質的研究の文字起こし:インタビューを分析に使えるテキストにする方法

著者:whispertranscribe.ai 編集部 · 最終更新:2026年11月 · 読了目安:13分

AIは質的研究の文字起こしに使えます。用途は最初の下書きづくりです。インタビューをアップロードし、話者を区別してテキストを書き出したら、録音全体を聞きながら修正します。研究者が音声と照合し、研究で定めた転記ルールを適用し、個人を特定できる情報を取り除いてから、分析用のデータとして使います。

このガイドでは、転記方式の選び方、7つの作業手順、コピーして使える校正チェックリスト、公式資料に基づく匿名化と研究倫理の基本、書き出し形式の選び方を紹介します。

質的研究の文字起こしにAIは使えますか?

AIの出力を素材として扱うなら使えます。下書きがあれば入力の手間は減ります。録音を聞く作業は引き続き必要です。

  1. 先に転記ルールを決める。 完全逐語か整文逐語か、話者ラベルをどう付けるか、間や聞き取れない語句をどう記録するかを決めます。
  2. 下書きを作る。 録音ごとに話されている言語を選び、話者検出を有効にしてアップロードします。
  3. 確認と匿名化を済ませてから分析する。 音声と照合して下書きを修正し、人名をコードに置き換え、処理済みのファイルを分析ソフトに取り込みます。

個人を特定できるデータをアップロードする前に、倫理審査での承認と同意書が、そのツールの利用を認めているか確認してください。

研究に合う転記方式は?

分析手法に合わせて転記方式を選びます。人が何を考えているかを調べるテーマ分析なら、読みやすく整えたテキストでも分析できることが一般的です。人の話し方を研究するなら、ためらいも一つずつ残す必要があります。

広く引用されている論文で、Oliver、Serovich、Mason(2005年)は、音声の転記を2つの方式を両端とする連続体として捉えています。自然主義的転記では、すべての発声をできる限り詳しく記録します。脱自然主義的転記では、文法を整え、言葉のつかえや間などを除き、多数派とは異なる発音を標準的な表記にそろえます。著者らは両者に優劣を付けていません。選び方が研究結果や参加者の描かれ方を左右するため、転記を始める前に意識して決めるべきだと述べています。一例として、参加者に結果を確認してもらうメンバーチェックで本人が読む可能性を考え、その方言を文字起こしに残すか議論したことを挙げています。

転記方式 残すもの 省くもの AIの下書きに対して行う作業
完全逐語(自然主義的転記) すべての語句、つなぎ言葉、言いさし、繰り返し、笑い、明瞭な間 聞き取れるものはすべて残す 下書きで省かれたつなぎ言葉や言い直しを復元し、間や笑いの記号を手作業で入れる
整文逐語(脱自然主義的転記) 意味のある語句を話者自身の言い回しで残す つなぎ言葉、言葉のつかえ、大半の繰り返し 同じルールでつなぎ言葉を除き、参加者の文法や言葉遣いは変えない
会話分析の詳細な転記記号 間の長さ、発話の重なり、強調、イントネーション なし 下書きは語句の一覧として使い、記号は手作業で付ける
編集済みテキストや要約 主な内容 読みやすさに不要な要素 文字起こしには当たらず、大半の質的研究手法ではデータとして使えない

どの方式でも、分析に読みやすい版を使う場合を含め、無修正の逐語版を原本として残し、短い手順書にルールをまとめます。イリノイ大学図書館のガイドによると、転記はそれ自体が分析の一部です。何を書き留めるかによって、後の分析で見つけられるものが変わります。

1ページの転記手順書(コピーして調整)

研究の転記手順書 ― 例。研究に合わせて調整する
転記方式:   完全逐語。つなぎ言葉(um、uh)、言いさし、繰り返しを残す。
話者ラベル: I = インタビュアー。P01、P02… = 参加者。本名は使わない。
時刻:       話者が交代するたびに [hh:mm:ss] 形式で記録する。
不明瞭な発話:[inaudible hh:mm:ss] は聞き取れない語句、[unsure: word] は推測した語句。
発話以外の音:[laughs] [pause] [crosstalk] [phone rings] を角括弧で記録する。
発話の重なり:2人目の話者は行を変え、[overlapping] を付ける。
相づち:     参加者の発話中に入るインタビュアーの「mm-hm」は省く/残す(どちらか選ぶ)。
識別情報:   匿名化の際に [descriptor] に置き換え、すべての変更を記録する。
言語:       話されている言語で文字起こしし、確認後に翻訳する。
ファイル名: StudyCode_P01_v1-draft / v2-checked / v3-anonymised

AIの下書きを研究者が確認する7つの手順

手順1〜4で実際に手を動かす時間は数分です。最も時間をかけるべきなのは手順5です。

手順1.後で文字起こししやすい音声を録る

下書きの質を最も左右するのは、音声の明瞭さです。録音機器を自分より参加者に近い位置に置き、静かな部屋を選び、10秒ほど試し録りします。オンラインのインタビューでは、参加者の同意を得てから、通話サービスの録音機能やブラウザーの画面・音声録画ツールを使います。対面でノートパソコンしかない場合は、オンライン音声レコーダーで録音と文字起こしを一度にできます。

手順2.インタビューごとにアップロードする

ブラウザーでインタビュー文字起こしページを開き、話されている言語を選んでからアップロードします。インタビュー1件につきファイル1つにすると、データを整理しやすくなります。whispertranscribe.aiは130以上の言語で音声・動画をテキストにするウェブベースのAIツールです。MP3、WAV、M4A、MP4などの一般的な形式に対応し、ファイルは最大5GB、10時間までです。録音がGoogle DriveやDropboxにある場合は、ダウンロードせずにURLから文字起こしへリンクを貼り付けられます。

手順3.話者検出をオンにする

話者検出を有効にするをオンにして、下書きを話者の発話ごとに分けます。質的研究では、話者を正しく特定することが特に重要です。参加者の発言をインタビュアーのものとした場合、単なる誤字では済まず、データの誤りになります。話者が同時に話す箇所や声が似ている場合は、話者ラベルの修正が必要になると見込んでください。

手順4.下書きを書き出す

編集用のコピーをDOCXまたはTXTでダウンロードします。誤って分析のコーディングに使われないよう、下書き(v1)と分かる名前にしておきます。作業に合った形式は、後の書き出しガイドで説明します。

手順5.音声と照らし合わせて下書きを修正する

文字起こしを開いて録音全体を聞き、違いがあれば再生を止めます。まず話者ラベルを直し、繰り返し誤認識された用語を検索・置換で修正してから、通しで聞きます。引用する可能性がある箇所はすべて再生し直してください。音声認識ではつなぎ言葉や言い直しが省略されることがあるため、完全逐語を採用する場合は、下書きで省かれた発話も確認します。

手順6.別のコピーを匿名化する

修正済みファイルをv2として保存し、匿名化用にv3を作ります。人名や個人を特定できる情報を同じルールで説明ラベルに置き換え、変更を一つずつログに記録します(後の匿名化の節を参照)。書き出した後は、手元のエディターでオフライン作業します。

手順7.分析ソフトに取り込む

匿名化したファイルを質的データ分析ソフトに取り込みます。手作業でコーディングする場合は、文書やスプレッドシートに取り込みます。whispertranscribe.aiは、NVivo、ATLAS.ti、MAXQDAなどの分析ソフトと直接連携していません。ファイルを書き出し、ご自身で取り込みます。対応形式や話者名の読み込み方は、お使いのソフトのインポートガイドで確認してください。

修正後の文字起こしの例

以下の3つの版は、手順5と手順6でどのような変更を行うかを示す架空の例です。実際のインタビューやテストの出力ではありません。

例 ― v1、AIの下書き(未修正)
話者1:それで、その診療所で働き始めたのはいつですか?
話者2:2019年に働き始めたと思います。上司のサラが慣れるのを助けてくれました。
リーズから引っ越したので(because)、最初は大変でした。

例 ― v2、音声と照合済み(完全逐語)
[00:04:12] I:それで、その診療所で働き始めたのはいつですか?
[00:04:15] P07:私、えっと、働き始めたのは……2019年だったと思います。[pause] 上司の
サラが、本当によく助けてくれて。リーズから引っ越してきたから('cause)、最初は大変でした。

例 ― v3、匿名化済み
[00:04:12] I:それで、その診療所で働き始めたのはいつですか?
[00:04:15] P07:私、えっと、働き始めたのは……[year]だったと思います。[pause] 上司の
[manager 1]が、本当によく助けてくれて。[city in Northern England]から
引っ越してきたから('cause)、最初は大変でした。

v1からv2への修正では、つなぎ言葉や言いさしを復元し、間を明示しました。英語の例では「because」を参加者が実際に発した「'cause」に戻し、汎用の話者ラベルを研究用のコードに置き換えています。話の大筋は同じでも、こうした細部はどれも分析に影響し得ます。

インタビュー文字起こしの校正チェックリスト

分析に回す前に、すべての文字起こしをこのリストで確認してください。そのままスプレッドシートや研究室の手引きにコピーできます。

確認項目 見つけるもの 修正方法 完了
発話の区切り 別人に割り当てられた発言、1人に割り振られた2種類のラベル 話者が交代するたびに音声を聞き、ラベルを統合または修正する ☐
話者コード 汎用ラベルや実名を使ったラベル 手順書に沿ってI、P01、P02などに置き換える ☐
転記方式の一貫性 ある箇所では残り、別の箇所では省かれたつなぎ言葉 ファイル全体に同じ転記ルールを適用する ☐
参加者の言葉遣い 下書きで「修正」された文法や方言 音声を聞いて実際の言葉遣いに戻す ☐
重要な用語 誤認識された専門用語、地名、製品名、組織名 用語一覧を作り、検索・置換で修正してから一部を確認する ☐
数字 年齢、年、金額や量、個数 一つずつ録音と照合する。数字は聞き違えやすい ☐
否定表現 抜けたり追加されたりした「ない」「決して~ない」「しなかった」 否定の有無で意味が変わる文は再生し直す ☐
発話の重なり 同時に話した複数人の発言が1人分に統合された箇所 発話を分け、重なりを記録する ☐
不明瞭な箇所 推測された語句が確定情報として書かれている箇所 聞き取り不可または推測として時刻とともに記録する ☐
非言語的な手がかり 笑い、長い間、意味に影響する感情表現 手順書に従って角括弧で注記する ☐
原稿の引用候補 引用する可能性がある箇所 2回再生し直し、語句を一つずつ確認する ☐
識別情報 残っている氏名、職場、市町村、珍しい特徴 匿名化の手順へ進み、変更をすべて記録する ☐

質的研究の文字起こしにかかる時間と費用は?

手作業の文字起こしには、音声1時間あたり数時間かかります。AIで下書きを作ると、その時間の大半が確認作業に移ります。国際救済委員会(IRC)の研究ツールキットでは、必要な転記の細かさ、作業者の習熟度、音質によって、音声1時間あたり3〜10時間と見積もっています。

以下は調査を想定した計算例です。確認に要する時間は試算用の仮定です。最初のインタビューで実際の時間を測り、見積もりを調整してください。

調査の例:20件 × 60分 = 音声20時間 自分で最初から入力 AIの下書き+全体確認
音声1時間あたり 3〜10時間(IRCの見積もり) 確認に1.5〜3時間と仮定
研究者の合計作業時間 60〜200時間 30〜60時間

音声をすべて聞くなら、確認には少なくとも各インタビューの録音時間と同じ長さが必要です。雑音が多い、発話が頻繁に重なる、完全逐語が必要といった場合は、作業時間が上の範囲の上限に近づきます。whispertranscribe.aiのプランは年払いで月額換算9.99米ドルからです。研究費の予算を組む前に、最新の利用可能時間と条件をそのページで確認してください。

AI、人による文字起こしサービス、自分での文字起こしを比較

どの方法が適しているかは、予算、作業期間、データにどの程度直接触れたいかによって変わります。

比較項目 AIで下書きし、自分で確認 人による文字起こしサービス 自分で一から文字起こし
自分の作業時間 中程度。丁寧な通し聞きと修正 最初は短いが、一部を抜き出して確認する必要がある 最も長い
費用 サブスクリプションまたは従量課金 通常は音声1分単位の課金で、支出が最も多い 支出なし
所要日数 数分で下書き 提供元や依頼内容によっては数日 調査全体では数週間
データへの関与 音声をすべて聞くため高い 自分で確認しなければ低い 最も高い
音声を扱う第三者 ツール提供元と、公開されている処理委託先 提供元の担当者。守秘義務契約を交わすことが多い なし
適した用途 明瞭な音声を使う多くのインタビュー研究 予算のある大規模な研究、研究者の作業時間を割けない場合 サンプル数が少ない研究、会話分析、機密性が非常に高いデータ

whispertranscribe.aiは最初の列に当たる自動文字起こしツールです。人による文字起こしや校正は提供していません。

匿名化、同意、倫理審査

この節は一般的な情報であり、法的助言ではありません。適用されるルールは、所属機関の研究倫理審査委員会(IRB)または倫理委員会と、参加者が署名した同意書によって決まります。

ツールの利用を含む同意と承認を得る

個人を特定できる録音をオンラインサービスにアップロードする前に、承認済みの研究計画と同意書がその利用を認めているか確認します。米国のコモンルール45 CFR 46.116では、本人を特定できる記録の機密性をどの範囲まで守るかについて、同意時の説明に記載することを求めています。米国保健福祉省の被験者保護局は、インフォームド・コンセントに関するガイダンスをまとめています。国や機関ごとにルールがあるため、ご自身の研究に何が適用されるか、倫理審査の担当部署に確認してください。

文字起こしツールについて、倫理審査の担当部署から確認されることがあります。

  • 音声はどこで処理され、どの第三者が扱うか。
  • 録音と文字起こしはどのくらい保存され、誰が削除できるか。
  • 内容はAIモデルの学習に利用されたり、人が確認したりするか。
  • 転送中および保存中のデータはどのように保護されるか。

空欄にせず、内容を示すラベルで匿名化する

UK Data Serviceのテキストデータ匿名化ガイドは、個人を直接特定できる情報を一貫した仮名や意味のあるラベルに置き換え、詳細すぎる情報を一般化し、匿名化のログを残すよう勧めています。氏名を消すだけでは十分なことは少なく、小さな地域での珍しい職業や詳細な時系列から個人が特定される可能性があると指摘しています。匿名化しすぎることにも注意が必要です。「X」ばかりの文字起こしでは、分析に必要な文脈が失われます。同じガイドでは、匿名化ツールを外部サーバーではなく、手元の環境で動かすよう勧めています。UK Data Serviceは、無料の文字起こしテンプレートと文字起こし担当者向け守秘義務契約書も提供しています。

匿名化したファイルとは別に保管する簡単なログの例です。

文字起こし 元の情報(安全に保管) 置き換え後 理由
P07 参加者の上司の下の名前 [manager 1] 個人を直接特定できる情報
P07 居住していた都市 [city in Northern England] 地域から個人が絞り込まれるおそれがある
P07 就職した年 [year] 役職と組み合わせると個人を特定できる可能性がある

whispertranscribe.aiのプライバシーポリシーの記載

2026年11月に確認したwhispertranscribe.aiのプライバシーポリシーには、次のように記載されています。アップロードした元の音声・動画ファイルは、処理完了後に自動で削除されます。処理中に抽出されたMP3ファイルは、早めに自分で削除しなければ、初期設定で30日間保持されます。文字起こしは削除するまでアカウント内に保存されます。削除は完全で、バックアップはありません。録音や文字起こしはAIモデルの学習に使われず、人による確認も行われないと記載されています。転送中はTLS 1.3、保存中はAES-256でデータを保護します。AIサービス提供元として米国のOpenAIが記載されており、倫理審査の担当部署から確認されることがあります。whispertranscribe.aiは、HIPAA、GDPR、SOC 2の認証を取得しているとは表明していません。研究で認証済みの提供元や国内処理が求められる場合は、その要件を満たすサービスを利用してください。

研究に適した書き出し形式は?

whispertranscribe.aiはDOCX、PDF、TXT、CSV、SRT、VTTに書き出せます。次の作業に合わせて選びます。

形式 研究での用途
DOCX ワープロでの修正と匿名化。二次確認者向けの変更履歴。文書として分析ソフトに取り込む
TXT アーカイブ用、またはプレーンテキストを優先するツール用に、最もシンプルで持ち運びやすいコピーを作る
CSV スプレッドシートで区間を1行ずつ確認する。話者で並べ替え、発話の回数を手早く数える
PDF 匿名化後に、研究参加者による確認(メンバーチェック)や指導教員への共有用に固定版を作る
SRTまたはVTT 動画を分析するときや、メディアプレーヤーでテキストに対応する録音箇所に移動したいときに時間情報付きテキストを使う

多言語・異文化間のインタビューを文字起こしする

先に話された言語で文字起こしし、後から翻訳します。IRCのツールキットは、分析中も翻訳を原文と照合できるよう、まず元の言語で文字にすることを推奨しています。

whispertranscribe.aiは130以上の言語に対応します。インタビュー文字起こしページの言語一覧には、スペイン語(中南米)やフランス語(カナダ)など地域別の選択肢があります。多くの言語に、現地での録音に役立つ「雑音や低品質の音声・動画」向けの設定もあります。話者が言語を切り替えるインタビューでは、Multilingual Mix(複数言語混在)の設定で、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、オランダ語の組み合わせに対応できます。英語の作業版が必要な場合は、別途音声を英語に翻訳し、元の言語の文字起こしは一次データとして保存します。

明瞭な音声で精度は最大99%です。背景雑音や強いなまり、発話中の言語の切り替えがあると精度は下がります。英語以外または複数言語が混在するインタビューでは、確認時間を多めに見込み、引用予定の箇所はその言語に堪能な人に確認してもらいましょう。

よくある質問

質的研究のインタビューにAI文字起こしを使えますか?

研究者がすべての文字起こしを録音と照合するなら使えます。AIは話者ごとの区切りとタイムスタンプを含む下書きを素早く作るため、入力の手間の大半を省けます。一方で、固有名詞、数字、専門用語を聞き違えたり、別の話者に発言を割り当てたり、手順書で残すと決めたつなぎ言葉を省いたりすることがあります。作業用の下書きとして扱い、音声全体を聞きながら修正し、分析の前に匿名化します。

逐語引用に使えるほどAI文字起こしは正確ですか?

録音との照合が必要です。音声が明瞭でも、一語の聞き違いで引用の意味が変わることがあります。背景雑音、なまり、発話の重なり、専門用語があると精度は下がります。whispertranscribe.aiは明瞭な音声で最大99%の精度に達します。この値は好条件での上限です。論文や報告書で引用する箇所は少なくとも2回再生し直し、語句を一つずつ確認してください。

質的インタビューは完全逐語と整文逐語のどちらで文字起こしすべきですか?

分析手法に合わせて決めます。談話分析や会話分析のように話し方を調べるなら、間やつなぎ言葉も含めた完全逐語で残します。多くのテーマ分析のように話の内容を中心に見るなら、参加者自身の言い回しを保った整文逐語も使えます。Oliver、Serovich、Mason(2005年)は、文字起こしを始める前に意識して方式を決めることを勧めています。多くの研究者は逐語版を原本として残し、分析には整えたコピーを使います。

オンライン文字起こしツールの利用にIRBの承認が必要ですか?

通常は、第三者サービスの利用も含め、録音の取り扱いが倫理審査の承認と同意書の範囲に入っていることが必要です。要件は機関や国によって異なるため、個人が特定できる音声をアップロードする前に、IRBや研究倫理委員会に確認してください。データを処理する場所、保存期間、AIモデルの学習利用の有無、アクセスできる人を説明できるようにしておきます。これは一般的な情報であり、法的助言ではありません。所属機関のルールを優先してください。

1時間のインタビューの文字起こしに何時間かかりますか?

国際救済委員会の研究ツールキットによると、手作業で入力する場合は、転記の細かさや音質によっておよそ3〜10時間かかります。AIを使うと下書き自体はすぐにできます。時間がかかるのは確認作業です。全体を聞くので少なくとも録音と同じ時間がかかり、修正で止める時間が加わります。最初のインタビューで時間を測り、残りの調査の計画に使いましょう。

質的データ分析ソフトに取り込むには、どの形式で書き出せばよいですか?

インタビューを文書として取り込むなら、DOCXまたはTXTが一般的です。事前の修正と匿名化にはDOCXが便利です。スプレッドシートでコーディングするならCSV、テキストとともに動画を分析するならSRTやVTTが適しています。whispertranscribe.aiはこれらの形式に書き出せます。NVivo、ATLAS.ti、MAXQDAとは直接連携していないため、対応形式は各ソフトのインポートガイドで確認してください。

次のインタビューを確認済みの文字起こしにする

whispertranscribe.aiのインタビュー文字起こしページに録音をアップロードし、話者検出をオンにします。DOCXで下書きを書き出し、音声と照合して修正してください。まず1件だけ下書きの質を確かめるなら、アカウント登録なしで使える無料ページで試せます。無料で文字起こしできる範囲はサイトに表示されます。セミナーやグループセッションを録音する場合も、講義・セミナーの文字起こしページで同じ手順を使えます。その他の機能は機能一覧を参照してください。

関連記事:Whisperの文字起こし精度、電話の通話を録音する方法、米国の州別通話録音法。

参考資料

  1. Oliver, D. G., Serovich, J. M., & Mason, T. L. (2005). Constraints and opportunities with interview transcription: Towards reflection in qualitative research. Social Forces, 84(2), 1273–1289. PMC掲載の著者原稿
  2. イリノイ大学図書館。質的データ分析:データの文字起こし
  3. 国際救済委員会。質的データの文字起こしと翻訳(IRC研究ツールキット)(PDF)
  4. eCFR。45 CFR 46.116 インフォームド・コンセントの一般要件
  5. 米国保健福祉省被験者保護局。インフォームド・コンセントのガイダンス
  6. UK Data Service。テキストデータの匿名化
  7. UK Data Service。データ管理のツールとテンプレート

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 ↗