YouTube・音声を文字起こし、
無料でアップロード不要

いいえ。Whisperモデルはブラウザにダウンロードされてローカルで処理します。ファイルがデバイスの外に出ることは一切ありません。

処理はお使いのデバイスが行うため、サーバー費用が発生しません。そのため完全無料でご利用いただけます。分数制限もファイル数制限もありません。

字幕が利用可能な動画（大多数）に対応しています。字幕がない動画は、音声をダウンロードしてここにドラッグすることでWhisperで文字起こしできます。

お使いの環境によります。WebGPU対応GPU（Chrome 113+またはEdge 113+）なら5分の音声で15〜30秒程度。GPUなしのCPU処理では1〜3分程度です。初回はモデルのダウンロードがあるため少し余分に時間がかかります。

mp3、wav、m4a、ogg、webmに対応しています。mp4などの動画フォーマットも多くのモダンブラウザで動作します。

Whisperは多言語対応です。日本語、英語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、アラビア語など多数の言語に対応しています。言語を指定することも、自動検出に任せることもできます。

モダンブラウザであれば動作します。WebGPUで最高速度を出すにはChrome 113+またはEdge 113+が必要です。FirefoxとSafariではCPUモードで動作し、少し遅くなりますが精度は変わりません。

初回はWhisperモデル（レベルにより75MBから480MB）をダウンロードします。ダウンロード後はブラウザのキャッシュに保存されるため、2回目以降はすぐに利用できます。

モデルによって異なります。whisper-small（480MB）は主要言語で非常に高い精度を発揮します。whisper-tinyはより速いですが、アクセントや背景ノイズがあると誤認識が増えます。音質のよい会議録音であれば、どのモデルでも十分実用的な結果が得られます。

使えますが、処理は遅くなります。スマートフォンはWebGPUに対応していないため、WhisperはCPUで動作します。5分の音声で3〜5分かかることがあります。ノートパソコンやデスクトップのほうがはるかに快適に使えます。

制限は設けていません。唯一の制約はお使いのデバイスのRAM容量です。8GB以上のRAMがあれば、2〜3時間の音声でも問題なく処理できます。

音声はデバイスの外に出ないため、当方が保護すべき個人データは存在しません。トラッキングCookieの使用も個人情報の収集も行っていません。