを見つけていくのが基本戦略です。

主な案件取得ルートは以下の通りです。

・クラウドソーシング型: 不特定多数の案件から自分で選んで応募する形式。初心者でも案件にアクセスしやすい反面、競争率が高く単価が下がりやすい。・在宅ワーク登録型: 文字起こし専門会社のスタッフとして登録し、会社経由で案件を割り振ってもらう形式。安定して継続案件をもらいやすく、品質要求も明確。・業務委託・常駐型: 特定の企業や団体と直接契約し、議事録作成などを継続的に担当する形式。単価は最も高いが、実績がないと参入は難しい。・SNS・ブログ経由の直接受注: ある程度実績ができたら、自分でクライアントを開拓するルート。仲介手数料がかからないため利益率が高い。

PC基本操作ができれば未経験OKな完全在宅事務スタッフ募集です。週1日・1日3時間から勤務可能で、家事・育児との両立やWワークにも最適です。書類作成、Web広告運用、リスト作成、文字起こし、ライティング業務など、スキルや希望に合わせてお任せします。丁寧なサポート体制があり、オンライン面接も可能です。勤務時間・休日は「9:00～21:00の間で最低3h～勤務可能、納期に間に合えばスケジュールに合わせて調整可能」です。

最初の数案件は「実績作り」と割り切って、単価よりも「評価を獲得しやすい案件」を選ぶのが定石です。クラウドソーシングサイトでは評価数が次の受注確率に大きく影響するため、5〜10件の良い評価を積み上げるまでは、多少単価が低くても確実に納品できる案件を選んでいきましょう。

案件選びで初心者が気をつけたい3つのポイント

長年カウンセリングで在宅副業者の方々のお話を聞いてきて、「最初の案件選びでつまずいてしまった」という声が本当に多いです。これからお伝えする3点は、ぜひ意識してみてください。

1つ目は、音質を必ず事前確認すること。録音状態が極端に悪い案件（屋外録音、複数人の同時発話、マイクから遠い等）は、作業時間が想定の2〜3倍に膨らみます。事前にサンプル音声をもらえる案件を優先しましょう。

2つ目は、納期に必ず余裕を持たせること。初心者のうちは、自分の作業ペースが読めません。「3日で1時間音声」と聞いて引き受けても、実際は5日かかってしまうことがあります。家族の体調不良、子どもの行事、自分自身の不調も含めて、想定の1.5倍の納期を見積もるくらいでちょうどいいです。

3つ目は、極端に安い案件は避けること。1分あたり50円を切るような案件は、最低賃金換算で計算すると割に合いません。「実績作りのため」と思っても、心身の負担に見合わない仕事は続きません。

報酬・税金・契約の基礎知識

副業として文字起こしを始める前に、避けて通れないのが税金と契約の話です。難しく感じるかもしれませんが、基本だけ押さえておけば大丈夫です。

確定申告の基準

副業で得た所得（収入から経費を引いた額）が年間20万円を超える場合、給与所得者でも確定申告が必要になります。詳しい申告方法や対象範囲は、国税庁の公式サイトで最新情報を確認してください。

経費として計上できるもの

・PC、ヘッドホン、フットスイッチなどの機材費（10万円未満なら一括計上、超える場合は減価償却）・専用ソフトの利用料・インターネット通信費（家事按分）・自宅作業スペースの家賃の一部（家事按分）・参考書籍やセミナー受講費・打ち合わせ時の交通費・通信費

家事按分とは、自宅の通信費や光熱費のうち、仕事に使った割合だけを経費にする計算方法です。一般的には20〜30%を業務使用分として計上することが多いですが、実際の使用状況に応じて合理的な比率を設定する必要があります。

契約形態と注意点

クラウドソーシングサイト経由の案件は、ほとんどが「業務委託契約」の形式です。会社員のような労働基準法の保護はなく、自分自身が事業主として責任を負うことになります。特に以下の点には注意してください。

・機密保持義務: 録音内容には個人情報や企業秘密が含まれることが多く、NDA（秘密保持契約）の締結が一般的です。違反すると損害賠償請求の対象になります。・著作権: 文字起こしした成果物の著作権は、契約上クライアントに帰属するのが原則です。サンプルとしてのSNS掲載なども原則NGです。・修正対応: 納品後の修正依頼にどこまで対応するか、事前に範囲を確認しておきましょう。

副業の収入が増えてくると、本業の会社にバレないか心配される方もいらっしゃいます。住民税の納付方法を「自分で納付」に切り替えることで会社経由の天引きを避けられますが、就業規則で副業が禁止されている場合はトラブルにつながる可能性もあります。詳しくはキャリア・副業・人生相談のお仕事で、副業全般の心構えや相談先の選び方も解説していますので、合わせて読んでいただくと安心です。

AI時代の文字起こし副業｜「人にしかできない部分」で価値を出す

ここ数年、最も大きく問い合わせが増えているテーマがAI文字起こしとの付き合い方です。「文字起こしの仕事って、もうAIに取られちゃうんですよね？」というご相談。皆さん、本当に不安そうに話されます。

結論からお伝えすると、現時点でAIだけで完結する文字起こし案件は限定的です。理由は3つあります。

1つ目は、精度の問題。AIの文字起こし精度は確かに向上していますが、複数話者の会話、専門用語、方言、滑舌の悪い音声、ノイズの多い録音などでは、まだ大幅な誤認識が発生します。重要な議事録や記録としての使用には、人間の確認・修正が必須です。

2つ目は、機密性の問題。クラウド型のAI文字起こしツールは音声データを外部サーバーに送信するため、機密性の高い会議や個人情報を含む内容には使えません。地方議会、医療、法律、研究機関など、機密保持が必要な分野では今後も人間による文字起こしが残ります。

3つ目は、整文・読みやすさの問題。AIは音声を文字化できても、「読み物として整える」「文脈に応じた表現に直す」という編集作業は苦手です。プレゼン資料や出版物として使う原稿は、人間の編集が必要です。

これからの文字起こし副業で重要なのは、「AIをツールとして使いこなしながら、人間にしかできない部分で価値を出す」という姿勢です。AIで下書きを作成し、人間が校正・整文する「AI+人間のハイブリッド作業」は、すでに業界の主流になりつつあります。この働き方なら、1時間音声の作業時間を従来の半分以下に短縮できるため、実質的な時給を大きく上げられます。

AI時代に重宝されるスキルとして、以下のような方向性も注目されています。

・AI出力の校正特化: AIで自動文字起こししたテキストの誤認識を修正する専門ポジション・専門分野特化: 医療、法律、技術、金融など、AIが苦手な専門領域に絞り込む・多言語対応: 英語、中国語、韓国語などの音声文字起こしは依然として希少・整文・編集スキル: 単なる文字化ではなく、読み物としての完成度を上げるスキル

文字起こしの隣接領域として、文章を書く仕事に興味がある方は、著述家，記者，編集者の年収・単価相場も参考になります。文字起こしで音声を扱う力に編集スキルを加えれば、インタビュー記事のライティングなどへ仕事の幅を広げていけます。同じく、PCスキルを活かしたい方にはソフトウェア作成者の年収・単価相場も視野に入ります。

また、文字起こし業務には正確性と誠実さが強く求められるため、文書作成や行政手続きに親和性のある資格として行政書士を学ばれる方もいます。クリエイティブ寄りの方向ではAdobe認定プロフェッショナル Adobe Expressなど、文字起こしと組み合わせて動画字幕やコンテンツ制作に展開していくルートもあります。

メンタル面の現実｜「孤独」と「集中力」とのつきあい方

ここまで実務的な話を続けてきましたが、産業カウンセラーとして最後に必ずお伝えしたいことがあります。在宅副業のメンタル面の現実です。

文字起こしは、長時間ヘッドホンを着けて一人で集中する作業です。仕事内容としては静かで穏やかですが、続けていくと「孤独感」「目や肩の疲労」「集中力の限界」といった課題が出てきます。

「在宅副業を始めたら、想像以上に孤独だった」というご相談、本当に多いんです。会社員のときは、良くも悪くも毎日誰かと会話がありました。それが在宅副業になると、自分の意思で動かない限り、誰とも話さない日が続きます。これは決して特別なことではなく、在宅で働く方の多くが経験する自然な感覚です。

対策は、シンプルです。

・作業時間を区切る: 1セッション45〜60分、休憩10分のリズムを徹底する。長くても1日4時間まで。・意識的に外部接触を作る: 週に1〜2回は、図書館やカフェなど人のいる場所に出かける。SNSや同業者コミュニティに参加する。・目と肩のケア: 1時間に1回は遠くを見る。肩を回す。これだけで翌日の疲労感が違います。・「やらない時間」を死守する: 副業を始めると「もっとやればもっと稼げる」と思いがちですが、休む時間を確保することが長く続ける秘訣です。

私が現場でお伝えしているのは、「副業は、本業と家庭を支えるための余白として始める」という考え方です。副業のために本業や家庭が疎かになったら、それは本末転倒です。文字起こしは静かに長く続けられる仕事だからこそ、自分の限界を見極めて、無理のないペースを最初から設計してほしいんです。

まず、案件単価の二極化です。クラウドソーシング全般で「未経験OK・短時間案件」と「専門スキル必須・継続案件」の間で単価差が広がっています。前者は1分50円以下まで下がるケースもある一方、後者は1分300円以上が当たり前になっています。経験を積んでいくにつれ、後者の案件にシフトしていけるかが、副業収入を伸ばせるかの分岐点になります。

次に、継続案件の重要性です。スポット案件だけで月数万円を継続するのは、案件探しの時間コストを考えるとかなり大変です。一方、月10時間×継続契約のような案件を1〜2件確保できると、案件探しの時間が不要になり、実質時給が大きく上がります。最初の半年で「継続契約してくれそうなクライアント」を見つけることが、副業継続のカギです。

そして、手数料の存在にも注意が必要です。多くのクラウドソーシングサイトでは、案件報酬から5〜20%の手数料が引かれます。1分100円の案件を1時間分受けても、手数料引き後の手取りは4,800円〜5,700円になることが一般的です。手取りベースで採算が合うかを必ず計算してから受注しましょう。

最後に、副業との両立に関連する記事として、副業おすすめ！37歳教育系講師が教える在宅で稼ぐ秘訣と成功への道では副業全般の選び方と継続のコツを、メンタルケア・愚痴聞きの副業｜傾聴スキルで在宅ワークでは人と話すタイプの在宅副業を、主婦におすすめの在宅副業資格12選｜子育て中でも取得できる資格では資格を活かした副業を紹介しています。文字起こしと並行して、自分に合う仕事を複数持っておくと、案件の波に左右されない収入基盤を作れます。

文字起こしは、決して「楽して稼げる」仕事ではありません。けれど、自分のペースで、誰にも邪魔されず、確実にスキルが積み上がっていく仕事です。タイピングが速くなる、聞き取り能力が上がる、専門用語に詳しくなる、文章を整える力が身につく。これらは、もし将来本業を変えたいと思ったときにも、必ず役に立つ財産になります。

焦らず、まずは1案件、自分のペースで取り組んでみてください。最初の1時間音声を納品し終えたとき、「自分にもできた」という感覚は、想像以上に大きな自信になります。あなたのペースで、無理のない範囲で、ゆっくり始めてみてくださいね。

公的機関・関連参考情報

本記事の内容に関連する公的機関や信頼できる情報源は以下の通りです。最新情報は公式サイトで確認してください。

厚生労働省

よくある質問

Q. AI 音声文字起こし副業は未経験でも始められますか？

はい。現在は高性能なAIツールが普及しているため、タイピング速度に自信がない未経験者でも、ツールの操作方法さえ覚えれば十分に始められます。

Q. スマホだけでも文字起こしの副業は可能ですか？

スマートフォンのアプリを使って簡単な文字起こしの下書きを行うこと自体は可能ですが、クライアントから求められる厳密なフォーマット調整や、効率的なタイピングによる修正作業を考慮すると、パソコンでの作業を強く推奨します。作業スピードが直接時給換算に影響するビジネスモデルであるため、最低限のスペックを満たしたパソコンと、自分が打ちやすいキーボード環境を整えることが安定収入への第一歩です。

AIツールの進化により、文字起こし副業は「長時間の過酷な単純作業」から「AIを活用した効率的かつ知的なテキスト編集作業」へと進化を遂げました。適切なツールへの投資と、専門知識の習得に向けたアプローチを組み合わせることで、未経験からでも十分に魅力的な収入源となり得ます。まずはご自身のペースで短い案件から挑戦し、テクノロジーの力を借りて自分に合ったワークスタイルを見つけてください。

Q. AIを使えば完全に自動で文字起こしが完了しますか？

いいえ、完全な自動化は現在の最新技術をもってしても困難です。マイクと口の距離、周囲の雑音、複数人の被り発言、話者の滑舌など、録音環境によってAIの音声認識精度は大きく変動します。AIはあくまで「精度の高い下書き」を圧倒的なスピードで作成するツールであり、最終的なデータの品質担保は人間の目と耳による文脈判断と修正（校正・整文）に依存しています。

Q. どのような案件がAI文字起こしに向いていますか？

1対1で行われるインタビュー音声や、高性能なマイクでクリアに録音されたウェビナー、講演会の音声データはAIでの認識精度が極めて高く、修正の手間が省けるため効率的に作業を進められます。逆に、居酒屋などの騒がしい環境で録音された複数人の雑談や、方言・スラングが多用される非定型的な音声はAIが最も苦手とする領域であり、手作業での修正比率が高く時間単価が落ちやすくなります。