文字起こしの精度を上げる：効果順に並べた5つの要因（2026年）

先に結論： 文字起こしの精度は、その大部分がソフトウェアが動き出す前に決まっています。公表されている実測値で効果の大きい順に並べると、こうなります。まずマイクとの距離と部屋の音響。口元にマイクがある音声で単語誤り率2〜3%を出す最上位クラスのモデルでも、マイクの遠い会議録音では16%前後まで悪化します。誤りが約5倍に増える計算です。次に発話の重なり。会議コーパスがどのベンチマークでも最下位に沈む主因です。それから騒音と長い無音。無音区間では、音声モデルが誰も話していない文を作り出すことがあります。さらに言語と語彙。公表されている言語別の誤り率には10倍を超える開きがあります。そして最後がモデルの種類で、5つのうちソフトウェアの選択だけで変えられるのはこれだけです。以下では、この主張の一つひとつを実測の数値につなげて説明します。

この記事はLoroNoteチームが2026年8月27日に書いています。本文中のベンチマーク数値はすべて、検証済みの文字起こし統計ページ（英語）に集めた1次出典から取りました。最後に紹介する測定方法は単語誤り率（WER）の解説記事のものです。LoroNoteは端末上でWhisper Large V3 Turboを動かしているため、録音条件が良くなれば自社製品の出力も良くなります。「今のままで十分正確です」と言う動機が、私たちにはありません。

5つの要因：実測された効果の大きい順

この順番が重要です。精度に不満があるとき手を伸ばしたくなるのは要因5のアプリ選びですが、誤りの大半を生んでいるのはたいてい要因1〜3です。

要因1：マイクとの距離（最大で約5倍の差）

精度を最も大きく左右するのは、マイクが口からどれだけ離れているかです。公表データで最も分かりやすい実証は、1つのモデルを条件別に測ったものです。Whisper Large V3は、多様な実環境の英語テストセット8種の平均で約7.4%、クリーンな近接録音の朗読音声ではおよそ2〜3%。ところが、マイクの遠い会議室で収録されたAMIコーパスでは16%前後になります。この間、ソフトウェア側は何ひとつ変わっていません。

実際にやることは次のとおりです。

• 機材を買い足す前に、スマホの位置を変えます。 話している人の近くに置いたスマホのほうが、部屋の反対側にある高価な機材よりよく録れます。2人でのインタビューなら、スマホは2人の間、声の小さいほうに寄せて置きます。
• 会議では自分の席ではなく、テーブルの中央に置きます。 いちばん遠い話者までの距離が1メートル延びるだけで、アプリの乗り換えでは取り返せないほど精度が落ちます。
• 1人での口述なら、すでに最良の条件です。 腕の長さの距離でスマホに向かって話す音声は近接録音であり、はしごの最上段です。1人の録音がうまく文字にならないなら、原因は距離ではなく、この後の要因のどれかです。

要因2：発話の重なり

会議音声がベンチマークの最下位に沈むもう1つの理由が、発話の重なりです。2人が同時に話すと、文字起こしできるきれいな信号がそもそも存在しません。モデルはどちらか一方を選ぶしかなく、選ばれなかった側の語はすべて誤りになります。これはソフトウェアの問題である前に物理の問題であり、だからこそモデルを何度更新しても残り続けます。

実際にやることは次のとおりです。

• 「一度に1人ずつ話す」が、どの設定をいじるより効きます。 自分が仕切れる会議なら、発言を最後まで言い切ってから次の人が話す習慣そのものが精度向上策です。
• 重要な発言者には、マイクの近くに座ってもらいます。 意思決定者が遠い隅でぼそぼそ話すなら、文字起こしが崩れるのもその隅です。
• 話者ラベルも重なりで劣化すると考えておきます。 誰が話したかの識別は別工程で、独自の壊れ方をします。どこで壊れるかは話者分離の仕組みで扱いました。語は正しく取れているのに、重なった区間の発言が別人に付く文字起こしはあり得ます。

要因3：騒音・音楽・無音

一定の背景騒音は文字起こしを徐々に劣化させます。Whisperの論文自身の頑健性テストでは、付加騒音がSN比およそ10dBの水準を超えると認識が崩れ始めます。にぎやかなカフェやバーの水準で、この領域では比較対象のモデルのほうがWhisperより先に崩れました。音楽が騒音よりたちが悪いのには、もう1つ理由があります。巨大なウェブ音声で訓練された音声モデルは歌詞付きの音楽を大量に見てきており、音楽が聞こえると歌詞のほうを文字にしようとするのです。

無音には無音の罠があります。WhisperのAPIを調べた2024年の研究は、文字起こしの約1%にハルシネーションによる文言を見つけました。作り出された文は音声が静かになる場所に集中し、話す間の長い人の音声で偏って多く現れました。無音から生まれる挿入は、単語誤り率が100%を超える仕組みでもあります。

実際にやることは次のとおりです。

• 良いマイクより静かな部屋を選びます。 静かな部屋のスマホのほうが、うるさい部屋の良いマイクよりよく録れます。
• 大事な録音ではBGMを消します。 音楽は声を覆い隠す騒音であると同時に、競合するテキストでもあります。
• 長い無音区間は文字起こしの前に削るか、区切って録音します。 無音は中立な余白ではなく、作り話が生まれる場所です。そして出来上がった文字起こしの静かな箇所は、疑いの目で読みます。

要因4：言語・訛り・語彙

同じWhisperモデルでも、公表されている言語別の数値には10倍を超える開きがあります。Common Voice 15ではオランダ語の4.3%からアルバニア語の55.7%までです。訛りによる差があることも、研究で確認されています。査読を経た研究は、5つの商用システムで、アメリカの黒人話者の平均誤り率35%に対して白人話者19%という差を測定しました（2019年時点のシステムです）。モデルが何を学習してきたかは、設定では変えられません。それでも、自分でできることが2つあります。

• 固有名詞・専門用語・製品名は真っ先に間違われ、しかも毎回同じ形で間違われます。 モデルは取引先の名前を一度も見たことがないので、毎回同じ誤った語を当てはめます。精度の問題のうち、直接の対策があるのは実質これだけです。LoroNoteのカスタム辞書は、繰り返し出てくる用語を一度教えておくための機能で、教えた語をモデルは推測しなくなります。
• 数字・名前・コードは、意識してはっきり言います。 お金のかからない習慣でありながら、間違えたときの代償が最も大きい語だけを守れます。日付の間違いも相槌の間違いもベンチマーク上では同じ1誤りですが、仕事への影響はまるで違います。
• 自分の言語が公表チャートの下位にあるなら、どんな表よりも自分の2分間のテストが多くを教えてくれます。言語別チャートと、一部の言語がWERではなくCERで採点される理由はWERの解説記事にあります。

要因5：モデルの種類（唯一のソフトウェア側の要因）

音声を現実に可能な範囲まで整えたら、残る要因はアプリがどのモデルを積んでいるかです。差は小さくありません。両者を同じ条件で走らせた唯一のベンチマークで、Whisper SmallはLibriSpeech test-cleanで3.74%、test-otherで7.95%。一方Largeクラスのエンジンは約2%と4.5%前後でした。誤りがおよそ半分。アプリが勝手に決めたモデルサイズだけの差です。アプリ紹介文の「Whisper搭載」は、精度が2倍違うサイズ群をひとまとめに指す言葉で、iOSアプリのいくつかは静かに小さいサイズを積んでいます。

実際にやることは1つです。精度を理由にアプリを乗り換える前に、各アプリが実際にどのモデルを読み込むかを確かめてください。LoroNoteはLarge系のWhisper Large V3 Turboを端末上で動かします。iPhone 15 Proでは実時間比およそ19倍（自社測定）で文字起こしが終わるため、大型モデルの精度のためにコーヒーを淹れに立つ必要はありません。

あまり効果がないこと

よく手が伸びるものの、実測の裏付けがない対策が3つあります。

• 高いサンプルレートでの録音。 Whisperはすべての音声を、聞き取る前に16,000Hzへリサンプリングします。論文に明記されています。96kHzのスタジオ音源も普通のボイスメモも、モデルに届く時点では同じ姿です。その手間は、マイクを近づけることと部屋を静かにすることに使ってください。
• 新しいスマホへの買い替え。 近年のiPhoneでボトルネックになるのはマイクの性能ではなく、マイクの位置です。なお、新しい機種にすると文字起こしは「速く」なりますが、それは精度とは別の話です。
• 文字起こし前の「音声補正」フィルタ。 強引なノイズ除去は、モデルが手がかりにする倍音の構造まで削り取ってしまうことがあります。使うなら、耳に心地よくなった音を信用せず、同じクリップの前後で誤りを数えて確かめます。耳にきれいな音が、スペクトログラムを読む側にもきれいとは限りません。

感覚ではなく、測定で確かめる

上の要因はどれも10分で検証できます。今の環境で2分録音して文字起こしし、200語分の区間をルールを決めて数える。そしてスマホを近づける、音楽を消すなど、何か1つだけ変えて同じ文章でもう一度測る。何を誤りと数えるかを先に決めるところまで含めた完全な手順は、WERの解説記事にあります。LoroNoteは端末上で文字起こしし、すべての録音の最初の2分は無料なので、この前後比較の実験は無料で完結し、機内モードのままでも動きます。

よくある質問

文字起こしが不正確なのはなぜですか

要因を順に確かめてください。マイクは話者からどれだけ離れていたか。発話は重なっていなかったか。部屋はどれだけうるさく、録音にどれだけ無音があるか。間違っている語は固有名詞や専門用語に偏っていないか。そして最後に、アプリはどのモデルを積んでいるか。公表ベンチマークでは、近接録音からマイクの遠い音声への変化だけで、同じモデルがおよそ2〜3%から16%前後まで動きます。アプリの乗り換えで取り返せる差ではありません。

外付けマイクで文字起こしの精度は上がりますか

精度を上げるのは距離であり、外付けマイクは距離を縮める手段の1つです。話者に付けたピンマイクは、広い部屋でも実質的に近接録音になります。ただし、スマホを近くに置くだけで同じ効果の大半は無料で手に入ります。まず位置、機材はその次です。

BGMは文字起こしに影響しますか

します。しかも二重にです。音楽はほかの騒音と同じように声を覆い隠すうえ、音声モデルは歌詞付きの音声を大量に見てきているため、話者ではなく歌のほうを文字起こしすることがあります。さらに、騒音がにぎやかなカフェ程度のSN比約10dBを超えると認識は急激に劣化します。大事な録音では音楽を消してください。

訛りによる誤りは設定で直せますか

設定では直せません。訛りへの強さはモデルの訓練データで決まっており、集団による差があることも研究で確認されています。自分でできるのは次のことです。Largeクラスのモデルを積んだアプリを選ぶこと（大きいモデルほど声の変化を吸収します）。繰り返し出る名前と用語をカスタム辞書に教えること。そして、他人の声で測られた平均値ではなく、自分の2分間で測ることです。

録音が長いと精度は下がりますか

長さそのものが精度を下げるという実測はありません。効くのは条件です。近くで静かに録音した3時間の講義は、最初の10分と同じように文字になります。長さとともに増えるのは誤りを見直すコストであり、だからこそ録音が長い人ほど、上の対策の価値が大きくなります。

まとめ：文字起こしの精度を上げるには

精度の助言はソフトウェアを指しがちです。ソフトウェアは乗り換えるのが簡単だからです。しかし実測値が指す方向は逆です。約5倍の差を生むのはマイクとの距離と部屋の音響で、最後まで残る誤りは発話の重なりと無音から生まれます。ソフトウェア側で動かせるのは、アプリが積むモデルの種類ただ1つです。スマホを近づける、部屋を静かにする、順番に話す、名前を教える、モデルを確かめる。この順で手を打ち、変えるたびに自分の録音で前後の誤りを数えて確かめてください。最後に意味を持つ精度の数値は、自分の録音で測った数値だけです。

出典

• AI文字起こし統計：検証済みの数値（英語）：本文で使ったすべてのベンチマーク数値の1次出典と確認日
• OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision：16,000Hzへのリサンプリング。付加騒音への頑健性（SN比約10dB未満での劣化）
• Open ASR Leaderboard：複数ベンチマークの平均とAMI会議室音声の数値
• Koenecke et al., Racial disparities in automated speech recognition（PNAS、2020年）：訛り・話者集団による差の実測
• Koenecke et al., Careless Whisper: Speech-to-Text Hallucination Harms（2024年）：無音区間でのハルシネーション
• Lyonesse, Apple’s New Speech API vs Whisper：SmallとLargeクラスを同一条件で走らせたテスト
• LoroNote, 単語誤り率（WER）とは：前後比較テストの測定手順

数値は2026年8月26日から27日にかけて、リンク先の出典と照合しました。