文字起こしの
更新履歴を見る
- 2026年08月20日：関連記事「AIボイスメモの使い方20選｜シーン別の記録アイデア」への内部リンクを追加しました
メモリスによる要約- ケバ取りとは「えー」「あの」等のフィラーを除く工程で、素起こしと整文の中間の作業にあたる
- 文字起こし副業の低単価は、素起こし後のケバ取り・整文にかかる時間が主な原因になりやすい
- 素起こしをAIで数分取得しケバ取り・整文をChatGPTに任せれば、単価は同じでも作業時間を圧縮できる
文字起こしの副業を始めて最初に驚くのは、単価の低さそのものより、時間の掛かり方の方かもしれない。
1時間の音声を素起こしするだけでも、聞き返しと打ち直しで3時間はゆうにかかる。ようやく打ち終えたところに、依頼主から「ケバ取りでお願いします」の一文。ケバとは何なのか、どこまで削ればいいのか調べながら手を止め、作業時間はさらに伸びる。時給に換算すると、募集要項で見た単価より明らかに低い数字が出てくる。
時間を奪っているのは、ケバ取りという作業そのものではない。素起こしを一から打ち終えたあとに、ケバ取りをもう一度ゼロからやり直していることの方だ。この二度手間を分業に切り替えるだけで、単価はそのままでも作業時間は変わる。
ケバ取りとは何か。素起こし・整文との違い
ケバ取りの依頼を受けて最初に戸惑うのは、「ケバ」が何を指すのか自体が分からないことだ。
文字起こしの実務では、仕上がりの段階を3つに分けて呼ぶ。
- 素起こし：「えー」「あのー」といった言い淀みや相づちも含め、音声を聞こえたまま一字一句そのままテキスト化したもの。裁判資料や研究のインタビュー記録など、発言の正確性そのものが重視される場面で求められる。
- ケバ取り：素起こしから、意味を持たない言い淀みや繰り返しだけを取り除いた段階。会議の議事録やインタビュー記事の下地など、内容の理解しやすさを優先する場面で使われる。
- 整文：ケバ取りした文章を、さらに語順や文法まで整え、書き言葉として自然に読める形に仕上げた段階。Web記事や資料としてそのまま公開する用途に向く。
3つとも同じ音声から作るが、削る量も、求められる作業時間もまったく違う。副業・バイトの募集要項で「文字起こし」とだけ書かれていても、実際にはこの3段階のどれを納品するかで単価も作業量も変わってくる。依頼を受けたら、まずどの段階での納品かを確認する。ここを曖昧にしたまま作業を始めると、素起こしで作ったものを後から整文レベルまで直す羽目になり、想定外に時間が伸びる。
素起こし後の手直しが、単価を時給換算で押し下げる
単価表だけを見ると、悪い数字には見えないことが多い。1件あたりの金額は、募集要項で確認したとおりのはずだ。
ところが実際に手を動かすと、時給換算では見劣りする。理由は工程が2段階に分かれているからだ。まず音声を聞きながら素起こしを打つ時間、そのあとにケバ取りや整文へ仕上げ直す時間。この2つを両方とも手作業でこなすと、1時間の音声に対して合計の作業時間は音声の長さの3倍から4倍に膨らむこともめずらしくない。
とりわけ時間を食うのは、後半の仕上げ作業だ。一度書き終えたテキストを読み返しながら、フィラーを探して削り、語順を整える。素起こしを打つ集中力とは別の種類の集中力が必要になり、疲れも溜まっている段階でこの作業に入ることになる。
素起こしをAIで取得し、ケバ取り・整文をAIに任せるワークフロー
ここで分業の対象にできるのは、素起こしを打つ作業とケバ取り・整文の仕上げ作業の両方だ。
手順1：音声をメモリスに渡して素起こしを取得する
録音済みの音声ファイルをメモリスにインポートする。処理が始まるのは録音を終えたあとで、会議中や取材中にその場でテキスト化されるわけではない。渡してから数分ほどで、フィラーも含めた素起こしに近い下書きが手元に届く。自分の手で一字一句打ち込む時間そのものが、ここでまるごと圧縮される。
対応形式はm4a・mp3・webm・mp4・wav・mpga・mpegと幅広く、ICレコーダーやスマホの録音アプリで残した音声ファイルもそのまま読み込める。
手順2：ChatGPT等にケバ取り・整文を指示する
できあがった下書きをコピーし、生成AIに次のような指示で渡す。
以下は音声を聞こえたまま書き起こした素起こしのテキストです。意味を変えずに、「えー」「あの」「まあ」などのフィラー、言い淀み、同じ語の言い直しを取り除いてください（ケバ取り）。そのうえで語順や助詞を整え、自然な書き言葉にしてください（整文）。固有名詞・数字・日付は絶対に変更しないでください。
ケバ取りだけで止めたい案件なら、後半の「そのうえで〜」以降を外せばいい。この一括処理だけで、テキストを読み返しながらフィラーを一つずつ探す手作業がほぼ要らなくなる。
手順3：出力を自分の目で確認し、指定の書式に整える
生成AIの出力はそのまま納品できる完成度ではない。固有名詞の変換ミスや、意味が微妙にずれた言い換えが混ざることがあるため、必ず元の素起こしと照らし合わせて確認する。話者の表示形式やタイムスタンプの有無など、クライアントごとの指定書式に整える作業も、この段階で人の手が必要になる。
正直に言うと、メモリスはケバ取りをしない
ここまでの流れで誤解してほしくないのは、メモリス自体がケバ取りや整文をしてくれるわけではないという点だ。
メモリスが担うのは、録音した音声を数分でテキスト化する部分、つまり素起こしに近い下書きを速く正確に用意するところまでにとどまる。ケバ取り・整文はChatGPTなどの生成AIに別途指示して行う、二段構えのワークフローになる。
それでも起点となる素起こしの取得が速く正確であるほど、後工程の生成AIへの指示や、その先の目視確認にかかる時間は短くなる。素起こしの段階で聞き取りミスが多いと、生成AIがそのミスをそのまま整った文章に仕上げてしまい、かえって誤りに気づきにくくなる。時短の起点は、あくまで最初の素起こしの精度にある。
まとめ
- ケバ取りは、素起こしから言い淀みや意味のない繰り返しを取り除く工程。整文はさらに文法まで整える、その先の段階にあたる
- 文字起こし副業の低単価は、素起こし後のケバ取り・整文にかかる時間が主な原因になりやすい
- 素起こしをAIで数分取得し、ケバ取り・整文をChatGPTに任せれば、単価はそのままでも作業時間を圧縮できる
- メモリス自体はケバ取り・整文をしない。担うのは素起こしの取得までで、そこから先は生成AIと自分の目視確認に委ねる
文字起こしの副業を続けるかどうかは、単価の交渉より先に、この工程の分業でどれだけ変わるかを一度試してから判断してもいいはずだ。
スマホで録音するだけ、メモリスという選択肢
素起こしの取得を手間なく時短する方法として、私が使っているAIボイスメモアプリ「メモリス（Memolith）」を紹介する。
メモリスは、スマホで録音するだけでAIが文字起こし・要約を自動で作る iOS／Androidアプリだ。専用の機材はいらない。処理が始まるのは録音を終えたあとで、依頼された音声ファイルをアプリに渡すと、数分ほどで素起こしに近い下書きが仕上がる。そこから先のケバ取り・整文をChatGPTに任せれば、手打ちの時間を大きく削れる。
文字起こし副業の用途では、次の機能が特に役立つ。
- 高精度の文字起こし：GPT-4o Transcribeを採用しており、従来のWhisper系より認識精度が高い
- 認識ずれ検知：聞き取りが怪しい箇所を教えてくれるので、最終確認すべき場所がすぐ分かる
- 使うほど精度が上がる：よく使う固有名詞や専門用語を自動で学習し、案件を重ねるほど認識精度が上がっていく
対応形式はm4a・mp3・webm・mp4・wav・mpga・mpegと幅広い。送信した音声データは、AI処理が完了すると即時に自動削除され、手元に残るのはテキストだけになる。機密性の高いインタビュー音源を扱う副業でも、音声を預けたままにしない設計だ。料金は、無料トライアル（登録後3回まで＋Ask Memolith）から始められ、続けるならエリート 830円/月（月20回）、エグゼクティブ 1,380円/月（月50回）という構成。月に数件の案件を受ける副業のペースなら、この回数でも十分にまかなえる。
あわせて読みたい：
よくある質問
ケバ取りとは
文字起こしの作業工程のひとつで、素起こし（音声を聞こえたまま一字一句書き起こしたテキスト）から「えー」「あのー」「まあ」といった言い淀みや相づち、意味を持たない繰り返しを取り除く作業を指します。素起こしより読みやすいものの、語順や文法まで整える「整文」の手前の段階にあたります。
素起こし・ケバ取り・整文はどう
素起こしは、言い淀みも含めて音声をそのまま一字一句テキスト化したものです。ケバ取りは、その素起こしから意味を持たない繰り返しや言い淀みだけを除いた段階。整文は、そこからさらに語順や文法を整え、書き言葉として読みやすく仕上げた段階です。クライアントがどの段階での納品を求めているかで作業量が変わるため、依頼内容の確認が欠かせません。
メモリスは
メモリス自体にケバ取りや整文をする機能はありません。メモリスが担うのは、録音した音声を数分でテキスト化する部分、つまり素起こしに近い下書きを速く正確に用意するところまでです。そこから先のケバ取り・整文は、ChatGPTなどの生成AIに指示して行う運用が現実的です。素起こしの取得が速く正確であるほど、後工程の直しにかかる時間も短くなります。