インタビューの文字起こし完全ガイド｜逐語録の形式・実例・おすすめの方法【2026年版】

インタビューを終えて、分析や記事化をするのに、文字起こしを行う必要があります。

文字起こしは1つの作業に見えますが、実際には、どこまで忠実に起こすか（仕上げレベル）、どんな形式でまとめるか、そして自力・AIツール・代行サービスのどれで進めるか、の3つを決める必要があります。

この記事ではこの3つの決め方を順に整理しながら、そのまま使える逐語録の実例、費用と時間の比較表、研究・取材・採用それぞれの文字起こしのコツまでまとめました。

⚠️ 本記事は、2026年8月時点の公開情報やユーザーフィードバックを基に独自にまとめたものです。

目次

1. インタビューの文字起こしとは
2. 素起こしとケバ取りと整文の違い
3. 逐語録の形式と実例
4. 文字起こしの方法を3つ比較
5. AIでインタビューを文字起こしする手順
6. 文字起こしツールの選び方チェックリスト
7. 用途別のコツ
8. 多言語インタビューと翻訳
9. よくある失敗と録音の許可
10. よくある質問
11. まとめ

インタビューの文字起こしとは

インタビューの文字起こしとは、誰が何を話したかを文章として記録することです。 通常は話者名を付け、必要に応じてタイムスタンプも入れます。研究の世界では「逐語録」と呼ばれることも多く、録音データを検索・引用・分析できる資料に変えるための工程です。

メモや要約と混同されやすいのですが、役割はまったく別物です。メモには書き手のその場の解釈が混ざりますし、要約は会話を後から圧縮したものです。文字起こしが残すのは、会話そのものです。研究者なら発言をそのままコーディングや引用に使えますし、記者なら「たしかにこう言った」という根拠を示せます。採用担当者が候補者を比較するときも、頼りになるのは誰かの記憶ではなく記録のほうです。どの仕事でも結局、「本人が実際に何と言ったか」に立ち返ることになります。

とはいえ、文字起こしそのものが成果物になることはめったにありません。分析や記事や選考の判断に進むための材料にすぎない以上、目指すところは単純で、できるだけ正確なものを、自分の時間をできるだけ使わずに作ることに尽きます。

素起こしとケバ取りと整文の違い

ツール選びの前に決めておきたいのが、どこまで忠実に文字にするかです。日本の文字起こし業界には仕上げレベルの定番の呼び名があり、ここの選択を誤ると、不要な作業に何時間も費やすか、逆に必要だったデータを捨てることになります。

• 素起こし（完全逐語）: 「えー」「あの」といったフィラー、言い直し、笑い、沈黙まで全部を文字にします。話し方そのものが分析対象になる談話分析、質的研究の一部の流儀、法務関連、迷いや間が重要なシグナルになるUXリサーチに向きます。
• ケバ取り: フィラーや言い直しを取り除き、発言内容はそのまま残します。意味を変えずに読みやすくする仕上げで、取材記事、採用、ポッドキャスト、ビジネスインタビュー全般の標準です。
• 整文: 語順や表現を整え、読み物として仕上げます。文字起こしが「証拠」ではなく「伝えるための文書」であるときだけ使います。インタビュー記事や社内共有用のまとめが典型です。

迷ったら、発言をそのまま引用したり分析でコーディングしたりする予定があるかどうかで決めてください。あるなら素起こしかケバ取り、会話の流れが伝わればよい読み物なら、ケバ取りか整文で十分です。

逐語録の形式と実例

公式の統一フォーマットはありませんが、次の3パターンでほぼすべての場面に対応できます。どれを選んでも、1本の逐語録の中では形式を統一してください。

質問と回答の形式

1対1のインタビューで最も読みやすい形式です。聞き手と話し手を表記し（イニシャルでも役割名でも可）、発言が替わるたびに改行します。

聞き手: 昨年ツールを切り替えた決め手は何でしたか？

佐藤: 正直に言うとエクスポートです。法務がログを確認できる必要が
あったんですが、前のツールはデータを全部自社アプリの中に
閉じ込めていたので。

聞き手: 移行にはどのくらいかかりましたか？

佐藤: 2週間くらいですね。ほとんどは古い録音の整理でした。

話者名とタイムスタンプ付きの形式

複数人のインタビューや、後で音声と突き合わせる可能性がある資料では、話者が替わるタイミング（または30秒ごとなど一定間隔）でタイムスタンプを入れます。

[00:03:12] 進行役: オンボーディングの体験について伺います。
[00:03:18] 参加者2: 最初の1週間は問題ありませんでした。2週目で
つまずきました。セットアップの担当者がいなくなったからです。
[00:03:31] 参加者1: 私も同じです。返事が来るまでに問い合わせを
3回出しました。

質的研究向けの形式

研究用の逐語録では、引用のための行番号、匿名化した話者コード（P1、P2など）、角かっこの注記を加えるのが一般的です。

042  I:  その出来事で毎日の仕事はどう変わりましたか？
043  P1: 最初は変わりませんでした。［笑い］数字が信用できなくて、
044      全部手作業で確認し続けていたんです。6週間くらい経って、
045      ようやく二重チェックをやめました。

形式が何であれ、身につけておきたい習慣が3つあります。

• 聞き取れない箇所は推測で埋めず、［聴取不能 00:14:22］のように明示しておきます。
• ［笑い］や［長い沈黙］など、意味に関わる非言語情報は角かっこで残します。
• 文書の冒頭に、日付・参加者・録音時間のヘッダーを付けておきます。

どれも地味ですが、この3つを守っておくと、後から見返すときの手間がまるで違います。

文字起こしの方法を3つ比較

録音から逐語録にたどり着くルートは、現実的には3つです。それぞれの得意と不得意を正直に比較します。

自力での文字起こしは昔ながらの方法です。再生しては止め、入力しては巻き戻す、という作業を延々と繰り返します。個人差はありますが、専門でない人は音声の長さの4〜8倍かかるのが相場です。1時間のインタビューで丸1日つぶれる計算になります。それでも、5分のクリップだけ起こしたいときや、規程で音源を外部にアップロードできないときには今も合理的な選択です。

AI文字起こしツールは、いまや多くのチームで標準になりました。クリアな会話音声であれば最近の音声認識は十分実用的で、話者を自動で分けたうえで、数分後には検索できるテキストが手に入ります。ただし雑音の多い音源、発言のかぶり、専門用語は苦手なので、人間による短い見直しは工程に残しておいてください。

文字起こし代行サービスは、プロの作業者がファイルを仕上げてくれます。2026年8月時点の目安では、人の手による文字起こしは音声1分あたり100〜300円程度の価格帯が多く、納期はプランによって数時間から数日です。裁判所や出版社、コンプライアンス部門が一言一句に依存する案件なら、この投資には意味があります。

実務では、ハイブリッドに落ち着くケースがほとんどです。重い部分はAIに任せて、自分は固有名詞・専門用語・実際に引用する発言だけを10〜20分かけて確認します。やってみると分かりますが、これより効率のいい分担はなかなか見つかりません。

AIでインタビューを文字起こしする手順

SuperInternを例に、最初から最後までの流れを見ていきます。SuperInternはbotが会議に参加しないデスクトップ型の会議アシスタントです。デバイスの音声を直接取得するため、ZoomやGoogle Meet、Teamsのインタビューはもちろん、PCで再生する通話音声や、対面インタビューの録音ファイルまで同じように扱えます。

すでに録音済みのインタビュー（音声ファイル）の場合

1. 録音をアップロードします。 SuperInternは音声ファイルの文字起こしに対応していて、話者も自動で分離されます。「話者1／話者2」のラベルが最初から付いた状態で始められます。
2. 話者名を直します。 検出された話者を「聞き手」と相手の名前（またはコード）に変えます。この一手間だけで、逐語録全体が一気に読みやすくなります。
3. 音声と突き合わせて確認します。 全体をざっと読み、固有名詞・数字・専門用語を重点的にチェックします。記憶が新しいうちにやるのがコツです。
4. 要約を生成します。 要点とフォローアップをまとめた要約が自動で作られます。逐語録の表紙として使えます。
5. 書き出すか、質問します。 好きな形式にコピーして仕上げてもいいですし、内蔵のAIチャットに「価格への懸念に触れた発言を全部挙げて」と頼む使い方もできます。

これから行うインタビュー（リアルタイム）の場合

1. 通話の前にSuperInternを起動します。 会議にbotは入りません。アプリがシステム音声とマイクを直接聞くので、相手から見えるのはいつも通りの通話だけです。
2. 文字起こしはリアルタイムに任せます。 話している間に話者別のテキストが積み上がっていきます。タイピングから解放されて、相手の目を見て話せます。
3. AI Canvasでノートを構造化します。 記録したい項目（重要な回答、印象的な発言、追加で聞くこと）をあらかじめ決めておくと、完全な逐語録が下に積み上がる間に、ノートがリアルタイムで整理されていきます。

どちらの流れでも、セッションが終わった時点で手元に残るのは、話者別の逐語録と要約です。生の録音ファイルと「あとで起こす」という宿題ではありません。2026年8月時点で、SuperInternにはクレジットカード不要の無料プランと、月3,300円で100時間まで使えるPlusプランがあります。料金は変わる可能性があるため、最新情報は公式サイトでご確認ください。

文字起こしツールの選び方チェックリスト

インタビュー用の文字起こしツールを比較するなら、候補ごとに次のチェックリストを当ててみてください。

• 自分の音源での精度: ベンダーのデモではなく、実際の録音でテストします。ツールの差が出るのは、なまり・業界用語・部屋の反響といった条件です。
• 話者分離: インタビューでは必須機能です。発言がかぶったときにどこまで持ちこたえるかも確認します。
• タイムスタンプと音声連動の再生: 引用を1つ検証するのに数秒で済むか、ファイル全体を探し回ることになるかの分かれ目です。
• ファイルアップロードとリアルタイム記録の両対応: アップロード専用のツールもあれば、ライブ会議専用のツールもあります。インタビューは両方の形でやってくるので、両対応が有利です。
• 対応言語: 文字起こしの対応言語に加えて、海外インタビューがあるなら翻訳の対応も見ておきます。
• ユーザー辞書: 製品名や専門用語を登録できると、続き物のインタビュー案件で修正時間が目に見えて減ります。
• プライバシーとデータの扱い: 音源がどこに、いつまで保存されるかを確認します。学習に使われないかどうかも重要です。研究や採用のインタビューでは、これは好みの問題ではなく必須の要件です。
• 書き出し形式: 逐語録をツールの外へ持ち出せるかを確認します。テキスト、Word、話者名が保持されるコピー＆ペーストのいずれかは欲しいところです。

市場をざっくり整理しておきます。Otter.aiやNottaのような汎用AIツールは、ファイルアップロードとbot型の会議記録が中心です。OpenAIのWhisperのようなオープンソースは無料ですが、技術的なセットアップと話者分離の工夫が別途必要になります。精度の上限を求めるなら、人の手による代行です。SuperInternの立ち位置は、ファイルアップロードとbotなしのリアルタイム記録を1つのツールでこなし、会話中に構造化ノートまで作る点にあります。どのトレードオフを取るかは上のチェックリストで判断してください。機能の詳細は変わるので、各公式ページでの確認をおすすめします。

用途別のコツ

質的研究

逐語のレベル、匿名化のコード、注記の記号といった文字起こしのルールは、最初のインタビューの前に文書で決めておきます。コーディングの信頼性を左右するのは個々の選択の良し悪しではなく、全インタビューを通した一貫性のほうです。各セッションの後は、なるべく早く文字起こし（最低でも確認）まで済ませてください。曖昧な箇所は、記憶が新しいうちにしか解決できません。クラウドに音源を上げる前には、所属機関の規程も確認してください。事前の匿名化や承認済みベンダーの利用を求められるケースは珍しくありません。

取材・報道

仕上げはケバ取りが標準ですが、元の録音は公開まで必ず保管します。引用に異議が出たとき、音声が自分を守ってくれます。タイムスタンプ付きの逐語録はファクトチェックを大幅に速くします。長期の調査報道では、全取材の検索可能な逐語録アーカイブが、事実上プロジェクトのデータベースになります。

採用面接

逐語録があると、面接官はタイピングではなく面接そのものに集中できます。面接後の振り返りも、パネルの誰かの記憶ではなく「候補者が実際に何と言ったか」を土台に議論できます。公平性と適法性の観点では、記録することを候補者に伝える、全候補者に同じプロセスを適用する、逐語録を他の候補者データと同じアクセス管理下に置く、この3点だけは必ず守ってください。

UX・顧客リサーチ

ここで価値を持つのは、発言の正確な言い回しそのものです。ユーザーが問題を「どんな言葉で」説明したかは、ときに問題そのものより多くを教えてくれます。素起こしかケバ取りで残し、セッション直後に印象的な発言をリサーチ資料集へ切り出す習慣をつけておくと、分析の段階で確実に楽になります。

多言語インタビューと翻訳

海外リサーチやグローバル採用になると、ハードルがもう1段上がります。インタビューの言語を、関係者の一部が読めないという問題です。文字起こしを終えてから翻訳に回す従来のやり方だと、費用も待ち時間も2倍かかります。

最近のツールは、この工程をまとめて処理します。たとえばSuperInternは、インタビュー中に50以上の言語へ翻訳したリアルタイム字幕を表示でき、話されていた言語に関係なく、チームの作業言語で要約を生成できます。スペイン語で行ったユーザーインタビューでも、数分後には英語の要約付きで資料集に入り、検証用に原語の逐語録もそのまま手元に残ります。

よくある失敗と録音の許可

時間を最も奪う失敗はこの5つです。

1. 録音が雑。 文字起こしの品質は録音品質が上限です。可能なら外付けマイクかヘッドセットを使い、開始前に10秒のテスト録音をしてください。
2. 「念のため」全部素起こしにする。 分析にフィラーが不要なら、ノイズのために大きな時間コストを払っていることになります。
3. 見直しを飛ばす。 AIの出力は優秀ですが、固有名詞・数字・専門用語はAIが間違えやすいうえに、引用で使いたいのはたいていその箇所です。
4. 話者の対応付けを放置する。 「話者1」「話者2」のまま誰なのか分からない逐語録は、価値が半減します。ラベルはセッション直後に直しましょう。
5. 何週間も寝かせる。 音声の曖昧な箇所は、記憶が薄れるほど解決が難しくなります。

録音の許可についても触れておきます。インタビューの録音には、原則として相手の同意を得るべきです。法的な要件は国や地域で異なり（アメリカでは一方当事者の同意で足りる州と全員の同意が必要な州に分かれます）、会社の規程が法律より厳しいこともあります。プロとして安全なやり方はシンプルです。毎回のインタビュー冒頭に、「正確に記録したいので録音してもよろしいですか？」と、録音に残る形で許可を取ります。研究の場合は、録音・文字起こし・データの保管と匿名化の方法まで同意書でカバーしておきます。

よくある質問

1時間のインタビューの文字起こしにはどのくらいかかりますか？ 手作業なら、専門でない限り4〜8時間を見込んでください。AIツールなら数分でドラフトが出ます。代行サービスはプランによって数時間から数日です。AIのドラフトに自分の10〜20分の見直しを足すハイブリッドが、たいていの場合ちょうどいいバランスです。

インタビューの文字起こしの費用はいくらですか？ 自力なら時間以外は無料です。AIツールは無料プランが一般的で、有料プランはおおむね月1,500〜5,000円程度です。人の手による代行は、2026年8月時点で音声1分あたり100〜300円程度が目安なので、1時間のインタビューでおよそ6,000〜18,000円になります。

AIの文字起こしは質的研究に使える精度ですか？ クリアな音声なら、AIのドラフトを土台に録音と突き合わせて確認する方法で、厳密さを保ちながら時間の大半を節約している研究者が多くいます。なまりが強い、雑音が多い、厳密な素起こしが要件、といった場合は見直し時間を多めに取るか、代行サービスを使ってください。どの方法でも、手順を方法論として記録しておくことが大切です。

録音と文字起こしに相手の許可は必要ですか？ 実務上は必要と考えてください。録音前に、参加者全員へ、録音に残る形で許可を取るのが安全です。法的な要件は地域によって異なり、研究倫理委員会や会社の規程は多くの場合、明示的な同意を別途求めます。

逐語録と議事録の違いは何ですか？ 逐語録は会話そのものを一言一句（またはそれに近い形で）記録します。議事録は決定事項とアクションアイテムを構造化した要約です。インタビューにはほぼ常に逐語録が、社内会議には通常は議事録が必要です。SuperInternを含む一部のツールは、1回のセッションから両方を作れます。

動画ファイルからでも文字起こしできますか？ 基本的にできます。重要なのは音声トラックです。多くのツールが一般的な動画形式に対応しているか、先に音声を抽出する方法を案内しています。品質を決めるのは動画ではなく、声がどれだけクリアに録れているかです。

自分で行ったインタビューはどう引用しますか？ 引用スタイルによります。APAスタイルでは、自分で行った未公開のインタビューは「私信」として扱い、本文中でのみ引用して参考文献リストには載せません。公開済みのインタビューは、掲載元の媒体を基準に引用します。所属機関や出版社の規程も確認してください。

まとめ

インタビューの文字起こしは、結局のところ順番に3つ決めるだけです。仕事に本当に必要な仕上げレベル（素起こし・ケバ取り・整文）を選び、一貫した形式を決め（上の実例はそのまま使えます）、締め切りと予算に合う方法を選びます。2026年現在、その方法はたいてい「ドラフトはAI、仕上げの確認は人間」に落ち着きます。手作業は特殊なケースに、代行サービスは出版級の正確さが求められる案件に取っておけば十分です。

インタビューが日常業務の一部なら、いちばん効くのは文字起こしを「自動で付いてくるもの」にしてしまうことです。録音するだけで話者別の逐語録と要約が手に入る状態を作り、自分の集中力は会話そのものに使ってください。SuperInternを無料で試す：過去のインタビュー音源をアップロードするか、次のインタビューをそのまま記録してみてください。通話にbotは入らず、クレジットカードも不要です。