【無料あり】Windowsで文字起こしする5つの方法！標準機能から便利なツールまで解説

Windowsのパソコンは、追加のソフトを入れなくても音声を文字にできる機能を備えています。会議や打ち合わせの記録に活用したい方も多いのではないでしょうか。

しかし、

• Windowsで文字起こしする方法にはどのようなものがあるのか
• 無料の標準機能だけで会議や議事録に使えるのか
• 精度が低い、話し言葉のままで読みづらいときはどうすればよいのか

といった疑問を抱えている方も少なくないでしょう。

この記事では、Windowsで文字起こしする5つの方法を手順つきで解説し、それぞれのメリットとデメリット、用途に合った選び方までわかりやすく紹介します。

会議が終わったあと、録音を聞き直しながら文字に起こす作業に、どれくらいの時間を使っているでしょうか。まずは自分の用途に合う方法を知り、無理なく記録を残せる状態を目指しましょう。

Otolioがわかる人気3点セット資料（サービス概要・導入事例・機能詳細）をみる

Windowsで文字起こしする方法は？まず全体像を押さえる

はじめに、Windowsで文字起こしする方法の全体像を整理します。細かい手順に入る前に、どの方法が自分に合うかの見当をつけておきましょう。

Windowsで文字起こしする方法は、大きく分けて次の5つです。

1. Windows標準搭載の音声入力機能を活用する
2. Microsoft Wordのディクテーション機能を活用する
3. Microsoft Wordのトランスクリプト機能を活用する
4. Windows 11のライブキャプション機能を活用する
5. Windows対応の文字起こしソフト（外部ツール）を活用する

このうち1と2は無料で、自分がマイクに向かって話す音声をその場で文字にする使い方に向いています。3は音声ファイルのアップロードにも対応しますが、Microsoft 365サブスクリプションなどの利用条件があります。

4は無料の標準機能で、Web会議の相手の声やパソコンで再生する音声など、自分以外の音声をその場で字幕にしたいときに使えます。5は精度や機能を求める場合の選択肢で、会議や議事録の作成に向いています。

それぞれのメリットとデメリットを、まとめて比較したのが次の表です。

方法	メリット	デメリット
標準の音声入力機能・Wordのディクテーション機能	導入に手間がかからない、無料で使える	精度が高くない、音声データのアップロード不可、要約・話者の識別などの機能がない
Wordのトランスクリプト機能	導入に手間がかからない、リアルタイム・音声ファイルの両方に対応、話者の区別・タイムスタンプあり	音声のアップロードに月あたりの上限がある、Microsoft 365への加入が必要
ライブキャプション機能	無料で使える、Web会議の相手の声や再生音声も字幕にできる	その場で読む用途向けで、字幕の保存・編集には不向き、Windows 11が必要
文字起こしソフト	精度が高い、固有名詞や専門用語に対応、話者の区別・自動要約・翻訳などの機能あり	導入に手間がかかることがある、有料のものが多い

ここからは、5つの方法をそれぞれ手順つきで見ていきましょう。

方法1｜Windows標準搭載の音声入力機能で文字起こしする

ここでは、Windows 10またはWindows 11に標準搭載されている音声入力機能を使った文字起こしを解説します。特別なソフトのインストールは不要で、すぐに使い始められます。

音声入力機能を使う手順

音声入力機能は、次の手順で使えます。

1. 文字を書き起こすためのテキストツールを起動する（メモ帳、Word、Googleドキュメントなど）
2. 「Windowsキー」＋「H」でツールバーを起動し、設定アイコンをクリックする
3. 「音声入力起動ツール」と「句読点の自動化」をオンにする
4. マイクマークをクリックして音声入力を開始する
5. 停止するときは、再度「Windowsキー」＋「H」を押すか、「ディクテーションを停止」と発声するか、マイクマークをクリックする

設定画面の「規定のマイクを選択」から、使いたい入力デバイスを指定できます。たとえば手元のヘッドセットを選んでおくと、自分の声を安定して拾えます。この機能は、ひとりの声をリアルタイムに文字起こしする用途に向いています。

音声入力機能を使うときの注意点

音声入力機能は、長時間の文字起こしや、複数人が参加する会議での利用には不向きです。ひとりの声を短く書き取る使い方が前提のため、複数の話者が入り混じる場面では精度が下がりやすくなります。

長時間または複数人の音声を文字起こししたい場合は、後述するWordの機能や文字起こしソフトなど、別のアプローチとの併用が必要になります。なお、周囲の雑音を抑えたり、はっきり話したりすることで精度はある程度改善します。

音声の品質と文字起こしの精度の関係をより詳しく知りたい方は、以下の記事もあわせてご覧ください。文字起こしの精度は、ツールの性能だけでなく録音環境にも左右されます。マイクの選び方や話し方など、精度を上げるための具体的な工夫を解説しています。

参考記事：文字起こし精度を上げる方法を2つの要素で解説｜音声品質を上げるための4つの方法も紹介

方法2｜Wordのディクテーション機能で文字起こしする

次に、Microsoft Wordを使った文字起こしを見ていきます。Wordには文字起こしに使える機能が2つあり、ここではそのうちの「ディクテーション機能」を解説します。ディクテーション機能は、無料のブラウザ版Wordでも使えます（有料版でも利用可能です）。

ディクテーション機能を使う手順

ディクテーション機能は、次の手順で使えます。

1. ブラウザ版Wordを開く
2. 画面上部の「ホーム」タブを開く
3. 右側にあるマイクマークの「ディクテーション」ボタンをクリックし、ドロップダウンから「ディクテーション」を選ぶ
4. 音声入力が始まるので、文字起こししたい内容を発声するとリアルタイムに文字になる
5. 停止するときは、マイクボタンをクリックするか、「ディクテーションを停止」と発声する

操作方法や機能は、Windowsに標準搭載されている音声入力機能とほぼ同じです。たとえば、思いついた内容を口頭でそのままメモに残したいときなどに手軽に使えます。

参照：Microsoft 365 でのディクテーション | Microsoft Support

ディクテーション機能を使うときの注意点

ディクテーション機能の注意点は、方法1の音声入力機能と同じです。長時間の音声や、複数の話者が参加する会議の文字起こしには向いていません。

そのため、リアルタイムのメモには便利ですが、会議全体を記録して議事録にまとめる用途では物足りなさが出やすくなります。会議の音声ファイルを後からまとめて文字にしたい場合は、次に紹介するトランスクリプト機能が候補になります。

Wordの2つの機能の違いや使い分けをまとめて確認したい方は、以下の記事もあわせてご覧ください。Wordのディクテーション機能とトランスクリプト機能について、画像つきで手順と使い分けを解説しています。

参考記事：【画像付き】Wordで文字起こしする3つの方法！ディクテーション・トランスクリプト機能と便利なソフトを紹介

方法3｜Wordのトランスクリプト機能で文字起こしする

ここでは、Wordのもう1つの機能である「トランスクリプト機能」を解説します。トランスクリプト機能は、サブスクリプション型のMicrosoft 365に加入することで使える有料の機能です。

ディクテーション機能とトランスクリプト機能の違い

無料のディクテーション機能との大きな違いは、音声ファイルをアップロードして文字起こしできる点です。会議をICレコーダーなどで録音しておき、後からまとめて文字にしたい場合に役立ちます。

2つの機能の違いを整理すると、以下のとおりです。

機能	ディクテーション機能	トランスクリプト機能
直接Wordに録音して文字起こしする	○	○
音声ファイルをアップロードして文字起こしする	×	○

アップロードできる音声ファイルの形式は、wav・mp3・m4a・mp4です。また、Microsoft 365のユーザーがアップロードした音声を文字起こしできるのは月あたり最大300分までです。Microsoft Copilotライセンスを持つユーザーは、アップロード音声の文字起こし上限が月30,000分になります。

参照：レコーディングの文字起こし – Microsoft サポート

トランスクリプト機能を使う手順

トランスクリプト機能では、次のようなことができます。

• 文字起こしの際に、話者が自動で区別される
• 発言した時間がテキストに反映される（タイムスタンプ）
• 録音した音声を保存できる
• タイムスタンプをクリックすると、その部分から音声を聞き直せる

たとえば、会議の録音ファイルをアップロードすれば、話者ごとに区切られた文字起こしができ、あとで気になる箇所だけを再生して確認できます。無料の機能にはない、会議記録向けの使い方が可能です。

トランスクリプト機能を使うときの注意点

トランスクリプト機能の注意点は、音声のアップロードに月あたりの上限がある点です。標準では月300分までのため、会議数が多い場合は上限に達しやすくなります。

ひと月あたりの文字起こし量が上限に収まらない場合は、特に文字起こししたい部分だけに絞って使うか、Word以外の文字起こしソフトを検討するとよいでしょう。また、精度についても、専門用語や固有名詞の多い会議では修正が必要になることがあります。

方法4｜Windows 11のライブキャプション機能で文字起こしする

方法1・2は自分がマイクに向かって話す音声の入力、方法3は録音や音声ファイルの文字起こしに対応する方法です。

一方で、「Web会議の相手の声」や「パソコンで再生している動画・音声」をその場で文字にしたい、という場面もあります。これに使えるのが、Windows 11に標準搭載されている「ライブキャプション」機能です。

ライブキャプションは、パソコンで再生・入力される音声に、リアルタイムで字幕（キャプション）を表示する機能です。マイクの声だけでなく、Web会議の相手の発言や動画の音声も対象になります。追加のソフトは不要で、無料で使えます。

ライブキャプション機能を使う手順

ライブキャプションは、次の手順で使えます。

1. 「Windowsキー」＋「Ctrl」＋「L」を押す（または「設定」→「アクセシビリティ」→「キャプション」から「ライブキャプション」をオンにする）
2. 初回は必要な言語ファイルのダウンロードを求められることがあるため、画面の案内に従う
3. 画面の上部などに字幕が表示され、再生中の音声やマイクの声がリアルタイムで文字になる

初回設定時に音声認識用の言語ファイルをダウンロードします。利用できる言語や翻訳機能は、Windows 11のバージョンやCopilot+ PCかどうかによって異なります。

ライブキャプション機能を使うときの注意点

ライブキャプションは「その場で読む」ための機能です。表示された字幕を、そのままファイルとして保存・編集する用途には向いていません。また、利用にはWindows 11が必要です。

会議の記録を文書として残したい場合は、方法3のトランスクリプト機能や、次に紹介する文字起こしソフトのほうが適しています。ライブキャプションは、相手の声や再生音声をその場で把握したいときの選択肢と考えるとよいでしょう。

方法5｜文字起こしソフト（外部ツール）で文字起こしする

これまで、Windows標準の音声入力機能・Wordの2つの機能・ライブキャプション機能を紹介しました。これらの精度・保存性・利用時間の制限に物足りなさを感じる方や、会議の議事録を効率よく作成したい方には、Windows対応の文字起こしソフトの利用がおすすめです。

ここでは、文字起こしソフトを選ぶときの観点と、会議・議事録に使う場合の選択肢を解説します。

文字起こしソフトを選ぶときの3つの観点

文字起こしソフトは数多くあり、それぞれ得意な用途が異なります。選ぶときは、次の3つの観点で見比べるとミスマッチを防げます。

1. 精度と対応範囲

専門用語や固有名詞が多い会議では、標準機能の精度では修正の手間が残りがちです。用語登録に対応しているか、話者を自動で区別できるか、リアルタイムと音声ファイルの両方に対応しているかを確認しましょう。たとえば、社内の製品名が頻繁に出る会議なら、用語を登録できるソフトのほうが修正時間を減らせます。

2. コストとサポート

文字起こしソフトは、導入時から継続的なコストが発生します。無料のソフトもありますが、多くは文字数や音声の長さに制限があります。月額の安さだけで選ぶと、説明会や活用支援が別料金で、結局は総額が膨らむこともあります。基本料金にサポートが含まれるかを、あわせて確認しておくと安心です。

3. セキュリティ

会議には、機密情報や個人情報が含まれることが少なくありません。入力した音声やテキストを外部のAIの学習に使わない設計か、データの保管場所や権限の管理はどうかを確認しましょう。この観点は、記事の後半であらためて詳しく解説します。

より多くのソフトを具体的に比較検討したい方は、以下の記事で無料ツールからAI議事録対応ツールまでを整理しています。無料で使えるものから、議事録作成まで効率化できるものまで、25のソフトを目的別に比較しています。

参考記事：【2026年最新版】文字起こしソフトおすすめ24選｜無料・AI議事録対応ツールを徹底比較

会議・議事録に使うならAIエージェントという選択肢

文字起こしそのものだけでなく、会議の記録から議事録づくりまでをまとめて楽にしたい場合は、AI議事録ツールや会議支援ツールも選択肢になります。

Otolioは、会議業務を丸ごと自動化するAIエージェントです。文字起こし専用のソフトではありませんが、文字起こしの用途にも適しています。Windowsのパソコンで使う場合、次のような強みがあります。

• 90%以上の高精度な文字起こしに対応し、固有名詞や社内用語も認識精度を高められる
• 話者を自動で区別し、誰がどの発言をしたかをAIが可視化する（最大20名まで）
• 文字起こしの後、会話の内容からAIが自動で要約や要点、決定事項を整理する
• 入力データをAIに学習させない特許取得済みの独自アルゴリズムを採用している

たとえばコクヨ株式会社では、Web会議ツールの標準機能では専門用語の変換や話者の区別が上手くいかず、約2時間の会議に対して議事録作成に4時間以上かかっていました。文字起こしの修正と発言者の特定に、多くの時間を取られていたためです。

Otolioの導入後は、専門用語を事前に登録することで変換の精度が上がり、話者も自動で区別されるようになりました。その結果、議事録の作成時間は約30分となり、90%の削減を実現しています。

参考記事：専門用語が多い会議の議事録作成時間を90%削減。Web会議ツールとOtolioの文字起こしの違いとは

無料・標準機能だけで会議を記録するときに見落とされる2つのリスク

Windowsの標準機能やWordの無料機能は、その場で音声を文字にするまでは手軽に完結します。一方で、会議や議事録として本格的に使おうとすると、精度や時間の制限に加えて、見落とされがちな2つのリスクが表面化します。

それが「機密情報のセキュリティ」と「会議データが資産にならない」という問題です。ここを押さえておくと、方法選びの軸がはっきりします。

リスク1｜機密情報のセキュリティ

1つめは、機密情報の取り扱いです。会議には、経営や人事、取引に関する機密情報が含まれることが少なくありません。無料ツールや個人向けツールを使う場合は、入力した音声やテキストの保管場所、学習利用の有無、アクセス権限を事前に確認しましょう。

Otolioの契約前アンケートでも、この悩みは繰り返し語られています。250件以上の回答のなかで、「会議音声の文字起こしを外部に委託していて、セキュリティと費用の両方が課題だった」「役員会や取締役会の議事録を外部に出すのは避けたい」という声が目立ちます。機密性の高い会議ほど、安さや手軽さだけでは選べないのが実情です。

たとえば株式会社大和バルブでは、機密性の高い役員会の議事録を、役員自身が作成していました。専任の記録担当を置く案もありましたが、情報の機密性が高い会話が含まれるため、情報漏えいの観点から見送っています。

無料のツールで文字起こしを試したこともありましたが、精度に限界があり断念しました。その後、社内で完結して使えるツールを選び直したことで、議事録の作成時間を50%削減しています。

会議記録を選ぶときは、入力データを外部のAI学習に使わない設計か、保管場所や権限の管理が組織の要件を満たすかを確認することが大切です。AI議事録のセキュリティで確認すべき観点を、より詳しく知りたい方は以下の記事もあわせてご覧ください。

導入前に確認したいセキュリティのポイントと、安全に使うための選び方を整理しています。

参考記事：AI議事録のセキュリティ｜導入前に確認したい6つのポイントと選び方

リスク2｜会議データが資産として蓄積・活用されない

2つめは、会議データが後から使える資産にならない、という問題です。標準機能でその場のテキストを作れても、保存・検索・共有の仕組みが弱いと、会話の背景や判断理由を後から活用しにくくなります。また、担当者がまとめた議事録は、本人が重要だと判断した範囲に絞られた記録になりがちです。

会議で交わされた音声や会話は、本来は組織のナレッジ資産です。後から検索・確認・活用できる形で残せれば、議事録作成の時短にとどまらない価値が生まれます。

たとえば先ほどの大和バルブでも、当初は時間短縮のためのツールと考えていましたが、導入後は「情報の見える化」という効果を実感しています。議事録を作らない会議でも文字情報として残るため、部署をまたいで情報を共有しやすくなりました。過去の会議の音声も資産として捉え、順次テキスト化していく取り組みを進めています。

つまり、会議音声を前提にツールを選ぶなら、「その場で文字にできるか」だけでなく「安全に蓄積し、後から活用できるか」まで含めて見比べることが重要です。この2つのリスクは、無料・標準機能では埋めにくい部分だといえるでしょう。

まとめ｜Windowsの文字起こしは用途で選ぶ

本記事では、Windowsで文字起こしする5つの方法を紹介しました。

1. Windows標準搭載の音声入力機能を活用する
2. Microsoft Wordのディクテーション機能を活用する
3. Microsoft Wordのトランスクリプト機能を活用する
4. Windows 11のライブキャプション機能を活用する
5. Windows対応の文字起こしソフト（外部ツール）を活用する

無料の標準機能でも、ひとりの声をその場で文字にする用途なら十分に役立ちます。一方で、長時間・複数話者の会議や、機密情報を含む議事録の作成には、精度・セキュリティ・データの活用という点で専用ツールのほうが向いています。まずはそれぞれの方法のメリット・デメリットを確かめ、ご自身の使い方に合った方法を選んでみてはいかがでしょうか。

会議の議事録づくりに使う方法を探してきた方にとって、無料の標準機能を一つずつ試し、「自社の会議にちょうどいいのはどれか」を見極めるのは、意外と手間のかかる作業です。方法を比べ続けるよりも、実際の会議で一度試してみるほうが、自分の用途に合うかどうかは早くわかります。

よくある質問とその回答

Q. Windowsで無料で文字起こしできる方法はありますか

Windows標準搭載の音声入力機能（Windowsキー＋H）と、ブラウザ版Wordのディクテーション機能が無料で使えます。どちらもインストール不要で、ひとりの声をその場で文字にする用途に向いています。また、Windows 11ならライブキャプション機能（Windowsキー＋Ctrl＋L）で、Web会議の相手の声や再生中の音声も字幕にできます。いずれも手軽ですが、長時間や複数話者の会議の記録には不向きです。

Q. 音声ファイルをアップロードして文字起こしできますか

Wordのトランスクリプト機能ならできます。ただしMicrosoft 365のサブスクリプションが必要で、アップロードは月300分までが標準です（Microsoft Copilotのライセンスがあると上限は大きく拡大します）。それ以上の量や高い精度が必要な場合は、文字起こしソフトの利用が向いています。

Q. Windows標準の音声入力で会議の議事録は作れますか

短いメモには使えますが、会議の議事録づくりには向いていません。長時間や複数人の音声では精度が下がりやすく、話者の区別や要約の機能もないためです。会議・議事録に使うなら、話者の区別や自動要約に対応した専用ツールを検討するとよいでしょう。

Q. 機密性の高い会議の文字起こしは、どう選べばいいですか

まず、入力した音声やテキストを外部のAIの学習に使わない設計かどうかを確認します。あわせて、データの保管場所や、部署・権限ごとのアクセス管理が自社の要件を満たすかも見ておきましょう。安さや手軽さだけで選ばず、セキュリティの要件を満たせるかを軸に判断することをおすすめします。

Q. 文字起こしの精度が低いときは、どうすればいいですか

まずは録音環境を見直しましょう。マイクを話者の近くに置く、雑音を抑える、はっきり話すといった工夫で精度は改善します。それでも専門用語の変換などで修正が多い場合は、用語登録に対応した文字起こしソフトを使うと、修正の手間を減らせます。