ブログ

音声・動画のファイル形式と文字起こし：どれを使うか、変換は必要か

著者： Hushscript | 公開日： 2026年10月12日 | 最終確認日： 2026年10月12日

文字起こしでは、ほとんどの音声・動画ファイル形式が使えます。MP3、M4A、WAV、OGG、MP4、WebM、AVIのファイルはどれも同じ手順で処理され、結果を左右するのは形式よりも録音そのものです。このガイドでは、音声・動画のファイル形式がそれぞれ何であるか、どれをそのまま使うべきか、先に変換すると役立つ少数のケースを説明します。

ここで扱うのは、最初に手元にあるファイルです。TXT、DOCX、SRTなど、文字起こしの結果として受け取るファイルについては、必要な文字起こしの形式をご覧ください。今すぐファイルを文字起こしするなら、音声の文字起こしのページから始められます。

形式、コンテナ、コーデック：一つのファイルを指す三つの言葉

ファイル形式は、実際には二つの選択でできています。コーデックは、音や映像の圧縮方式です。コンテナは、圧縮されたストリームをメタデータとともにまとめて保持するファイルです。MDNはコンテナを、音声や動画などのメディアストリームとメタデータを包み込み、まとめて保存・再生できるようにするファイル形式と説明しています。

そのため、拡張子が同じでも挙動が異なるファイルがあります。MP4にはさまざまなコーデックを格納でき、OGGファイルにはVorbisもOpusも入れられます。ファイルが開けないとき、原因は拡張子ではなくコーデックであることがほとんどです。

非可逆と可逆の音声

可逆音声は、元の信号とまったく同じ状態に復号できます。非可逆音声は、ファイルを小さくするために細部の一部を捨てており、圧縮が強いほど失われる情報も増えます。MDNの音声コーデックガイドでは、MP3、AAC、Opus、Vorbisが非可逆、FLACが可逆に分類されています。

ここから二つの原則が導かれます。非可逆のファイルを可逆に戻すことはできません。MP3をWAVとして保存しても、音は同じまま容量だけが増えます。また、非可逆から非可逆への変換は、そのたびに少しずつ品質を損ないます。元の録音は必ず残し、コピーを作って使ってください。

よく出会う音声ファイル形式

MP3ファイル

MP3ファイルは非可逆音声で、受け取る機会が最も多い形式です。レコーダー、ポッドキャスト編集ソフト、ダウンロードページのどれでも作られます。128 kbpsなら一時間の音声で約58 MBなので、送るのも保存するのも手軽です。会話の録音には十分な品質です。手順を追った説明は、MP3を文字起こしする方法にあります。

M4Aファイル

M4Aファイルは、MP4系のコンテナに入った音声で、通常はAACで圧縮されています。iPhoneのボイスメモなど、スマートフォンのレコーダーがよく作ります。同じサイズのMP3と音質はほぼ変わりません。スマートフォンでの流れはM4Aを文字起こしする方法をご覧ください。プレーヤーがMP3を求める場合は、無料のM4A MP3変換がブラウザ内で変換します。

WAVファイル

WAVファイルは通常、非圧縮のPCM音声を格納しているため、マイクが拾った情報をすべて保持し、容量も大きくなります。CD品質のステレオ（44.1 kHz、16ビット）は一分あたり約10.6 MB、一時間でおよそ635 MBです。フィールドレコーダー、スタジオ用ソフト、一部のデスクトップ録音ソフトがWAVで保存します。お持ちなら、そのまま保管してください。共有が必要な場合は、WAV MP3変換でずっと小さなコピーを作れます。詳しくはWAVファイルを文字起こしする方法をご覧ください。

OGGとOpusのファイル

OGGファイルはオープンなコンテナで、通常はVorbisまたはOpusの音声を格納しています。MDNによると、Opusのトラックだけを含むOggファイルは「Opusファイル」と呼ばれることがあり、拡張子に.opusが使われることもありますが、中身はOggファイルです。OGGを開けないプレーヤーや編集ソフトもあります。HushscriptはOGGに対応しているので、そのままアップロードできます。ほかのツールがMP3を求める場合は、OGG MP3変換を使ってください。

FLAC、AIFFなどその他の形式

FLACは可逆ですが圧縮されているため、WAVより小さくなります。AIFFはWAVと同じく非圧縮で、Macでよく使われます。どちらも対応しています。アップロードの選択画面では、AAC、Opus、WMA、AMRなどにも対応しています。形式に自信がなければ、試してみてください。ファイルをドロップするのが最も手早い確認方法です。

よく出会う動画ファイル形式

文字起こしにとって、動画ファイルは音声トラックの入れ物です。Hushscriptはブラウザ内でトラックを読み取り、可能であれば再エンコードせずに取り出して、その音声だけをアップロードします。動画があなたの端末の外に出ることはありません。大きな動画でも、アップロードが大きくなるわけではありません。

MP4ファイルは最も一般的で、多くのスマートフォンやカメラが動画に使うコンテナです。MP4自体は包み紙にすぎないので、重要なのは中の音声です。詳しくはMP4を文字起こしする方法をご覧ください。

MOVとMKVのファイルも同様に扱えます。別のプログラムがMP4を求める場合は、MOV MP4変換とMKV MP4変換がブラウザ内で変換します。

WebMファイルはWeb向けの動画形式で、ブラウザでの画面録画やカメラ録画によく使われます。音声は通常VorbisかOpusです。MP4を求めるアプリ向けには、無料のWebM MP4変換ツールで変換できます。

AVIファイルは、多くのカメラやプログラムが使ってきた古いコンテナです。XvidやDivXなど古いコーデックを含むことが多く、新しいスマートフォンや編集ソフトでは開けないことがあります。Hushscriptは音声を取り出すために動画を再生する必要はありません。より多くの機器で再生できるコピーが欲しい場合は、AVI MP4変換がほぼ実時間の速さで再エンコードします。

動画の音だけを保存したいときは、無料の音声抽出ツールが、可能な限り元のトラックをそのまま保持します。この作業は動画をMP3に変換するガイドで説明しています。

最も良い文字起こしになる形式

元のファイルです。レコーダーやスマートフォンが保存したものが、アップロードに最適なファイルです。圧縮された回数が最も少ないためです。WAV、FLAC、AIFFなどの可逆形式なら、エンジンにいちばん澄んだ信号を渡せます。同じ録音の128 kbps以上のMP3でも、文字起こしの結果はほぼ変わりません。

精度を左右するのは、ファイルの外側にあるものです。マイクとの距離、部屋の雑音の量、人同士が話を重ねたかどうかなどです。話者ラベル、言語、エクスポートも、形式には左右されません。全体の手順はあらゆる音声ファイルを文字起こしする方法にまとめています。

重要なのは長さで、サイズではありません。分数は音声の長さで課金されるため、大きなWAVも、同じ長さの小さなMP3も、料金は変わりません。録音は最長10時間まで扱え、ファイルサイズの上限は固定されていません。大きなファイルはブラウザ内で準備され、お使いの端末のメモリに左右されます。

変換が役立つ場合

• ファイルが開けない。 無料のオーディオコンバーターでMP3またはWAVに変換し、そのコピーをアップロードしてください。対応状況はコーデックとブラウザによるため、まれなコーデックでは失敗することもあります。
• ツールやフォームが別の形式を求める。 動画のアップロードならMP4、プレーヤーならMP3などです。無料のコンバーターはブラウザ内で動作し、何もアップロードしません。
• 小さなファイルを送りたい。 音声圧縮なら、選んだビットレートのMP3を作成でき、元のファイルには手を加えません。
• 複数のファイルを一つにしたい。 無料の音声結合ツールで、先に各パートを結合してください。

変換が逆効果になる場合

文字起こしの精度を上げようとして、WAVやFLACに変換するのはやめてください。圧縮で削られた情報は戻りません。また、拡張子が珍しく見えるというだけで変換するのも避けてください。まずアップロードしてみましょう。文字起こしがファイルを読み取れたなら、変換は不要だったということです。

サーバーがアップロードを読み取れなかった場合、ジョブは失敗し、課金はありません。そのあとアプリがブラウザ内でファイルを変換し、自動でもう一度アップロードします。そのため、変わったファイルの一部は、操作しなくても回復します。

長いアップロードの前にファイルを確認

長時間の録音を送る前に、無料の5分プレビューを試してください。アカウントは不要で、お手持ちのファイルでテキストと話者ラベルがどう読めるかを確認できます。ページ上のプレビューで開けない形式でも、アプリでは処理できることがあります。

全文の文字起こしには、アカウントと十分な分数が必要です。登録にカードは不要です。対象の個人アカウントは、カード認証後または初回購入時に、無料の30分を一度受け取れます。条件は料金に記載しています。サブスクリプションはありません。