「1時間分打つ」作業ではないからです。止めて、戻して、聞き取れなかった語を拾って、また再生して、 どこまでやったか見失って、また戻る。打っている時間はそのうちのごく一部です。

いまはこれを手でやる必要はほとんどありません。ただ、機械にやらせたときの失敗の仕方には 決まったパターンがあるので、そこだけ先に知っておくと無駄がありません。

録音の時点でほぼ決まる

文字起こしの精度は、変換するときではなく録音ボタンを押した時点で決まっています。 どんなツールを使っても、悪い録音は直りません。

効くのは2つだけで、この2つが他の要素の合計より大きいです。

マイクを近づける。 テーブルの真ん中に置いたスマホと、話し手から15センチのスマホでは、 出てくる音がまったく別物です。硬い壁の部屋ならなおさらです。

背景音を消す。 エアコン、換気扇、窓の外の交通音、店内のBGM。人間の耳はこれを苦もなく 無視しますが、音声認識はできません。録音中に「気になるな」と思う音は、そのまま脱字になります。

オンライン会議なら、通話の録音より各自の手元で録るほうが結果は良くなります。 圧縮された通話音声より、元のマイク音声のほうが情報が多いからです。

「精度99%」が意味していること

各社が出している精度の数字は、ほぼ例外なく朗読音声での値です。話者は1人、マイクは近い、 訛りは標準的、雑音なし、かぶりなし。その条件では本当にその数字が出ます。

そして次の条件で精度は落ちます。これはどのツールでも同じです。

• 同時発話。 2人が同時に話す状況がいちばん難しく、インタビューはこれだらけです。 しかも「文字化けする」のではなく「片方の発言が消える」形で出るので、気づきにくい。
• 学習データに少ない訛り。 話し手の問題ではなく、モデル側の性質です。
• 専門用語・固有名詞。 薬品名、法律用語、製品名、社内用語。
• 背景音。 上と同じです。

なので、確認にかける時間は公称精度ではなく録音の状態で見積もってください。

使える文字起こしの条件は2つ

話者ラベル。 質問と回答が区別されていない文字起こしは、実務ではほぼ使えません。 延々と続く一枚の文章になります。

タイムスタンプ。 怪しい行があったとき、頭から聞き直すのではなくその瞬間に飛べるかどうか。 タイムスタンプがないと、確認のコストが文字起こしそのものと変わらなくなります。

私は MP3toText というツールを自分で作って公開しています（自作なので 中立なおすすめではない、という開示です）。ここで挙げた2つ——話者ごとのラベルと全行の タイムスタンプ——を既定で出すようにしてあるのは、まさに次の「確認」の工程を軽くするためです。 書き出しは TXT / SRT / VTT で、タイムスタンプは書き出し後も残ります。

全文を校正しないでください

ここで、せっかく浮いた時間を使い切る人がとても多いです。

実際に使う箇所だけを音声と突き合わせてください。誤りが集まる場所は決まっています—— 人名、数字、専門用語、そして誰かの発言にかぶった部分。

自分用のメモなら校正はゼロで構いません。引用するなら引用箇所だけを一語ずつ確認。 記録として公開するなら全文。この3つは必要な作業量がまったく違うのに、 1で足りる場面で3をやってしまいがちです。

3秒で効く小技

録音の冒頭で、各自に名前を言ってもらってください。

どのツールも返してくるのは Speaker 1 Speaker 2 であって実名ではありません。 冒頭のその一言があるだけで、どちらが誰かを文脈から推理する必要がなくなります。

原因はシンプルなので、一度知っておくと今後ずっと困りません。

なぜ .heic になっているのか

iOS 11 以降、iPhone は写真を JPEG ではなく HEIC という形式で保存しています。これは設定で、 最初からオンになっていて、誰も聞かれていません。

理由は容量です。HEIC は同じ画質で JPEG のおよそ半分のサイズになります。写真を何千枚も持ち歩く スマホでは、これは小さな差ではありません。

問題はアップル以外の環境です。HEIC の中身は HEVC という方式で圧縮されていて、これには特許が かかっています。Windows では実際にこうなります——.heic を開くには Microsoft Store から 2つの部品が必要で、実際にデコードするほうは有料です。

つまり「開けない」と言っている相手は、意地悪でも設定ミスでもありません。本当に開けないのです。 Android も新しめの機種なら対応していますが、古い端末やメーカーによってはだめです。数年前に 作られたアップロードフォームは、そもそも受け付けません。

これから撮る写真を JPEG にする

設定 → カメラ → フォーマット → 互換性優先

これだけです。以降に撮った写真は JPEG で保存されます。

ただし、あまり案内されない注意点が2つあります。

ひとつ、変更後に撮った写真にしか効きません。すでにカメラロールにある写真は HEIC のままです。 「設定を変えたのに直らない」の原因はほぼこれです。

ふたつ、容量効率を永久に手放すことになります。年に一、二回しか困らないなら、設定を変える より、その都度そのファイルだけ変換するほうが割に合います。

すでにある写真をどうするか

相手が何を求めているかで変わります。ここを混同している人がとても多いところです。

画像として使いたい（資料に貼る、編集する）なら JPEG に変換します。Mac ならプレビューで 書き出し、Windows なら写真アプリで「名前を付けて保存」。

送りたい・提出したい・印刷したいなら、実は PDF のほうが正解です。役所の申請、保険や経費の 提出、就職の書類がほぼ必ず PDF を指定するのには理由があります。PDF は1つのファイルで、 レイアウトが固定されていて、どの端末でも同じに開くからです。

iPhone だけで PDF にする方法（アプリ不要）

1. 写真アプリで選択をタップ
2. 写真をタップして選ぶ（タップした順番がページ順になります）
3. 共有ボタンをタップ
4. 下のほうにあるプリントをタップ（プリンターは不要です）
5. プレビューの上で2本指を外側に広げる
6. PDF として開くので、共有 → ファイルに保存

5番のピンチ操作にはボタンも案内もありません。「iPhone の隠し技」として出回っているのは、 そのためです。

パソコンから、あるいは複数枚を1つにまとめたいとき

Mac なら Finder で写真を選んで右クリック →「クイックアクション」→「PDF を作成」。選択した順が ページ順になります。

Windows の場合、前述の有料コーデックの問題があるので、ブラウザで変換するのがいちばん早いです。 私は自分で HEICtoPDF というツールを作って公開しています（自作なので 中立なおすすめではない、という開示です）。宣伝ではなく事実として書いておくと、変換はブラウザの 中で完結して写真はどこにもアップロードされません。パスポートや身分証の写真を変換することが多い 用途なので、そこを設計の出発点にしました。複数枚を選んだ順に1つの PDF にまとめることもできます。

変換した後によくある2つのつまずき

PDF が大きすぎて提出できない。 提出サイトの上限は 2MB や 5MB のことが多く、最近の iPhone の 写真は数枚で超えます。まともな変換なら各ページを用紙サイズに合わせて再圧縮するので、そこで 収まります。

ページが横向きになる。 これは写真自体の向きが PDF に持ち込まれているだけです。まとめる前に 写真アプリで回転させておくほうが、あとから PDF を直すよりずっと楽です。