スペイン語の音声を文字起こしする方法

whispertranscribe.ai 編集部 · 最終更新 2026年11月 · 読了の目安 12分

スペイン語の音声を文字起こしするには、話者と録音に合う設定を選びます。一般的なスペイン語、ラテンアメリカのスペイン語、ノイズの多い音声向けのモードなどがあります。ファイルやリンクを追加したら、AI文字起こしツールで下書きを作ります。その後、機械がスペイン語で間違えやすいアクセント記号、文頭の¿や¡、固有名詞、発話に混じる英単語を見直します。

この記事では、文字起こしの手順、スペイン語の録音で起こりやすい問題と対処法、そのまま使える校正チェックリストを紹介します。英訳、SRTとVTTの字幕、Whisperが公開したスペイン語のベンチマーク、他のツールとの比較も取り上げます。

スペイン語の音声を文字起こしする手順

自動判定に任せずに言語を指定し、できるだけ音質のよい録音を使います。見直すポイントも先に決めておきましょう。スペイン語の文字起こしで直す箇所は、いくつかのパターンに分かれます。最初から聞き直すより、チェックリストを使う方が効率的です。

  1. 適したスペイン語設定を選ぶ。 一般的なスペイン語、Spanish (Latin America)、ノイズの多い音声向けモード、または英語が混じる場合のMultilingual Mixから選びます。
  2. 音声を追加して文字起こしする。 ファイルをアップロードするか、公開リンクを貼り付けるか、ブラウザーで録音します。会話では話者識別を有効にします。
  3. 校正して書き出す。 アクセント記号、¿・¡、名前、数字を確認し、DOCX、TXT、SRT、VTTなどの形式でダウンロードします。

どのスペイン語設定を選べばよいか

話者の出身地域と録音の聞こえ方をもとに選びます。スペイン語の文字起こしページの言語一覧には、スペイン語の3つの設定に加え、複数の言語が混じる音声向けのモードがあります。最初の結果に満足できないときは、別の設定を試すようページでも案内しています。

録音の内容 最初に試す設定 結果がよくないとき
スペイン出身の話者、または出身国がさまざまな話者 Spanish 短い区間でSpanish (Latin America)を試す
メキシコ、中南米、カリブ地域出身の話者 Spanish (Latin America) 一般的なSpanishで試し、結果を比較する
通話、街頭インタビュー、反響の大きい部屋での録音、古いテープ Spanish (Noise / Low-Quality Audio/Video) 手に入る中で最も音質のよい元ファイルを使う
話者がスペイン語と英語を切り替える(スパングリッシュ) Multilingual Mix スペイン語で文字起こしし、英単語を手作業で直す
英語のテキストだけが必要 音声を英語に翻訳する機能を使う 先にスペイン語で文字起こしし、その後で翻訳する

Multilingual Mixは、英語、スペイン語、フランス語、ドイツ語、ヒンディー語、ロシア語、ポルトガル語、日本語、イタリア語、オランダ語が切り替わる録音に対応します。スペイン専用やメキシコ専用の設定はありません。短い区間を両方の設定で試し、結果を比べると選びやすくなります。

whispertranscribe.aiでスペイン語の音声を文字起こしする方法

whispertranscribe.aiは、OpenAIのWhisperモデルを使うブラウザー上の文字起こしツールです。インストールは不要です。以下は、2026年11月時点のスペイン語ページに沿った手順です。

ステップ1:スペイン語向けのページを開いて言語を指定する

スペイン語の音声をテキストに変換するページを開きます。最初に録音で使われている言語を指定します。ページの案内に従い、アップロード、録音、URLの追加を行う前に、上の表から適した設定を選びます。

ステップ2:アップロード、リンク、録音のいずれかで音声を追加する

ページでは、3つの方法で音声を追加できます。

  • ファイルをアップロード。 MP3、WAV、M4A、FLAC、OGG、AMR、MP4、MOV、MKV、WEBMなどをドラッグ&ドロップします。上限は1ファイルあたり5 GBで、プランによって最長10時間の録音に対応します。
  • URLやリンクを指定。 YouTube、Vimeo、Google Drive、Dropboxのリンクを貼り付けます。ログインせずにダウンロードできる公開リンクが必要です。URLから文字起こしするページも使えます。
  • 録音してテキストに変換。 マイクに向かって話します。専用の録音と文字起こしページもあります。

ステップ3:会話の場合は話者識別を有効にする

インタビュー、フォーカスグループ、ポッドキャストでは「Enable Speaker Detection」をオンにします。発言が話者ごとに自動で振り分けられます。処理後に「Speaker 1」「Speaker 2」を実際の名前に変更できます。

ステップ4:文字起こしを実行し、結果を開く

処理を開始し、完了したらスペイン語の文字起こしを開きます。明瞭な音声での精度は最大99%です。雑音、強い地域アクセント、発話の重なりがあると精度が下がるので、続く2つのセクションで見直し方を確認しましょう。

ステップ5:校正して書き出す

下の校正チェックリストに沿って確認し、書き出します。文字起こしはDOCX、PDF、TXT、CSV、SRT、VTTでダウンロードできます。アカウント登録なしで試すことができ、有料プランは年払いで月額9.99米ドルからです。料金ページ

スペイン語の音声で文字起こしを間違えやすい箇所

スペイン語には音声認識に使えるデータが豊富にありますが、地域ごとの発音、音から区別できないアクセント記号、言語の混在、くだけた話し方には誤りが集中します。セルバンテス文化センターの2025年年鑑によると、スペイン語を母語とする人は多くの国に分布し、約5億2,000万人います。話し方に違いがあるのは自然なことです。

間違えやすい箇所 下書きに出やすい誤り 対処法
地域による発音の違い 複数形や動詞の語尾が抜ける。llやyを含む語を聞き間違える 最も近い地域設定を使い、引用する発言の語尾を聞き直す
地域の語彙 話者が選んだ語がより一般的な語に置き換わる 話者が使った語を残し、読者に必要な場合だけ注記する
スパングリッシュ(言語の切り替え) 英単語がスペイン語風のつづりになるか、省略される Multilingual Mixを使い、出てきそうな英単語をリストにする
くだけた発音での短縮 pa'、'tá、pa'l が省略前の語に置き換わるか、抜ける 編集前に、逐語の記録にするか、読みやすく整文するか決める
アクセント記号 tú が tu、él が el、sí が si になる 記号のない語を検索し、文脈の意味で判断する
¿と¡ 疑問文の末尾にしか記号がない 疑問文が始まる位置に開始記号を入れる
人名と地名 Ibáñez が Ibañez になる。地名を取り違える 作業前に人名と地名のリストを用意する
発話の重なり 2人の発言が1人の発言としてまとまる 話者が切り替わるたびに、直後の最初の行を確認する

アクセントと地域による発音の違い

スペインの distinción では、z や一部の c を英語の「th」に近い音で発音します。カリブ地域では語末の s が弱くなり、ブエノスアイレスでは ll と y が「sh」に近く聞こえます。同じ語でも発音は地域によって異なります。特に重要なのは、複数形や動詞の人称を示す s です。弱く発音されると、los niños が lo niño、tienes が tiene になることがあります。公開する引用箇所では、こうした語尾を聞き直しましょう。

方言の語彙とvoseo

メキシコの話者は computadora や celular を使い、マドリードの話者は ordenador や móvil を使います。どちらも正しいので、文字起こしでは話者が選んだ語を残します。文法も同様です。アルゼンチンやウルグアイの話者は vos と、tenés などの活用形を使います。聞こえたのが tenés なのに下書きが tienes になっていれば、元に戻します。話し方を標準語にそろえると、実際の発言が変わってしまいます。

スパングリッシュと言語の切り替え

米国のインタビューでは、文の途中で言語が変わることがよくあります。たとえば "Mañana tengo un meeting con el landlord." です。単一言語の設定では、meeting のつづりが変わったり、語そのものが抜けたりします。Multilingual Mixを選び、社名、役職、商品名など、出てきそうな英単語をリストにして、処理後に検索します。英単語を断りなく翻訳すると発言内容が変わるため、話されたまま残します。

くだけた話し方の短縮と言いよどみ

日常会話では para が pa'、está が 'tá のように短くなります。先に仕上げ方を決めておきましょう。逐語の文字起こしでは、短縮形と eh、o sea、pues などのつなぎ言葉も残します。読みやすく整えた文字起こしでは、標準的なつづりに直し、つなぎ言葉を省きます。este には注意が必要です。メキシコの話し言葉では「este... no sé」のように間を埋めますが、「este proyecto」のように通常の単語としても使うので、一括置換で削除しないでください。

アクセント記号と開始記号の¿・¡

アクセント記号には、発音が同じ語を区別するだけのものもあります。たとえば tú(あなた)と tu(あなたの)、sí(はい)と si(もし)です。スペイン王立アカデミーはこれをtilde diacríticaと呼んでいます。音声では区別できないため、音声認識モデルは文脈から推測します。同じ項目には、大文字にもアクセント記号を残すという説明があります。Angel ではなく Ángel と書きます。

疑問文と感嘆文の冒頭には、それぞれ¿と¡を置きます。スペイン王立アカデミーの記号ガイドによると、開始記号は省略せず、疑問が始まる位置に置きます。文の途中に来ることもあります。たとえば Te vas mañana, ¿verdad? です。

人名、数字、発話の重なり

姓や地名のつづりは音から推測されます。そのため、Ibáñez のアクセント記号が抜けたり、Xalapa が Jalapa になったりします。録音の冒頭で、参加者に名前とつづりを言ってもらうと、そのまま確認用のリストを作れます。翻訳前には数字にも注意します。スペイン語の billón は100万の100万倍を意味します。スペイン王立アカデミーのbillónの項目では、英語の「billion」に mil millones を使うよう推奨しています。テンポの速いグループ会話では、発話が重なると話者ラベルがずれやすいため、話者交代直後の1行を確認します。

スペイン語の文字起こしを校正するチェックリスト

表をメモにコピーし、上から順に確認します。ほとんどの項目は、録音を聞き直さずに検索で見つけられます。

番号 確認すること すぐに見つける方法 修正方法
1 開始記号の¿と¡ 「?」と「!」を検索し、左側に開始記号があるか探す 疑問や感嘆が始まる位置に記号を追加する
2 アクセント記号で区別する語の組 tu、el、si、mi、se、te、de、masを単語単位で検索する 意味を確認し、必要なときだけ記号を追加する
3 疑問詞 que、como、donde、cuando、quien、cuantoを検索する 直接疑問文と間接疑問文ではアクセント記号を付ける
4 ñと大文字 ano、ninos、espanol、mananaを検索し、名前も見直す ñを復元し、大文字でもアクセント記号を残す
5 人名と地名 名前のリストにある語を検索する 本人が使うつづりにそろえる
6 数字 billón、millones、引用予定の数値を検索する 数字を聞き直し、翻訳前にbillónの意味を確認する
7 英単語 スパングリッシュの語彙リストにある語を検索する 発話どおりに英単語を残す
8 地域特有の形 voseoやvosotrosを使う箇所を読む 話者が実際に使った形に戻す
9 つなぎ言葉や短縮形 este、o sea、pa'を検索する 逐語か整文か、選んだ方針を一貫して適用する
10 話者ラベル 話者が切り替わった直後の1行を確認する まとめられたり入れ替わったりした発言を、正しい話者に割り当てる

項目2では「単語単位」の検索を有効にすると、el を探しているときに ella や papel がヒットしません。

スペイン語の音声を英語のテキストにする方法

スペイン語で文字起こしして修正したテキストを翻訳する方法と、スペイン語の音声から直接英語に変換する方法があります。

直接英語に変換する。 音声を英語に翻訳するページは、話し声を英語のテキストに変換します。ステップ1で指定するのはファイルで話されている言語です。英語ではなくスペイン語を選びます。ステップ2でアップロードし、必要なら話者識別を有効にして、英語テキストを生成・書き出します。結果は作業用の下書きとして確認しましょう。

文字起こししてから翻訳する。 引用や公開、複数言語に翻訳する用途では、校正したスペイン語の文字起こしをもとに翻訳します。誤りの修正が1回で済みます。

Whisperの論文によると、CoVoST2ベンチマークでのスペイン語から英語への翻訳のBLEUスコアは40.1でした(large-v2)。BLEUは参照訳との一致の度合いを測る指標で、正しく訳された文の割合ではありません。慣用表現、billón、敬称表現の usted と tú の使い分けは、人の目で確認する必要があります。

スペイン語の字幕を作る方法(SRTとVTT)

動画用なら、スペイン語の文字起こしをSRTまたはVTTで書き出すか、字幕生成ツールでスペイン語を選んで作ります。先に字幕テキストを直し、字幕番号とタイムコードはそのままにします。以下は架空の字幕例です。

48
00:03:12,400 --> 00:03:15,100
¿Cuándo llega el pedido? ¡Lo necesito ya!

スペイン語の字幕でよくあるのが文字化けです。アップロード前にプレーンテキスト用のエディターで開き、á、ñ、¿ が見慣れない記号に変わっていたらUTF-8で保存します。YouTube動画なら、動画をダウンロードせずにリンクを貼り付けられます。YouTube動画の文字起こし

Whisperのスペイン語の認識精度

OpenAIが公開したベンチマークでは、スペイン語はWhisperが得意とする言語のひとつです。以下はWhisperモデル自体の公開結果です。whispertranscribe.aiのテスト結果ではありません。評価に使われたのは、実際の録音の多くよりも明瞭な読み上げ音声です。

ベンチマーク(Whisperの論文より) 音声の内容 large-v2のWER tinyのWER
Fleurs(表13) 文の読み上げ 3.0% 15.9%
Multilingual LibriSpeech(表10) オーディオブックの朗読 4.2% 19.2%
Common Voice 9(表11) 参加者が自分のマイクで指定文を読み上げた音声 5.6% 30.3%

WER(単語誤り率)は、正解の文字起こしと比べて、置換、脱落、挿入された単語の割合です。低いほど良好です。論文の学習データには、英語以外の言語でも特に多い11,100時間のスペイン語音声認識用データに加え、スペイン語から英語への音声翻訳用データが6,693時間含まれていました。学習音声が多い言語ほど、良い結果が出たことも報告されています。

ベンチマークには自然な会話、強い地域アクセント、スパングリッシュ、電話音声、発話の重なりは含まれていません。OpenAIのWhisper READMEでも、言語によって性能が大きく異なるとしています。whispertranscribe.aiが案内する最大99%という数値は明瞭な音声でのもので、ノイズやアクセントがあると低下します。WERについては、Whisperの認識精度を解説した記事で詳しく説明しています。

スペイン語の文字起こしツール比較(2026年11月確認)

当編集部はwhispertranscribe.aiを提供しています。表は比較の出発点として使い、購入前には各サービスの公式ページを確認してください。価格は2026年11月時点の表示に基づき、米ドルで記載しています。

ツール スペイン語への対応 対応言語の表記 有料プランの最低価格 無料で使える範囲
whispertranscribe.ai スペイン語、ラテンアメリカのスペイン語、ノイズの多い音声向けモード、Multilingual Mix 130以上 年払いで月額9.99米ドル 無料で開始可能、アカウント登録不要
TurboScribe スペイン語は認識精度が高い言語のひとつと案内 98以上 年払いで月額10米ドル、月払いで月額20米ドル 1日3ファイル、1ファイル最長30分
Happy Scribe スペイン語専用ページで「最大98%の精度」と案内 150以上 Basicは年払いで月額8.50米ドル(AI文字起こし120分/月) 10分の無料トライアル
Sonix スペイン語ページではスペインとラテンアメリカの両方に対応 54以上 従量制は1時間10米ドル、Coreは月額25米ドル 30分無料
Rev Essentialsからスペイン語に対応、SpanglishはProで対応 37以上(Pro) Essentialsは1席あたり月額29.99米ドル 無料プランは英語のみ
Notta 文字起こしに対応する58言語にスペイン語を含む 58 Proは年払いで月額8.17米ドル 月120分、1回の会話につき最長3分
Otter 対応する6言語にスペイン語を含む 6 Proは月払いで月額16.99米ドル 月300分、ファイルの取り込みは合計3件

Happy ScribeとRevは、人の手による文字起こしも提供しており、1分あたりそれぞれ2.00米ドルと1.99米ドルから利用できます。whispertranscribe.aiには人の手による文字起こしサービスはありません。OtterのProプランにはチーム用の語彙登録機能が記載されています。whispertranscribe.aiにはカスタム語彙機能がないので、校正時に人名などのリストを使います。whispertranscribe.aiにAPIや会議用ボットはありません。ファイル、リンク、ブラウザーでの録音を処理します。

よくある質問

AIは地域ごとに異なるスペイン語のアクセントを文字起こしできますか?

可能ですが、精度はアクセントや録音の状態によって変わります。Whisperは11,100時間のスペイン語音声で学習しており、公開ベンチマークでスペイン語の認識結果は上位に入ります。ただし、語末のsが弱くなるような強い地域特有の発音では、語尾の誤りが出ます。最も近い地域の設定を選び、短い区間で先に試し、公開する引用箇所の語尾を聞き直しましょう。whispertranscribe.aiでは、一般的なSpanishとSpanish (Latin America)を選べます。

SpanishとSpanish (Latin America)のどちらを選べばよいですか?

話者の大半がメキシコ、中南米、カリブ地域の出身ならSpanish (Latin America)を選びます。スペイン出身の話者や、出身地域がさまざまなグループの場合は、一般的なSpanishを選びます。迷ったら同じ5分間の音声を両方で処理し、修正の少ない方を使います。通話や騒がしい部屋で録音した音声には、Noise / Low-Qualityオプションを試してください。話者がスペイン語と英語を切り替える場合は、Multilingual Mixを使います。

スペイン語と英語が混じる音声をどう文字起こししますか?

複数の言語が混じる音声向けの設定を使います。whispertranscribe.aiではMultilingual Mixを選べます。1本の録音に混じる英語、スペイン語、ほか8言語に対応します。作業前に、社名や役職など、出てきそうな英単語をリストにし、処理後に検索します。誰が何と言ったかを正確に記録できるよう、英単語は話されたまま残します。

スペイン語の文字起こしでアクセント記号や¿が抜けるのはなぜですか?

多くのアクセント記号は発音を変えないので、モデルは文脈から補う必要があります。Túとtu、síとsiは同じように発音され、開始記号の¿があってもなくても疑問文の音は同じです。アクセント記号のない短い語と疑問符を検索し、意味に沿って修正します。スペイン王立アカデミーのガイドによると、開始記号の¿と¡は疑問や感嘆が実際に始まる位置に置きます。文の途中になることもあります。

スペイン語音声を直接英語に翻訳できますか?

英語に翻訳するツールで、音声の言語としてスペイン語を選べば、1回の処理で英語のテキストを得られます。whispertranscribe.aiの「音声を英語に翻訳」ページはこの方法に対応しています。引用・公開する場合や、複数言語へ訳す場合は、先にスペイン語で文字起こしして校正し、そのテキストを翻訳します。言語ごとに同じ誤りを直す手間が省けます。100万の100万倍を意味するbillónなど、数字も確認してください。

文字起こしからスペイン語の字幕を作れますか?

スペイン語の文字起こしをSRTやVTTで書き出すか、字幕生成ツールでスペイン語を選んで作成できます。先に字幕テキストを直し、字幕番号とタイムコードはそのままにします。次に、プレーンテキスト用のエディターで開き、á、ñ、¿が正しく表示されるか確かめます。文字化けしている場合はUTF-8で保存し直してください。動画サービスには、動画とは別の字幕トラックとしてアップロードします。


スペイン語の音声を文字起こししたい方へ。 スペイン語の文字起こしページで設定を選び、ファイル、リンク、録音のいずれかを追加できます。whispertranscribe.aiは130以上の言語、最大5 GBのファイルに対応し、DOCX、PDF、TXT、CSV、SRT、VTTで書き出せます。人の手による文字起こし、API、モバイルアプリの提供はありません。

参考資料

録音を文字に起こしませんか?

whispertranscribe.ai で音声と動画を文字起こしできます。

文字起こしを始める ↗