文字起こしのトライアルに通る人は指示書を先に読み込む

「文字起こしのトライアルに応募したけれど、通る気がしない」。このご相談、本当に多いんです。

在宅で文字起こしの仕事を探すと、ほとんどの募集にトライアルがついています。音声を渡されて、指定された時間内に指定の形式で提出する。それが選考です。

大丈夫ですよ。文字起こしのトライアルは、才能で決まるものではありません。準備の順番を知っているかどうか、それだけです。

この記事では、在宅で文字起こしのトライアルを受ける方に向けて、選考で実際に何を見られているのか、応募前に何を整えておけばいいのか、そして万一落ちたときにどう立て直すのかを、順を追ってお話しします。

在宅の文字起こしトライアルは、何を確かめるための仕組みか

まず、トライアルの正体を知っておきましょう。ここがぼんやりしていると、必要以上に不安になります。

発注側が確かめたいのは「安心して任せられるか」

文字起こしは、納品物の品質にばらつきが出やすい仕事です。同じ音声を同じルールで起こしても、人によって出来上がりが違う。だから、実際にやってもらわないと判断できません。

発注する側が知りたいのは、大きく3つです。

・指定した表記ルールを守れるか ・締め切りを守れるか ・聞き取れない箇所の扱いを、勝手に決めずに処理できるか

3つ目が、とても大事です。文字起こしには必ず「聞こえない場所」が出てきます。そこを想像で埋めてしまう人と、ルールどおりに印をつけて残す人がいる。前者は、修正のときに元の音声を全部聞き直す必要が出るので、発注側の負担が跳ね上がります。

つまり、完璧に聞き取れることより、聞こえないことを正しく扱えることのほうが評価されます。ここを知っておくだけで、肩の力が抜けると思います。

トライアルの一般的な形

在宅の文字起こしトライアルは、だいたい次のような形で行われます。

項目	一般的な内容
音声の長さ	5分から15分程度
提出期限	2日から1週間
提出形式	WordまたはGoogleドキュメント
報酬	無償のことが多いが、少額の有償設定もある
評価まで	3日から2週間程度

音声の内容は、実務で扱うものに近いものが選ばれます。会議録、インタビュー、講演、座談会。応募した募集の分野に合わせて出されるのが普通です。

どんな案件があるのかを知っておく

トライアルの前に、その先にどんな仕事が待っているのかを見ておくと、準備の方向が定まります。実際の在宅文字起こしの募集には、こういうものがあります。

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

この募集文には、大切な情報がいくつも入っています。会議録という分野、稼働時間の下限、そして「情報管理能力」という言葉。官公庁の会議録は、外に出せない内容を扱うことがあります。だから、技術より先に管理の姿勢が問われる。

こうした募集文を何本か読むだけで、自分がどこに応募すべきかが見えてきます。文字起こしという職種の全体像は、データ入力・文字起こし・分類のお仕事で作業の種類や必要な環境が整理されていますので、応募先を選ぶ前に一度目を通しておくと迷いが減ります。

トライアルで実際に見られている5つの点

ここからは具体的な評価軸です。私がキャリア相談の場で聞いてきた話と、実際に採用側にいた方から伺った内容をまとめました。

見られる点1：表記ルールを守れているか

これが最重要です。技術より先に、ここで落ちる方がとても多い。

文字起こしには「表記ルール」があります。指示書に必ず書かれています。

・数字は算用数字か漢数字か ・「です・ます」を残すか、書き言葉に直すか ・「えー」「あのー」のような言いよどみを残すか削るか ・話者の表記(A、B なのか、役職名なのか) ・タイムスタンプを何分おきに入れるか

このうち1つでも指示と違うと、そこで判断されます。理由は、実務では何十本もの原稿を機械的に処理するからです。1本だけルールが違う原稿が混ざると、そこだけ手作業になります。

こういう相談がよくあります。「聞き取りは自信があるのに落ちた」。よくよく指示書を見返すと、数字の表記が指定と逆だった。それだけのことで不合格になります。

悔しいですよね。でも裏を返せば、聞き取りの腕がまだ育っていなくても、ルールを丁寧に守るだけで通る可能性があるということです。

見られる点2：聞き取れない箇所の処理

先ほど触れた部分です。指示書には必ず「聞き取れない場合の表記」が書かれています。よくあるのは次のような形です。

・（聞き取り不能） ・（●●●） ・［不明］

そして、多くの指示書には「タイムスタンプを添える」という指定もついています。「（聞き取り不能 00:12:34）」という形です。これは、後でその箇所だけを確認できるようにするためです。

ここでやってはいけないのが、文脈から推測して埋めることです。善意でやってしまう方が多いのですが、実務では危険な行為になります。会議録や取材記録では、言っていないことが記録に残るのは重大な問題だからです。

わからないところを「わかりません」と正直に残せる。これは、実は誠実さの表れです。評価する側もそう見ています。

見られる点3：締め切りの守り方

締め切りは絶対です。でも、もっと大事なことがあります。

それは、間に合わないとわかった時点で連絡することです。

在宅の仕事は、相手からこちらの状況が見えません。音沙汰がないまま期限を過ぎると、発注側は「何が起きているのか」を想像するしかない。この不安が、そのまま評価に響きます。

前日に「予定どおり提出できます」と一言送るだけでも印象が変わります。連絡は、能力ではなく習慣です。習慣は今日から変えられます。

見られる点4：日本語の基礎力

文字起こしは、耳の仕事だと思われがちですが、実際は言葉の仕事です。

・同音異義語を正しく選べるか(意志と意思、行程と工程) ・句読点を適切な位置に打てるか ・話し言葉の重複や倒置を、読める形に整えられるか ・専門用語を調べて正しく書けるか

特に4つ目です。医療、法律、IT、建設。どの分野の音声にも専門用語が出てきます。聞こえたとおりのカタカナで書くのではなく、調べて正式な表記にする。この一手間があるかどうかは、原稿を見れば一目でわかります。

文章の基礎を整えたい方には、ビジネス文書検定のような体系だった学習が役に立ちます。文字起こしそのものの資格ではありませんが、句読点や敬語、文書の整え方を順序立てて確認できるので、遠回りに見えて効きます。

見られる点5：情報の扱い方

意外に見落とされるのが、ここです。

トライアルであっても、渡される音声は実在の会議や取材である場合があります。その音声を、どう扱っているか。

・作業用のフォルダを分けているか ・家族と共用のパソコンで、アカウントを分けているか ・提出後に音声データを削除しているか ・作業中の内容をSNSに書いていないか

トライアル提出時に「作業終了後、いただいた音声データは削除いたしました」と一言添える方がいます。これは、とても強い印象を残します。技術の話ではなく、姿勢の話だからです。

応募する前に整えておきたいこと

ここからは準備の話です。焦らなくて大丈夫。1つずつ揃えていけば大丈夫です。

機材と環境

文字起こしに必要なものは、それほど多くありません。

項目	目安	費用感
パソコン	Windows または macOS	手持ちのもので可
ヘッドホン	密閉型で耳を覆うタイプ	3,000円から10,000円
フットペダル	再生と停止を足で操作	6,000円前後
再生ソフト	Okoshiyasu2、Express Scribe 等	無料のものあり
通信回線	安定した固定回線	既存のもので可

このうち、最初に買うべきはヘッドホンです。イヤホンでも作業はできますが、長時間になると耳が疲れます。密閉型のヘッドホンは、周囲の音を遮ってくれるので、聞き取りの負担が明らかに変わります。5,000円前後のもので十分です。

フットペダルは、慣れると作業時間が変わります。再生と停止を足で操作できると、手はキーボードから離れません。実務で毎日やる方には、6,000円程度の投資が数週間で回収できるはずです。

ただ、最初のトライアルの段階では必須ではありません。まずは手持ちの環境で受けてみて、続けると決めてから買えば十分です。

作業時間の見積もりを知っておく

これを知らずに応募すると、心が折れます。

文字起こしにかかる時間の目安は、音声1分あたり4分から10分です。慣れた方で4倍、初めての方は10倍かかることもあります。

つまり、10分の音声のトライアルなら、実作業は40分から100分。そこに見直しの時間が加わります。

この数字を知らずに「10分の音声なら30分で終わるだろう」と思って取りかかると、想定の3倍かかって焦ります。焦ると、確認が雑になります。

最初から2時間確保しておく。それだけで、落ち着いて取り組めます。

使う道具に慣れておく

再生ソフトの操作は、応募前に触っておきましょう。

・再生速度の変更(0.7倍速や0.5倍速) ・数秒だけ巻き戻す機能 ・ショートカットキーでの再生と停止

特に「数秒巻き戻し」は、文字起こしの生命線です。聞き取れなかった箇所を、マウスで秒数を指定して戻していたら、時間がいくらあっても足りません。

再生速度を落とす機能も覚えておいてください。早口の音声でも、0.7倍速にすると驚くほど聞き取りやすくなります。

辞書登録をしておく

パソコンの日本語入力に、よく使う語句を登録しておきます。

・話者表記(発言者A、司会者、など) ・聞き取り不能の記号 ・その分野の専門用語

たとえば「ふめい」と打つと「（聞き取り不能 ）」が出るようにしておく。この小さな設定が、数百回の入力を短縮します。

私自身、カウンセリングの記録を自分で起こしていた時期があります。最初は全部手打ちしていて、同じ言葉を何度も打っていました。辞書登録を教えてもらったとき、なぜもっと早くやらなかったのかと思いました。地味な準備ほど効きます。

集中できる時間帯を見つける

文字起こしは、集中の質がそのまま品質になります。

疲れているときにやると、同じ箇所を何度も聞き返すことになり、時間だけが過ぎます。逆に集中できている時間帯なら、同じ音声が半分の時間で終わります。

自分がどの時間帯に集中できるかは、人によって違います。朝型の方もいれば、家族が寝静まった夜に力を発揮する方もいる。

集中の持続については、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、単純作業を長時間続けるときの工夫がまとめられています。文字起こしはまさにその典型なので、自分に合う方法を1つ試してみてください。

トライアル当日の進め方

音声が届いたら、どう進めるか。手順があります。

ステップ1：指示書を読んで、ルール表を作る

いきなり音声を再生しないでください。まず指示書を最後まで読みます。

読みながら、守るべきルールを別の紙かファイルに書き出します。

・数字の表記 ・言いよどみの扱い ・話者の書き方 ・タイムスタンプの間隔 ・聞き取り不能の記号 ・ファイル名と提出形式

このルール表を、作業中ずっと画面の横に置いておきます。指示書に何度も戻る時間が消えますし、うっかり忘れることもなくなります。

ステップ2：まず通しで1回聞く

いきなり書き始めず、最初に音声を通しで聞きます。10分の音声なら10分です。

もったいないように思えますが、これをやると全体が速くなります。理由は3つあります。

・話者が何人いるか、声の違いが先にわかる ・話の流れがわかるので、専門用語の見当がつく ・聞き取りにくい箇所が事前に把握できる

いきなり書き始めると、話者の区別を後から直すことになったり、専門用語を最初は間違って書いていたりします。手戻りのほうが高くつきます。

ステップ3：荒く全部起こす

2回目の再生で、とにかく最後まで書きます。ここでは完璧を目指しません。

聞き取れない箇所は、指定された記号とタイムスタンプを入れて先に進む。漢字変換が怪しいところも、いったんそのまま進む。

止まらないことが大事です。1箇所に5分かけていると、全体が終わりません。

ステップ4：聞き取れなかった箇所だけを詰める

3回目は、印をつけた箇所だけを聞きます。

このとき、再生速度を落とす、音量を上げる、ヘッドホンの左右を確認する、といった工夫をします。それでもわからなければ、無理に埋めません。指示どおりの記号を残します。

ここで大切なのは、時間の上限を決めることです。1箇所につき3回聞いてわからなければ、そこで確定させる。粘りすぎると、他の見直しの時間がなくなります。

ステップ5：音声を聞かずに、文章として読み返す

最後に、原稿だけを読みます。音声は聞きません。

すると、日本語としておかしい箇所が浮かび上がります。主語と述語が合っていない、句読点の位置が不自然、同音異義語が違う。音を聞きながらだと、耳が補ってしまって気づけないんです。

そのうえで、ルール表を1項目ずつ照合します。数字、話者表記、タイムスタンプ、ファイル名。全部です。

ステップ6：提出時に一言添える

提出のメッセージには、次のことを書きます。

・完了した旨 ・聞き取り不能とした箇所の数と、そのタイムスタンプ ・判断に迷った処理があれば、その内容と自分の判断 ・音声データの取り扱い(削除した旨など)

例です。

お世話になっております。トライアル課題を提出いたします。

聞き取り不能とした箇所は2件で、00:04:12 と 00:09:38 です。いずれも複数の方が同時に発言されている箇所でした。

社名が3件出てまいりましたが、いずれも公式サイトの表記を確認して記載しております。

作業に使用した音声データは、提出後に削除いたしました。ご確認のほどよろしくお願いいたします。

これだけで、原稿を見る前の印象が変わります。相手の確認の手間を減らす行動は、必ず伝わります。

落ちたときに、どう受け止めてどう動くか

ここが一番お伝えしたい部分です。

落ちても、あなたの価値は減りません

トライアルに落ちると、多くの方が「自分には向いていない」と考えます。

でも、少し落ち着いて考えてみてください。トライアルの合否は、その会社の基準に合ったかどうかの判定です。あなたという人の評価ではありません。

同じ原稿でも、A社では不合格、B社では即合格ということが普通に起こります。求める品質水準も、扱う分野も、必要な人数も、会社ごとに違うからです。

あなたは一人じゃありません。この段階でつまずく方は本当に多いですし、そこから続けている方もたくさんいます。

原因を1つに絞って特定する

落ち込む気持ちが少し落ち着いたら、原因を探します。ここは冷静に、事務的にやってください。

・提出した原稿を、指示書と1項目ずつ照合してみる ・聞き取り不能とした箇所は何件だったか ・提出は期限の何時間前だったか ・やり取りの返信は何時間以内だったか

多くの場合、原因はルールの取り違えか、連絡の頻度です。聞き取りの実力そのものが理由になるのは、実はそれほど多くありません。

原因を「実力不足」で片付けてしまうと、次も同じところでつまずきます。具体的に、どの手順が抜けたのかを特定してください。

練習の材料は無料で手に入る

聞き取りを鍛えたい場合、練習用の音声はいくらでもあります。

・公開されている講演やセミナーの動画 ・ラジオ番組やポッドキャスト ・自治体や公的機関が公開している会議の記録映像

特に3つ目は、実務に近い練習になります。会議形式で、複数の話者がいて、専門用語も出てくる。しかも、多くの場合は議事録も公開されているので、自分の原稿と突き合わせて答え合わせができます。

1日10分の音声を、週に3本。これを1か月続けると、明確に変わります。

分野を絞ってみる

全分野で戦おうとすると、専門用語の壁が高くなります。

自分の経歴に近い分野を1つ選んでください。医療事務の経験があるなら医療系、経理の経験があるなら会計系、教育に関わっていたなら教育系。用語の見当がつく分野なら、聞き取りの負担が大きく下がります。

分野を絞ると、応募先は減ります。でも通過率は上がります。数を打つより、当たる場所に打つほうが早いです。

隣接する仕事も見てみる

文字起こしの技術は、他の在宅の仕事にもそのまま使えます。

AIの音声認識が普及したことで、「一から起こす」仕事より「AIが起こした原稿を直す」仕事が増えています。この校正の仕事は、聞き取りの負担が軽い分だけ入りやすい入口になります。

AI関連の在宅業務がどんな形で存在しているかは、AI・マーケティング・セキュリティのお仕事で職種別に整理されています。文字起こしから、AI学習データの作成や確認へ広げていく方は実際に増えています。

音声を扱うという意味では、作曲・編曲・効果音・ジングルのお仕事のような領域も遠くありません。同じ音のデータを扱う仕事として、耳が育っている方には親和性があります。

在宅で選べる仕事の全体像を眺めておきたい方には、在宅でできる仕事おすすめ【2026年版】｜スキル別ランキングが参考になります。文字起こし以外の選択肢を知っておくと、1つの不合格で行き止まりだと感じることがなくなります。

生活のリズムから整える

そして、これは心の専門家としてお伝えしたいことです。

トライアルの準備をしているとき、多くの方が生活を犠牲にします。夜遅くまで音声を聞き、睡眠を削り、家族との時間を後回しにする。

でも、文字起こしは集中力の仕事です。睡眠が足りていない状態で聞き取れるはずがありません。品質を上げたいなら、まず寝てください。本当にそうなんです。

1日の時間の組み立て方については、在宅ワーク主婦の1日のタイムスケジュール公開に、家庭と両立しながら作業時間を確保している実例があります。無理のない配置を先に決めておくと、続けられます。

トライアル中によくある失敗と、その避け方

最後に、実際に相談を受けてきた中で「あと一歩だったのに」という失敗を4つ挙げておきます。どれも準備で防げるものです。

失敗1：話者の区別を途中で変えてしまう

会議録やインタビューでは、複数の方が発言します。最初は「発言者A」「発言者B」と書いていたのに、途中で名前がわかった瞬間から実名に切り替えてしまう。これは実務では困る処理です。

指示書に「役職名で表記」とあれば、音声の中で本名が出てきても役職名のまま通します。逆に「A、B、Cで表記」とあれば、誰が誰かわかっても記号のまま通す。途中で表記が変わると、後から機械的に置換できなくなるからです。

見分けがつかない話者が出てきたときは、無理に決めつけないでください。「発言者不明」として残し、提出時に「00:06:20 以降、女性の発言が2名分あり区別できませんでした」と添える。これが正しい処理です。

失敗2：ファイル形式と体裁の指定を読み飛ばす

提出形式の指定は、指示書の最後のほうに小さく書かれていることが多く、読み飛ばされがちです。

・拡張子(.docx なのか .txt なのか) ・ファイル名の付け方 ・行間や余白の設定 ・ヘッダーに案件名を入れるかどうか

このうち、ファイル名の指定は特に見落とされます。発注側は何十本もの原稿をまとめて処理するので、名前の付け方が1本だけ違うと、そこで手が止まります。提出前に、指示書の該当箇所をもう一度開いて確認してください。

失敗3：長時間ぶっ通しで作業して品質が落ちる

10分の音声だから一気に終わらせよう、と考えて休憩なしで進める方がいます。ところが、集中が切れた後半ほど聞き間違いが増えます。

私が相談を受けた方の中に、原稿の前半は完璧なのに後半だけ誤字が目立つ、というケースがありました。ご本人に聞くと、深夜に3時間続けて作業していたそうです。技術の問題ではなく、疲労の問題でした。

45分作業したら10分休む。この程度の区切りを入れるだけで、後半の品質が保てます。急がば回れです。

失敗4：不安のあまり、何度も質問してしまう

初めてのトライアルでは、判断に迷う場面が必ず出ます。そのたびに1通ずつメッセージを送ってしまう方がいます。

気持ちはよくわかります。間違えたくないですよね。でも、発注側から見ると、細切れの質問は対応の負担になります。

質問は、作業を最後まで進めてからまとめて1通で送る。それまでは、自分なりの判断で仮に処理しておき、その箇所に印をつけておく。この進め方なら、質問は1回で済みますし、「自分で判断できる人」という印象も残ります。

独自データの考察：単価の構造と、長く続く人の共通点

文字起こしの報酬は、音声1分あたりの単価で決まることが多いです。一般的な相場は、音声1分あたり100円から250円程度。専門性の高い分野や、話者が多い会議録では、これより高い設定もあります。

ここで大切なのが、時給に直すという視点です。音声1分あたり150円で、作業に音声の6倍の時間がかかるなら、実質の時給は1,500円です。同じ150円でも、作業が4倍で済むなら時給は2,250円になります。

つまり、単価交渉より先に、作業時間の短縮のほうが効くことがあります。フットペダル、辞書登録、通し聞きの習慣。この3つで作業倍率は確実に下がります。

もう1つ、手取りに効く要素があります。仲介するサービスを経由する場合、報酬から手数料が差し引かれるのが一般的です。同じ発注額でも、差し引きのない直接取引なら手元に残る金額が変わります。手数料0%という条件が意味を持つのは、金額の大小ではなく、「同じ予算で依頼する側はより多く頼め、受ける側の手取りは厚くなる」という構造にあります。交渉をしなくても手取りが変わるという点で、これは実質的な単価改善と同じことです。

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、はっきりした共通点があります。それは、原稿の完成度そのものより、「依頼する側の確認の手間を減らしている」ことです。不明箇所を先に報告する、判断に迷った処理を明示する、納期の前に一度状況を伝える。この3つがある方は、多少の聞き間違いがあっても継続の依頼が続きます。

運営者として見てきた限りでは、単発の作業を1件ずつこなすことに集中している方ほど、案件が終わるたびにゼロから探し直しています。一方で長く続く方は、1つの取引先の中で「この作業も任せられないか」という会話を作っている。文字起こしから始まって、議事録の要約、資料の整理、簡単な原稿の下書きへと範囲が広がっていく。範囲が広がると、他の人と比較されにくくなり、単価も守られます。

収入の水準を判断する材料としては、職種ごとのデータも役に立ちます。著述家，記者，編集者の年収・単価相場を見ると、言葉を扱う職種全体の帯がわかります。ソフトウェア作成者の年収・単価相場のような技術職と比べておくと、スキルを足してどちらへ進むかの判断が数字でできます。

情報を扱う仕事という観点では、セキュリティの基礎知識も無駄になりません。会議録や取材データを扱う以上、管理の姿勢は評価に直結します。CCNA（シスコ技術者認定）のようなインフラ寄りの資格は文字起こしそのものの資格ではありませんが、情報管理を含む業務へ広げていくときの裏付けになります。

最後にもう一度お伝えします。トライアルは、あなたを試すためだけの場ではありません。相手が条件を明示してくれるか、質問に誠実に答えてくれるか、少額でも支払いを守るか。こちらが相手を確かめる場でもあります。

準備を整えて、睡眠を確保して、落ち着いて臨んでください。大丈夫ですよ。

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. 文字起こしのトライアルは、音声何分くらいの課題が多いですか？

5分から15分程度の音声が一般的です。提出期限は2日から1週間程度で設定されます。作業時間は音声1分あたり4分から10分が目安なので、10分の音声なら実作業だけで40分から100分かかります。見直しの時間も含めて、最初から2時間ほど確保しておくと落ち着いて取り組めます。

Q. 聞き取れない箇所は、文脈から推測して書いてもよいですか？

推測で埋めるのは避けてください。指示書で指定された記号(「（聞き取り不能）」など)とタイムスタンプを添えて残すのが正解です。会議録や取材記録では、発言していない内容が記録に残ることが重大な問題になります。わからない箇所を正直に残せることは、評価を下げるどころか誠実さとして受け取られます。

Q. 文字起こしを始めるのに資格は必要ですか？

必須の資格はありません。募集の多くは経験と実技で判断します。ただし、日本語の基礎力を示す意味では、ビジネス文書検定のような文書系の学習が役に立ちます。それより先に効くのは、密閉型ヘッドホンと再生ソフト、辞書登録といった環境の準備です。

Q. トライアルに落ちたら、文字起こしは向いていないということですか？

そうとは限りません。合否はその会社の基準に合ったかどうかの判定で、A社で不合格だった原稿がB社では即合格ということも普通に起こります。落ちた原因の多くは、聞き取りの実力ではなく表記ルールの取り違えや連絡の頻度です。提出した原稿を指示書と1項目ずつ照合して原因を特定し、分野を絞って3件から5件は続けて応募してみてください。