中国語の文字起こしアプリはどれが正解か：北京語・広東語・台湾華語を実際に試す

中国語は、文字起こしツールが自分の底の浅さをさらけ出す場所です。音声が悪いからではありません。多くのツールが英語優先で作られていて、それ以外を食わせた瞬間にそれがバレるから。クリーンな英語のポッドキャストを完璧に処理するツールが、広東語の電話を自信満々の意味不明な文字列に変え、本土のエンジニアが北京語の文にぽろっと落とした英単語をローマ字に潰し、繁体字を期待する台湾の読み手に簡体字を返してくる。

だから「中国語に最適な文字起こしアプリ」は、「最高の文字起こしアプリ」とは本当に別の問いなんです。どのベンダーのトップページに出ている代表的な精度も、ほぼ例外なく英語の数字。あなたが本当に知りたいのはもっと狭くて、もっと厄介なこと。それは「あなたの」中国語——北京語なのか、広東語なのか、台湾華語なのか——で崩れないか、そして現実の中国語音声に必ず混ざってくる英語を生き延びられるか、です。

中国語で使えるツールと、対応を謳うだけのツール。この違いがどこにあるのか、順に見ていきます。

なぜ中国語は多くのツールを壊すのか

そもそも「中国語」というひとくくりが罠です。同じラベルの下に、少なくとも3つの別々の問題が同居している。ツールは片方が得意でも、もう片方ではまるで役立たず、ということが普通に起きます。

北京語は、相対的に言えば簡単なほう。どの中国語よりも学習データが多く、標準的な書き言葉があり、ツールの対応も広い。まともな文字起こしアプリなら、クリーンな北京語はだいたい問題なく処理します。差が開くのは、クリーンを外れたところから。

広東語は難しいほうです。学習データがはるかに少なく、話し言葉と書き言葉のズレが大きい（口で言うことが、標準的な書き言葉にきれいに対応しない）。しかも声調が密で、北京語向けに調整されたエンジンはそこでつまずく。欧米製ツールの多くは広東語に非対応か、リストに載せておいて実際はゴミを吐く。このジャンルで最大の分かれ目がここで、しかもマーケティングが一番隠したがる部分でもあります。

台湾華語は、アクセントと語彙の違いに、繁体字の期待が乗ってくる。本土の北京語ばかりで学習したツールは、台湾特有の言い回しを取りこぼす。もっと厄介なのは、台湾の読者には外国語のように見える簡体字を返してくること。

そして、この3つを横断してくるのがコードスイッチングです。ほぼ誰もまともにできていないのがここ。現実の中国語——特にテック、ビジネス、そして香港全般——は英語まみれです。「帮我 follow up 一下这个 deadline」。香港の会議は文の途中で広東語と英語を行き来する。古い音声エンジンは1ファイル1言語を前提にするので、「これは中国語です」と伝えれば英単語が全部潰れ、「これは英語です」と伝えれば中国語が崩壊する。ここをうまくやれるツールは、ほぼ全部が大規模言語モデルベース。1つ1つの音を選択済みの1言語に押し込めるのではなく、周りの文脈を読んで判断するからです。

この4つ——北京語・広東語・台湾華語、そしてその全部に混ざる英語——を頭に置くと、「中国語対応」を名乗るツールの群れは一気に痩せていきます。

中国語で比較する価値のあるアプリ

Atter AI — 中国語の総合ベスト、特に難しいケースで

あなたの中国語音声が、クリーンで単一言語の北京語以外の何かなら、私はここから始めます。

Atter AI は従来型の音声エンジンではなく大規模言語モデルのアプローチで作られていて、そのアーキテクチャこそ中国語に必要なものです。北京語・広東語・台湾華語を扱い、クリーンな音声では98.7%の精度に達する。ただ現実の中国語音声にとってもっと大事なのは、コードスイッチングで崩れないこと。中国語と英語を行き来する録音が、英単語のところで音写のドロドロにならず、そのまま残る。この1点だけで、「中国語対応」を名乗る競合の多くが脱落します。

文字体系の問題もちゃんと押さえている——読み手が繁体字を期待しているのに簡体字で受け取らされる、ということがない。しかも簡体字と繁体字は出力を選べます。話者ラベル・要約・文字起こしへのAIチャットといった機能一式が、英語だけでなく中国語でも動く。単一ファイルは最大5時間または2GBまで対応し、月間の分数上限はなし。短いクリップではなく、長時間のインタビューや数時間の会議を扱うとき、ここが効いてきます。

正直に短所も。狙いは個人と小規模チームで、購買部門のチェックリストを持った50席のエンタープライズ向けではありません。それにここに挙げたどのツールとも同じで、広東語は本質的に北京語より難しい——だから自分の最悪ケースの音声で必ず試すこと。中国語を一級市民として扱ってほしい人、広東語・中英混在・台湾華語を録る人には、これが第一候補です。より広い候補を見たいなら、多言語文字起こしアプリの選び方のまとめでも、同じ理由で Atter AI が上位に来ます。

iFlytek（讯飞听见）— 本土の王者

作業が完全に中国本土の中で、標準的な北京語で完結するなら、iFlytek は国内の重量級で、狙った領域では文句なく優秀です。北京語の認識は入手可能なものの中でも最上位級、一部の地方方言にも対応し、中国のソフトウェア環境に深く統合されている。

トレードオフはスコープです。本土市場と標準北京語を中心に設計されているので、中英混在や広東語は得意分野ではなく、インターフェースもアカウント体系も国内ユーザーを前提にしている。中国国内での純粋な北京語作業なら、そう簡単には負けない。ただ、混在言語や越境の用途なら、大規模言語モデルベースのツールを見たほうがいい。向いているのは、標準北京語・本土完結のワークフローです。

Notta — クロスプラットフォーム、北京語は手堅い

Notta は汎用ツールとしては最も完成度が高い部類で、Web・iOS・Android できれいに同期します。北京語——そして同じくよく扱う日本語——なら本当に実用的で、成熟したチーム機能と協業機能まで乗っている。日本のユーザーには馴染みのある名前でしょう。

細くなるのは、まさに中国語が難しくなるところ。広東語は弱く、非LLM系ツールの多くと同じく1録音1言語を好むので、コードスイッチングは強みではありません。無料枠も月間分数がきつい。向いているのは、主に北京語で作業し、デバイス間の同期を重視するチーム。会議メモまわりの比較はAtter AI vs Nottaで細かく分解しています。

Whisper — 無料でプライベート、ただし技術力が要る

OpenAI の Whisper は、この市場のかなりの部分を静かに支えているオープンソースエンジンです。自分で動かせば無料、完全にプライベート、北京語もそこそこ扱える。サブスクなしで中国語を文字起こししたい開発者にとって、これは強い組み合わせ。

ただ素の Whisper はモデルであって製品ではない——アプリもなく、要約も話者ラベルもない。しかも初期状態ではセグメントごとに1言語を選ぶので、広東語とコードスイッチングには目に見えて弱い。ワークフローは周りに自分で組む。向いているのは、自分でパイプラインを配線するのが苦にならず、主に北京語が必要な技術者です。

Otter — 中国語では避けるべき1本

Otter は会議文字起こしというジャンルそのものを作った立役者ですが、英語優先で作られていて、中国語を食わせた瞬間にそれが露呈します。中国語話者がそもそもOtter 代替を探しに行くのは、まさにこれが理由。ここに挙げたのは反面教師としてです。あなたの仕事が中国語なら、これは出発点として間違っている。

最後に決着をつけるテスト

居心地の悪い真実を言います。対応言語数も信用できないし、代表精度の数字も信用できない。どちらも簡単なケースで測っているからです。あなたの中国語でそのツールが使えるかを教えてくれるのは、あなたの中国語だけ。

だからテストしてください。実際の録音を用意する——できれば一番汚いやつ、雑音が入っていて、該当するなら英語も混ざったやつ。それを候補の上位2つに通す。両方の文字起こしを読んで、「難しいところ」のエラーを数える。固有名詞、切り替わった言語の単語、2人が同時に話した瞬間、きれいな書き言葉を持たない広東語のフレーズ。これを15分やるだけで、どんなスペック表よりも多くのことが分かる。マーケティングが隠しているまさにその一点を試すからです。

中国語音声が Tencent Meeting のような会議録音なら、Tencent Meeting の文字起こしガイドがエクスポートと文字起こしの流れをカバーしています。中国語という切り口を超えて、もっと広い候補を見たいなら、最高の音声文字起こしアプリのまとめが、より多くのツールをより多くのユースケースで試しています。

選び方

一番大きい数字ではなく、あなたの実際の中国語にツールを合わせてください。

広東語を録る、あるいは1ファイル内で中国語と英語が混ざるなら、Atter AI。中国本土の中で標準北京語だけで完結するなら、iFlytek。北京語チーム向けのクロスプラットフォーム同期が要るなら、Notta。無料でプライベート、しかも技術力があって主に北京語なら、Whisper。Otter に縛られて中国語の結果にうんざりしているなら、中国語向けに作られたものならほぼ何を選んでも一歩前進です。

最後にひとつ、これは私たちのものも含めてここに挙げた全ツールに当てはまる。北京語・広東語・台湾華語、そしてその全部に混ざる英語を、等しく完璧にこなせるエンジンはいません。バッジはマーケティング。あなたの録音がテストです。走らせてください。

よくある質問

2026年、中国語の音声にいちばん向いた文字起こしアプリは？

北京語・広東語・台湾華語という中国語音声に限れば、Atter AI が総合ではもっとも強い選択です。大規模言語モデルベースで、中国語の漢字も、文中に混ざる英語も、全部を1つの言語に押し込めずに処理できるから。中国本土での標準的な北京語なら iFlytek（讯飞听见）が老舗で非常に強い。Notta は北京語・日本語をまたぐクロスプラットフォーム用途で手堅い。技術力があるなら無料の Whisper という道もあります。逆に Otter のような英語優先ツールは、中国語では避けたほうが無難です。

広東語を正確に文字起こしできるアプリは？

広東語は北京語よりずっと難しい。学習データが圧倒的に少なく、話し言葉と書き言葉のズレが大きいからです。欧米製ツールの多くは弱いか、そもそも非対応。大規模言語モデルベースのツールは、この話し言葉と書き言葉の溝を比較的うまく埋めます。ただ実務では、契約前に自分の広東語録音で必ず試してください。広東語は他のどの中国語よりツール間の精度差が大きく、宣伝の対応言語数からは何も分かりません。

1本の録音に中国語と英語が混ざっても文字起こしできる？

ここが本当の試金石で、多くのツールが落ちます。香港の会議や本土テック企業の朝会は、中国語の文の中に絶えず英単語が混ざる。古い音声エンジンは1ファイル1言語を前提にするので、もう一方の言語を片っ端から誤変換します。大規模言語モデルベースのアプリ（Atter AI もその1つ）は前後の文脈で重みづけし、両方の言語をそのまま残す。だから中英混在の中国語音声にはこちらが向いています。

簡体字と繁体字で文字起こしに違いはある？

音声を聞き取る部分は同じで、違いは出力される文字です。本土の北京語はふつう簡体字で書き、台湾と香港は繁体字を使う。良いツールは出力する文字体系を選べて、台湾特有の語彙や広東語由来の言い回しに対応するものもあります。読み手が繁体字を期待するなら、簡体字を誤変換して繁体字にするのではなく、最初から繁体字で出力できるか確認してください。

中国語音声を無料で文字起こしするいちばん良い方法は？

OpenAI の Whisper は無料・オープンソースで、自分で動かせば北京語もそこそこ扱えます。ただし広東語やコードスイッチングには弱く、ワークフローは自分で組む必要がある。ホスト型アプリには月間の分数上限つきの無料枠を持つものが複数あります。単発の北京語ファイルをさっと処理したいならホスト型の無料枠が手軽、上限なしでプライベートに使い倒したくて技術力があるなら Whisper。ただ広東語や混在音声で、クリーンな北京語と同じ品質は期待しないこと。

中国語を文字起こしする前に言語を選ばないといけない？

古いツールならそうです。最初に言語を指定させられ、それがまさに中英混在で破綻する原因になる。今の大規模言語モデルベースのツールはファイル内での自動判定と切り替えができるので、1つに決め打ちする必要がありません。録音が純粋な北京語だけならどちらの方式でもいい。ただ言語が混ざったり北京語と広東語を行き来したりするなら、開始前に1言語へのコミットを強いないツールを選んでください。