ブログに戻る

文字起こし Mac:おすすめアプリ7選(2026年)

Mac向けの文字起こしソフトを2026年版で比較。Mac上で処理するアプリとクラウドのアプリ計7つを、価格、Apple Siliconでの速度、話者ラベル、書き出し形式、必要なmacOSのバージョンまで詳しく紹介します。

2026年11月12日
Sablate Team

Mac向けの文字起こしソフトは、録音された音声をテキストにします。アプリを分ける最初の違いは、それをどこで行うかです。Mac自体の上か、ベンダーのサーバー上か。ローカルのアプリは音声をディスクに残し、たいていは無料か買い切りです。クラウドのサービスは、会議の録音、共有、チーム機能を月額プランで加えます。

手短に言えば: MacWhisperが最も完成度の高いローカルアプリ、Aikoが最もシンプル、noScribeがインタビュー向けの無料の選択肢、Otterが会議のメモ係、Descriptが文字起こしをもとに音声や動画をカットするエディタです。Sablateは私たちが作っており、このリストに入っているのは1つの用途のためです。文字起こしを字幕にしなければならない動画です。残りのアプリは私たちがベンチマークしたものではなく、詳細はそれぞれの公式サイト、ヘルプセンター、App Storeのページによるもので、2026年11月12日時点で確認しています。

必要なのは…選ぶべきもの文字起こしを行う場所
録音の素早い文字起こしMacWhisperMac上
ボタン1つで、設定は不要AikoMac上
複数の話者がいるインタビュー(無料)noScribeMac上
オンライン会議のメモOtterクラウド
テキストの編集で音声や動画を編集Descriptクラウド
動画の字幕(1言語または複数言語)SablateMac上
スクリプトから実行するバッチ処理whisper.cppMac上

ローカルかクラウドか:どちらの文字起こしソフトが必要か

機能を比べる前に、これを決めてください。プライバシー、費用、速度が一度に決まるからです。

ローカルのアプリクラウドのサービス
音声の行き先Macに残るベンダーにアップロードされる
一般的な価格無料または買い切り月額または年額プラン、または分単位
速度を左右するものMacとアプリのエンジン相手のサーバーとアップロード
インターネットなしで使えるはい、モデルのダウンロード後いいえ
会議の録音、共有、チームのワークスペース一部標準

このリストのローカルアプリはどれも、OpenAIのWhisper、または同じ系統のモデルを実行しているため、主要言語のクリアな音声なら文字起こしの品質は互いに近く、かかる時間を決めるのはMacのハードウェアとアプリのエンジンです。クラウドのサービスは自社または他社からライセンスを受けたモデルを実行しており、雑音の多い部屋、強い訛り、専門用語の多い音声では、現行のクラウドモデルの方が明確に優れていることがあります。このトレードオフの裏付けとなる数値は、オフライン字幕生成ツールの比較にあります。

Macは追加のソフトなしで音声を文字起こしできるか

はい、Apple siliconと比較的新しいmacOSがあれば可能です。Appleのサポートページには3つの内蔵機能が書かれていて、録音の文字起こしに使えるのはそのうち2つだけです:

  • 「ボイスメモ」は、macOS 15以降でApple siliconを搭載したMacで、録音中または録音後に録音を文字起こしし、古い録音も開いたときに文字起こしします。
  • 「メモ」は、ノートの中で音声を録音し、デバイスの言語が英語、スペイン語、ポルトガル語、イタリア語、フランス語、ドイツ語、日本語、韓国語、中国語のいずれかであれば、M1以降のMacでライブの文字起こしを表示します。
  • 「音声入力」は、話した内容を任意のテキストフィールドに入力します。ライブの入力であり、すでにあるファイルを文字起こしする手段ではありません。

Appleは、音声の文字起こしがすべての国や地域で利用できるわけではないと付け加えています。その場で録音したボイスメモや講義なら、内蔵のツールだけで足りるかもしれません。Appleのページには字幕の書き出しも話者ラベルも載っておらず、どちらのアプリも動画ファイルのフォルダをまとめて扱えません。以下のアプリは、そこから始まります。

Mac向け文字起こしソフトの選び方

  1. Apple SiliconのGPUを使うかどうか。 whisper.cppはApple SiliconでMetal経由で完全にGPU上で動作します。faster-whisperのみをベースにしたアプリはMacではCPUで動作し、短いクリップなら問題ありませんが、長いものでは遅くなります。
  2. ファイルか、ライブの会議か。 すでにある録音を文字起こしするアプリもあれば、Zoom、Teams、Meetの音声をその場でキャプチャするアプリもあります。両方をうまくこなすものはわずかです。
  3. 話者ラベル。 インタビューや会議には「誰が何を言ったか」が必要です。ここには、それをまったく行わないアプリがいくつもあります。
  4. 何が出力されるか。 プレーンテキスト、ドキュメント、あるいは動画用のタイムスタンプ付き字幕ファイル(.srt、.vtt)。
  5. 言語。 Whisper自体はおよそ100言語に対応しています。ヘルプセンターによると、Descriptは26言語、Otterは17言語です。
  6. 支払い方法。 買い切り、サブスクリプション、分単位。比較のために挙げると、Revの人による文字起こしは1分あたり$1.99からです。

2026年のMac向けおすすめ文字起こしアプリ7選

1. MacWhisper — 最も完成度の高いローカルアプリ

MacWhisperはwhisper.cppをベースにしたMacネイティブのアプリで、MetalとGPUに対応した非常に高速な文字起こしをうたい、開発者は最大でリアルタイムの約30倍の速度を挙げています。MシリーズのMacではWhisperKitモデルが加わります。ボットが参加することなく、Zoom、Teams、Webexなどの通話も録音でき、ダイレクトダウンロード版にはシステム全体の音声入力が加わります。Proでは、NVIDIAのParakeetモデル、話者認識、ライブキャプションが加わります。書き出しは.srtと.vttの字幕のほか、.docx、.pdf、.csv、Markdown、HTMLに対応し、翻訳はWhisper経由、または自分のキーでDeepL経由で行います。

話者認識には落とし穴があります。ローカルで動くのはMシリーズのMacでWhisperKitモデルを使う場合だけで、それ以外はElevenLabsまたはDeepgramのクラウドサービス経由になります。現行のダイレクトダウンロード版はmacOS 14以降が必要で、古いシステム向けには旧ビルドが残されており、Intel Macでも動きます。Mac App Store版は別のアプリのWhisper Transcriptionで、サブスクリプションで販売され、macOS 15が必要です。

無料、またはProが買い切り€64。 Macで録音を文字起こしする多くの人にとって、これが標準の選択肢です。

2. Sablate — 文字起こしを字幕にしなければならないとき

Sablateは、動画と音声のファイルをWhisperでローカルに文字起こしします(Apple Siliconではwhisper.cppでGPU、Intelではfaster-whisper)。Fast(tiny)からBest(large-v3)までの4段階、100の入力言語に対応し、文字起こしを、1行42文字以内の2行まで、6秒以内の字幕キューにします。Macで加わるのは、テキストのあとのすべてです。同じ文字起こしの上に重ねる他の言語の翻訳レイヤー(それぞれ独自のスタイルと文字体系フォント付き)、13種類の字幕プリセット、そして16:9、9:16、1:1でのlibassによる焼き込みです。書き出しは.srt、.vtt、.txtで、Proでは.assと複数トラックの.mkvが加わります。動画のテキスト化で、全体の流れを順に解説しています。

不利な点は本物です。Apple SiliconではSablateはwhisper.cppとMetal経由でGPUで文字起こしを行いますが、MacWhisperにあるNeural Engineの処理経路とParakeetモデルはありません。Intel MacではCPUを使います。会議の録音、話者ラベル、ライブ音声の文字起こしには対応していません。Apple SiliconとIntelのMac向けのビルドを別々に提供しており、macOS 12 Montereyが必要です。

買い切り$29、または月額$5.99。 無料プランはアカウント不要で、10分までの動画、月3ジョブ、FastとBalancedのモデル、オフライン翻訳レイヤー1つをカバーします。焼き込みには隅に小さなマークが入ります。

3. Aiko — ボタン1つ、価格1つ、すべてのAppleデバイスで

Aikoがするのは1つのことだけで、録音を入れるとテキストが得られます。Whisperのlarge-v2をMac上で、完全にデバイス内で、100言語で実行し、テキスト、タイムスタンプ付きテキスト、.srt、WebVTT、JSON、CSVに書き出せます。1回の購入で、Mac、iPhone、iPad、Apple Vision Proをカバーします。

制限については、公式のFAQが率直です。大きなモデルには16 GB以上のメモリを搭載したApple siliconのMacが必要で、アプリが表示する文字起こしは一度に1件、編集機能はなく、バッチ処理も内蔵されておらず、開発者は話者ラベルについてはMacWhisperを挙げています。App Storeのページでは、macOS 26.6以降とM1以降のMacが必要とされています。

買い切り$24、TestFlight経由で14日間のトライアルがあります。

4. noScribe — 無料、複数の話者がいるインタビュー向け

noScribeはGPL-3.0の無料オープンソースで、インタビューの文字起こし用に作られています。faster-whisperとpyannoteによる話者分離を組み合わせているため、文字起こしには誰が話しているかが記され、結果は専用のエディタで開いて、各箇所を音声と照らし合わせて確認できます。認識できるのはおよそ60言語で、HTML、プレーンテキスト、.vttに書き出せます。

Macではその動作にmacOS 14とApple Siliconが必要で、Intel向けの最後のビルドはバージョン0.6です。バージョン0.8は2026年10月6日にリリースされ、WindowsとLinuxでも動作します。

無料。 質的調査のインタビューやフォーカスグループなら、最初に試すべきはこれです。

5. Otter — Macで録音する会議のメモ

Otterは、Mac用のデスクトップアプリを備えたクラウドの会議アシスタントで、macOS 13以降で、Otter Notetakerが参加者として会議に加わることなく会議を録音し、文字起こしします。話者ラベルを付け、最大5 GBまでの音声・動画ファイルをインポートでき、ヘルプセンターによれば、英語、フランス語、スペイン語、ドイツ語、日本語、韓国語、トルコ語を含む17言語を文字起こしします。

無料のBasicプランでは、月300分、1会話あたり30分、インポートできるファイルは合計3件までです。.srtでの字幕の書き出しは有料プランの機能です。処理はすべてOtterのサーバー上で行われます。

無料プランあり。Proは月額$16.99、または年払いで月額$8.33。

6. Descript — 文字起こしを編集して音声や動画を編集

Descriptは動画とポッドキャストのエディタで、文字起こしがそのままタイムラインになります。テキストから1文を削除すれば、録音からもその部分が消えます。話者ラベルを付け、字幕を.srtまたは.vttで書き出し、動画にキャプションを焼き込めます。文字起こしはクラウドで行われ、ヘルプセンターによると、ファイルの処理とクラウドへのアップロードが終わってから文字起こしが始まります。

ヘルプセンターによれば対応は26言語で、中国語、日本語、ロシア語は含まれず、Mac版にはmacOS 14が必要です。無料プランは月60メディア分で、書き出しは透かし入りの720pです。

無料プランあり。Hobbyistは月額$24、または年払いで月額$16。Creatorは$35、または年払いで$24。 文字起こしが録音そのものを編集する工程の一部なら、ここでその役目を果たせるものは他にありません。

7. whisper.cpp — コマンドラインのエンジン

whisper.cppは、MacWhisperやほかのいくつかのアプリの土台になっているオープンソースのエンジンで、MITライセンスの無料です。Apple SiliconではMetal経由でGPU上で動作し、オプションのCore MLビルドではエンコーダーがNeural Engineに移ります。XcodeのコマンドラインツールとCMakeとFFmpegをインストールしておけば、次のコマンドでビルドし、turboモデルを取得して、.srtファイルを書き出せます:

git clone https://github.com/ggml-org/whisper.cpp.git
cd whisper.cpp
sh ./models/download-ggml-model.sh large-v3-turbo
cmake -B build
cmake --build build -j --config Release
ffmpeg -i ~/Movies/interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav
./build/bin/whisper-cli -m models/ggml-large-v3-turbo.bin -f interview.wav -l auto -osrt

コマンドラインツールが読み込めるのは16ビットのWAVなので、FFmpegの手順が入っており、-lを渡さない限り英語を前提とします。話者のセグメント化は、英語向けの実験的なオプションとしてあるだけです。エディタもインターフェースもなく、得られるのはファイルだけです。

無料。 文字起こしが、画面の前で見守る作業ではなくスクリプトの1ステップであるときの正解です。

Mac向け文字起こしソフトの比較

項目MacWhisperSablateAikonoScribeOtterDescriptwhisper.cpp
文字起こしを行う場所Mac上Mac上Mac上Mac上クラウドクラウドMac上
価格無料、Proは買い切り€64買い切り$29、または月額$5.99、無料プランあり買い切り$24無料無料プラン、Proは月額$16.99無料プラン、Hobbyistは月額$24無料
Apple SiliconのGPUを使うはい(Metal)はい(Metal)ドキュメントに記載なしドキュメントに記載なしクラウドで動作クラウドで動作はい(Metal、Core ML)
会議の録音はいいいえいいえいいえはいドキュメントに記載なしいいえ
話者ラベルPro、MシリーズのMacまたはクラウド経由なしなしありありあり実験的、英語のみ
字幕ファイル.srt、.vtt.srt、.vtt、.ass、.mkv、焼き込み.srt、.vtt.vtt有料プランで.srt.srt、.vtt.srt、.vtt
言語100100100約601726Whisperの全言語
必要な最低macOS現行バージョンは1412 Monterey26.6、M1以降14、Apple Silicon1314ソースからビルド

まずSablateにとって不利な行から見てみましょう。Neural Engineの処理経路もParakeetモデルもなく、会議は録音せず、話者ラベルも付けず、7つのうち2つは完全に無料です。優位に立つのは字幕の行で、焼き込み、.ass、言語ごとのトラックに対応するのはSablateだけです。

Apple Siliconでローカルの文字起こしは十分に速いか

GPUを使うアプリなら、十分に速いです。whisper.cppのREADMEは、Apple SiliconではMetal経由で推論がすべてGPU上で実行され、Neural Engine上のCore MLエンコーダーはCPUのみの実行に比べて3倍以上高速だと述べています。それをベースにしたMacWhisperは、最大でリアルタイムの約30倍をうたっていますが、これは独立したベンチマークではなく開発者自身の数値です。

差が出るのはCPUに依存するアプリです。faster-whisper自身のREADMEがGPUの経路として挙げているのはNVIDIAのライブラリだけなので、Macではプロセッサ上で動作します。Sablateはこれを避けるため、Apple Siliconではwhisper.cppに切り替えます。10分のクリップなら、どちらでも待ち時間は短いです。2時間の講義なら、GPUを使うアプリの方がはるかに早く終わり、smallやlarge-v3-turboのような小さいモデルがCPUでどれだけ取り戻せるかは、Whisperのモデル比較に載っています。

Intel Macは取り残されつつあります。AikoのApp Storeのページに載っているmacOS 26.6の要件はIntel Macを除外し、noScribeの最後のIntel向けビルドは0.6で、Apple自身の文字起こしもApple siliconが必要です。MacWhisperとSablateは今もIntel Macで動きますが、長いファイルを速くするハードウェアはありません。

どれを選ぶべきか

「毎週録音を文字起こししていて、速くしたい」 MacWhisperです。GPUを使い、字幕、ドキュメント、翻訳にも対応します。

「欲しいのはテキストだけ」 Aiko、すでにMacに入っているならボイスメモです。

「2人以上のインタビューを、予算を抑えて」 noScribeです。無料でローカルで動き、誰が話しているかも記します。

「チームの会議のメモ」 Otterです。音声をMacに残さなければならないなら、Anarlogがデバイス上で文字起こしするオープンソースの会議メモツールです。

「ポッドキャストや動画を編集していて、テキストでカットしたい」 Descriptです。

「法廷や印刷物のために、文字起こしが正確でなければならない」 Revの人による文字起こしで、1分あたり$1.99からで、99%の精度保証があります。

「動画に字幕が必要、複数言語かもしれない」 Sablateです。1回の文字起こしに、言語ごとのスタイル付きレイヤー、そして焼き込み。複数言語の字幕で作業の流れを紹介しており、Windowsで同じ作業をするならWindowsでのMacWhisper代替ツールで扱っています。

「Mac向けだけでなく、すべてのWhisperアプリを見たい」 Whisper GUIの比較に、クロスプラットフォームの選択肢が載っています。

まとめ

Macでは、音声をどこまで出してよいかと、最後に何が必要かで選んでください。録音からのテキストならMacWhisper、もっと簡素なものが欲しいならAiko。インタビューならnoScribe。会議とチームのメモならOtter。文字起こしによる編集ならDescript。最終的な成果物が字幕付きの動画で、1言語でも複数言語でも、SablateをMac向けにダウンロードして、無料プランで実際の動画を1本試すか、Proで何が加わるかを$29の一度きりの支払いでご覧ください。

よくある質問

Mac向けのおすすめの文字起こしソフトはどれですか?

多くの人にはMacWhisperです。MacのGPUでWhisperを実行し、字幕とドキュメントに書き出せ、Proは64ユーロの買い切りです。Aikoは$24の買い切りでよりシンプル、複数の話者がいるインタビューには無料のnoScribe、クラウドでの処理が許容できるなら会議のメモにはOtterが向いています。

Macには文字起こし機能が標準で入っていますか?

はい、Apple Siliconを搭載したMacなら入っています。Appleによると、ボイスメモはApple siliconを搭載したmacOS 15以降のMacで録音を文字起こしでき、メモはM1以降のMacで、デバイスの言語が約10言語のいずれかに設定されていれば、音声を録音して文字起こしできます。どちらもすべての地域で使えるわけではなく、音声入力はファイルの文字起こしではなく、話した内容をその場で入力する機能です。

音声をアップロードせずにMacで文字起こしできますか?

はい。MacWhisper、Aiko、noScribe、Sablate、whisper.cppは、音声認識モデルをMac上で実行するので、録音はディスクに残ります。Otter、Descript、Revは、音声を各社のサーバーで処理します。ローカルのアプリにもオプションのクラウドエンジンを備えたものがあるため、機密性のある音声を文字起こしする前に、どのエンジンが選ばれているか確認してください。

Apple SiliconのMacでは文字起こしは速くなりますか?

はい、アプリがGPUまたはNeural Engineを使う場合は速くなります。whisper.cppはApple SiliconでMetal経由で完全にGPU上で動作し、Neural Engine上のCore MLエンコーダーはCPUのみの場合より3倍以上高速です。faster-whisperのみをベースにしたアプリは、MacではCPUで文字起こしを行うため、長い録音では時間がかかります。SablateはApple Siliconではwhisper.cppに切り替えます。

話者ラベルを付けられるMac向けの文字起こしアプリはどれですか?

noScribe、MacWhisper Pro、Otter、Descriptです。noScribeは無料で、pyannoteを使ってMac上で行います。MacWhisperがローカルで話者ラベルを付けられるのは、MシリーズのMacでWhisperKitモデルを使う場合だけで、それ以外はElevenLabsやDeepgramのクラウドサービス経由です。OtterとDescriptはクラウドで話者ラベルを付けます。AikoとSablateは話者ラベルを付けません。

Mac向けの文字起こしソフトの料金はいくらですか?

無料から月額プランまでさまざまです。noScribe、whisper.cpp、Appleのボイスメモは無料で、Aikoは$24の買い切り、MacWhisper Proは64ユーロの買い切り、Sablateは$29の買い切りまたは月額$5.99です。クラウドサービスは月額制で、Otter Proは月額$16.99、Descript Hobbyistは月額$24で、どちらも年払いならもっと安くなります。

関連記事

2026年9月28日

2026年のオフライン字幕生成ツール7選:自分のパソコンで動くもの

2026年版のオフライン字幕生成ツールを徹底比較。Sablate、Subtitle Edit、Buzzなど自分のパソコンで文字起こしできる7つのツールを取り上げ、それぞれが文字起こしのあとに何をしてくれるのか、そして価格はいくらかを詳しく紹介します。

続きを読む
2026年9月11日

字幕用Whisperモデル比較:tiny・small・turbo・large-v3の違い

字幕用Whisperモデルを徹底比較。tiny・small・turbo・large-v3のパラメータ数、実際のダウンロード容量、速度を検証し、字幕作業において大きいモデルが常に最良とは限らない理由をわかりやすく解説します。

続きを読む
2026年10月28日

SDH字幕とは?クローズドキャプション(CC)との違い

SDH字幕とは、セリフに加えて効果音や話者名も示す、聴覚障害・難聴の視聴者向けの字幕です。クローズドキャプション(CC)、通常の字幕、強制字幕の違いを表で比べ、SDHに必要な内容や自動文字起こしの限界も解説します。

続きを読む
2026年11月16日

Parakeet vs Whisper:速度・精度・言語を比較

Parakeet vs Whisperを比較。NVIDIAのParakeetは高速で英語のベンチマークでも優位ですが、対応は欧州25言語で、Whisperの99言語には及びません。字幕にはどちらを使うべきか解説します。

続きを読む