2026年 おすすめAI会議文字起こしツール：徹底比較
「会議 文字起こし ツール おすすめ」で検索したことがある人なら、もう問題に気づいているはずです。どのまとめ記事もランキングがバラバラで、どの記事も末尾にひっそりとアフィリエイトの開示があり、そして推しているツールが「どんなときに向かないか」を教えてくれる記事はほとんどありません。
このまとめ記事は 2 つの点で違います。第一に、下記 7 ツールのうちの 1 つ Subanana は私が運営しています。だから中立を装いません。最初にどれが自分のものか、どこで勝ち、どんな状況なら別のツールの方があなたにとって本当に良いかをはっきり伝えます。第二に、各ツールについての説明はすべて、2026 年 5 月時点で取得した各ツール自身の公開ドキュメント（料金ページ、機能ページ、連携一覧）が出典です。捏造したヘッドトゥヘッドのベンチマーク数値はありません。自分の音声で精度を試したいなら、ここで紹介するツールはどれも無料枠があります——それが正しい確かめ方です。
最も重要な買い手のプロフィールは 2 つの問いに集約されます。あなたの会議は実際に何語で行われているか、そしてチームのワークフローは既に何を使っているか（CRM、動画編集、イベント関連のツール群）。この 2 つの問いが、7 つのツールを素早く 1 つに絞り込みます。
要点まとめ — 買い手のプロフィールで選ぶ
- 英語のみの米国系業務スタック（Zoom + Salesforce + HubSpot）→ Otter が既定の選択肢なのには理由があります。ネイティブ連携、HIPAA アドオン、成熟した製品。
- 営業／CRM 中心で会話分析（感情、発話・傾聴の比率、トピック追跡）が欲しいチーム → Fireflies。100 以上の連携をうたっています。
- 個人または小規模チームで、英語のみ・無料無制限の利用が欲しい → Fathom。無料枠で録音と AI 要約が無制限、営業・CRM 寄り。
- クリエイター向けワークフロー——動画編集、ポッドキャスト制作、音声クローンも欲しい → Descript。文字起こしはクリエイタースタジオの中の一機能。
- ヨーロッパ言語の広さ、または人間が校正する文字起こし → Happy Scribe。言語カバレッジが広く、プロの人手校正ティアがあり、既存の字幕ワークフロー向けに FCPXML / STL / EDL エクスポートに対応。
- 英語／スペイン語で、法律・放送・医療など精度がクリティカルな用途で人手校正の逐語稿が必要 → Rev。HIPAA / CJIS に準拠。
- 要約に使う LLM をユーザーが選べる、用語集で固有名詞の精度を高める、ワークスペース単価の料金、または観客向け字幕付きの多言語ライブイベント → Subanana。要約モデルはあなたの選択、用語集が 80 以上の言語でブランド名・専門用語を強化し、ライブ字幕は会議ボットなしで動作。
ここから先は 1 ツールにつき 1 セクションで、上記の一行まとめの背後にあるドキュメント準拠の詳細と、各組み合わせの詳細比較記事を掲載します。
1. Otter
Otter が最適なケース： 米国系業務スタックの中にいる、英語のみのチーム。
Otter は英語のみ・米国中心のワークフローへのエコシステム適合が最も深いツールです。Zoom・Google Meet・Microsoft Teams への参加ボット、加えて Salesforce・HubSpot・Zapier 連携、さらに医療向けには Enterprise ティアの HIPAA アドオン。製品は成熟し、ブランド認知度も高く、すべての会議が英語の米国拠点チームにとっては、このリストで最も完成された既定の選択肢です。
Otter が向かないのは非英語コンテンツです。Otter が公開する言語リストは英語中心で、その他の言語は選択的サポート。非英語または多言語混在の会議を持つチームは、連携の深さでは補えない精度の問題に繰り返しぶつかります。
→ 詳細比較：Subanana 対 Otter（2026）：公開ドキュメントに基づく比較
2. Fireflies
Fireflies が最適なケース： 会話分析が欲しい、営業・CRM 中心のチーム。
Fireflies は Salesforce・HubSpot・Affinity・Pipedrive など主要 CRM をはじめ 100 以上の連携をうたっています。標準的な文字起こしに加え、感情分析、トピック追跡、発話・傾聴の比率といった、営業コーチングや収益オペレーションのチームが実際に使う会話分析を備えています。
Fireflies が向かないのは、連携の深さが無駄になる非 CRM ワークフロー、または分析レイヤーでも文字起こしのブレを補えない非英語会議です。
→ 詳細比較：Subanana 対 Fireflies（2026）：公開ドキュメントに基づく比較
3. Fathom
Fathom が最適なケース： 無料枠の個人と英語のみの小規模チーム、Salesforce／HubSpot ユーザー。
Fathom の無料枠は本当に太っ腹です——録音無制限、文字起こし無制限、AI 要約無制限、しかも Salesforce と HubSpot にネイティブ同期。有料ティアでは規制業界向けに HIPAA と SOC 2 Type II の対応が加わります。個人の営業担当者や、1 人あたりの利用が軽い英語のみの小規模チームなら、無料枠だけでワークフロー全体をまかなえる可能性があります。
Fathom が向かないのは、非英語コンテンツ、席単価が積み上がり始める大きめのチーム、または要約モデルの選択や多言語ライブ字幕の柔軟性が必要なワークフローです。
→ 詳細比較：Subanana 対 Fathom（2026）：公開ドキュメントに基づく比較
4. Descript
Descript が最適なケース： 完全なクリエイタースタジオの中で文字起こしをしたい、コンテンツクリエイター。
Descript は実のところ会議文字起こしツールではなく、文字起こしが一部品でしかないクリエイタースタジオです。マルチトラック音声編集、動画編集、AI 音声クローン（Overdub）、AI アバター、画面録画、Studio Sound のノイズ低減、そして 30 以上の言語の AI 吹き替えを備えた Brand Studio。ポッドキャスト、YouTube コンテンツ、講座動画を制作していて、文字起こしとクリエイターのワークフロー全体を 1 つのツールで扱いたいなら、Descript はまさにそのために作られています。
Descript が向かないのは、クリエイタースタジオの分が無駄になる純粋な会議文字起こし、またはその英語クリエイター志向に合わない非英語／多言語混在コンテンツです。
→ 詳細比較：Subanana 対 Descript（2026）：公開ドキュメントに基づく比較
5. Happy Scribe
Happy Scribe が最適なケース： ヨーロッパ言語の広さ、人手校正の文字起こし、既存の字幕ワークフロー。
Happy Scribe の強みは言語カバレッジの広さ（とくにヨーロッパ言語——フランス語、ドイツ語、スペイン語、ポルトガル語、イタリア語、オランダ語など、公開リストは 120 以上の言語をカバー）、そして任意で選べる人手校正ティアにあります。これは公開されている人手レベルの精度帯（95〜99% という同社公表値）が要件として効いてくるプロジェクト向けです。さらに FCPXML、STL、EDL を含むエクスポート形式の幅広さで、既存の字幕・放送ワークフローに対応します。ブランドは成熟しており、公開マーケティングでは 600 万人以上のユーザーをうたっています。
Happy Scribe が向かないのは、用語集による固有名詞の精度、要約 LLM のユーザー選択、多言語イベントのライブ字幕、または席単価／時間単価より良くスケールするワークスペース単価の料金が必要なワークフローです。
→ 詳細比較：Subanana 対 Happy Scribe（2026）：公開ドキュメントに基づく比較
6. Rev
Rev が最適なケース： 規制業界での、精度がクリティカルな英語／スペイン語ワークフロー。
Rev は人手文字起こしのスペシャリストで、その上に AI ティアを載せています。法的手続き、放送字幕、医療文書、または 1 単語の誤りが高くつくあらゆるワークフローに対し、Rev の人手校正ティアは精度の保証を提供します。HIPAA 準拠と CJIS 対応により、他のツールが入れない規制業界でも使えます。席単価の AI プランは上位ティアで非常に高い月間分数枠（上位で 1 席あたり 5,000〜10,000 分）まで広がり、大量に文字起こしするユーザーに向きます。
Rev が向かないのは、英語またはスペイン語以外のコンテンツ、席単価のコンプライアンス料金が過剰になる小さめのチーム、または会議／ファイルベースのモデルに合わないライブイベント字幕です。
→ 詳細比較：Subanana 対 Rev（2026）：公開ドキュメントに基づく比較
7. Subanana
Subanana が最適なケース： 80 以上の言語にまたがる多言語ワークフロー、用語集による固有名詞の精度、ユーザーが選べる LLM 要約、そして多言語ライブイベント。
開示を繰り返します。私は Subanana を運営しているので、その前提で受け取ってください。このリストの中で Subanana が最も適合する 3 つの場面があります。
- 80 以上の言語カバレッジと、言語ごとのベストモデル・ルーティング。 土台となる音声認識レイヤーは、1 つのベンダーに固定するのではなく、ソース言語ごとに複数の最前線モデルを継続的にベンチマークします。だからある言語の精度は、その時点で最も性能の良いモデルに追随します。全言語で機能する用語集が、ブランド名・専門用語・人名を強化します——Whisper 系のエンジンが一貫して苦手とするカテゴリです。
- LLM をユーザーが選べる——会議要約のモデルはあなたが選択。 このまとめのほとんどのツールは、固定された 1 つの LLM で要約を書きます。Subanana ではどのモデルが要約を書くかを選べます——Subanana が既に文字起こしに適用しているメタモデルの考え方を、要約に当てはめたものです。新しい最前線モデルが出るたびに、選択肢は広がります。
- Live 字幕——会議ボットを必要としない。 Subanana のライブ字幕は音声入力（マイク、システム音声、または仮想オーディオケーブル）を直接受け取り、ホストが設定した目標言語へのリアルタイム翻訳付き字幕を生成します。観客向けの共有リンク（QR コード）も用意され、参加者は自分のスマートフォンで字幕を見られます。この形——ホストがソース言語＋目標言語を設定し、参加者がソース／翻訳済み／両方の表示を選ぶ——は、多言語カンファレンス、大学の講義、教会やコミュニティのイベント、ハイブリッドのウェビナーのために作られています。上記の会議ボット優先のツール（Otter、Fireflies、Fathom）は、このシナリオを同じようにはカバーしていません。
Subanana が向かない場面：Otter／Fireflies／Fathom の連携の深さが決め手になる、英語のみの米国系スタックのチーム。Descript の動画編集＋音声クローンが文字起こし品質より重要な、純粋なクリエイタースタジオ用途。Rev のコンプライアンス認証が必須要件となる規制業界。そして、用語集＋マルチ LLM 要約より Happy Scribe の 120 以上の言語リストと FCPXML／STL／EDL エクスポートの方が重要な、ヨーロッパ言語の広さが要るケース。
→ 製品：Subanana — 多言語の文字起こし＆ライブ字幕
方法論についての注記
上記のすべての数字と機能に関する説明は、次の 2 つの出典のいずれかにたどれます。
- 各競合の公開ドキュメント——料金ページ、機能ページ、連携一覧——を 2026 年 5 月時点で取得。
- Subanana の社内プロダクト情報——ロードマップ項目ではなく、今日提供されているもの。
捏造したヘッドトゥヘッドのベンチマーク数値はありません——方法論は語りではなく、ドキュメント準拠です。あるツールのドキュメントが 2026 年 5 月以降に変われば、その背後の説明も変わり得ます。各詳細比較記事は定期的に再検証し、このまとめもあわせて更新します。
上記の各ツールにも無料枠（または無料トライアル）があります。「自分の音声での精度」に関する主張を決着させる正しい方法は、同じ 10 分のテスト録音を 2 つのツールに通して比べることです。それはまとめ記事を読む話ではなく、土曜の午後でできる作業です。
よくある質問
どの AI 会議文字起こしツールが最も正確ですか？
精度は言語ごとに異なり、音声条件にも左右されます。公開されている「精度 ◯%」という数字はどれも特定の言語・特定のテスト条件下のものであり、このまとめのどのツールも、すべての言語で一律に最高というわけではありません。正直な答えはこうです。買い手のプロフィールに合う候補を 2 つ選び（英語のみの米国系スタック、多言語、営業分析、クリエイタースタジオなど）、それぞれに 10 分のテスト録音を通し、あなたの音声で比べてください。
無料の AI 会議文字起こしツールはありますか？
はい——このまとめのほとんどのツールに無料枠があります。Fathom の無料枠は個人にとって最も太っ腹です（録音と要約が無制限）。Otter、Fireflies、Descript、Happy Scribe、Subanana にも無料枠がありますが、上限はそれぞれ異なります。例外は Rev で、分単価または席単価のみ、無料枠はありません。
非英語や多言語混在の会議に対応するのはどれですか？
Subanana はマルチモデル評価と言語ごとのベストモデル・ルーティングで 80 以上の言語をカバーし、固有名詞やブランド固有の用語のために全言語で用語集をサポートします。Happy Scribe は 120 以上という広い言語リストを持ちます（とくにヨーロッパ言語に強い）が、言語別の精度は公開していません。Otter、Fireflies、Fathom、Descript、Rev は英語ファーストで、追加の言語に対応するものもありますが、非英語コンテンツには用語集や言語別の保証がないのが通常です。
観客向け字幕付きの多言語ライブイベントに使えるのはどれですか？
Subanana はまさにこのシナリオのために作られています——ホストがソース言語＋目標言語を設定し、観客は QR コードをスキャンして、ソース／翻訳済み／両方を並べて自分のスマートフォンでライブ字幕を見られます。このまとめの他のツールは会議ボットまたはファイルアップロード優先で、観客向け共有リンク付きのイベントライブ字幕は主な形ではありません。
あとからツールを乗り換えられますか？
このまとめのほとんどのツールは逐語稿を SRT または TXT でエクスポートできるので、逐語稿そのものについてはツール間の可搬性はそれなりにあります。きれいに移らないのは、AI 要約（各ツールで要約の構造が異なる）、CRM 同期のメタデータ、そして連携の設定です。乗り換えコストは、1 つのツールのエコシステムに深く入り込んだチームの方が、個人より高くなります。
関連記事
方法論：本記事のデータは、各競合の公開料金ページ・機能ページ・連携一覧、および Subanana の社内プロダクト情報を 2026 年 5 月に取得して整理しました。捏造した「実測精度」やヘッドトゥヘッドのベンチマーク数値は使用していません。実測したい場合は、各ツールの無料枠で自分の実際の音声を試してください。