メインコンテンツへスキップ
NEWS約2.4億円の資金調達を実施（新しいタブで開きます）

MP4 文字起こし

MP4から文字起こしする方法。変換せず、そのままアップロード。

MP4は映像と音声を1つにまとめたファイルです。文字起こしに使うのは音声トラックだけなので、音声が入っていて10GB以内なら、mp3やwavに変換せずそのままアップロードできます。容量の目安、音声だけを抽出したほうがよい場面、Wordの「トランスクリプト」との違い、字幕用の書き出し、うまくいかないときの確認まで整理します。

公開日：更新日：執筆・運営：

MP4の文字起こしは、ファイルの状態で最適な方法が変わります。音声が入っていて10GB以内のMP4なら、変換せずにそのままアップロードするのが最短です。手元のMP4がどの行に当たるかを先に確認してください。

MP4の拡張子を.mp3や.m4aに書き換えても、中身は変わりません。形式を変えたいときは、拡張子の変更ではなく音声の書き出し（抽出）をします。

会議やインタビューを録画したMP4を扱う場合は、録画の前に参加者へ録画することと目的を伝え、了承を得てください。

MP4の状態 × おすすめの方法（2026年10月11日時点）
MP4の状態おすすめの方法理由・目安
10GB以内で、再生すると声が聞こえるMP4のままKlangにアップロード変換は不要。言語は自動検出され、日本語と英語を含む17言語に対応
10GBを超える（高画質で長時間の撮影など）音声だけをm4aなどに抽出してからアップロード128kbpsの音声なら1時間で約58MB。映像を外すだけで容量が大きく下がる
Zoomのローカル録画で、同じフォルダにm4aもある音声のみのm4aをアップロードZoomは既定で音声のみのファイル（audio〜.m4a）も作る。容量が小さく早く終わる
動画に字幕を付けたいMP4をアップロードし、SRTまたはVTTで書き出す書き出した字幕ファイルを動画編集ソフトや配信サービスに読み込む
Microsoft 365を契約していて、短い動画が数本だけWordの「トランスクリプト」に.mp4をアップロードアップロードは月300分まで。Web版はEdgeとChromeで動作
音声トラックが複数ある（配信ソフトの録画など）必要なトラックを音声として書き出してからアップロードどのトラックが処理されるかはツールによって異なるため、目的の声だけを渡すと確実
再生しても音が出ない文字起こしの前に録画の設定を見直す音声トラックが空なら、どのサービスでも文字にならない

MP4（MPEG-4 Part 14）は、映像・音声・字幕などのデータをまとめて入れる「コンテナ」と呼ばれる形式です。映像はH.264やH.265、音声はAACで保存されていることが多く、文字起こしのサービスが読むのは音声トラックの部分です。

  • 映像トラック

    画面や撮影した映像のデータです。MP4の容量の大部分を占めますが、文字起こしの結果には影響しません。解像度やフレームレートを変えても、文字の精度は変わりません。

  • 音声トラック

    話し声が入っている部分で、文字起こしに使われます。多くはAACで圧縮されています。録画の設定でマイクがオフだと、このトラックが無音になるか、存在しません。

  • 複数の音声トラック

    配信ソフトや一部の録画ソフトは、マイクとパソコンの音を別のトラックに分けて保存できます。目的の声がどのトラックにあるかを確認してから使います。

MP4がよく作られる場所と、文字起こしで気をつけること（2026年10月11日確認）
作られる場所保存先・ファイル気をつけること
Zoomのローカル（コンピュータ）録画Windowsは C:\Users\[ユーザー名]\Documents\Zoom、Macは /Users/[ユーザー名]/Documents/Zoom。映像のMP4と音声のみのm4a文字起こしだけならm4aで足りる。Zoom自体はローカル録画を文字起こししない
WindowsのXbox Game Bar「ビデオ」→「キャプチャ」フォルダにMP4録画中のマイクのオン・オフはWindowsキー＋Alt＋M。声が入っているか再生して確かめる
動画編集ソフトの書き出し書き出し時に指定した場所音声を書き出す設定がオフだと、音声トラックが空になる
セミナーや研修の配布動画配布元のダウンロード文字起こしの結果を使う範囲は、配布元の利用条件に従う

Klangを使ったMP4の文字起こしは4ステップです。変換ソフトのインストールや、mp3への書き出しは必要ありません。

このページはMP4という形式に特有の確認をまとめています。mp3・m4a・wavを含め、形式を問わないアップロードから要約・共有までの流れは「音声ファイルの文字起こし」で、動画全般の文字起こしの考え方は動画の文字起こしガイドで説明しています。

  1. 01

    MP4を再生して、声が入っているか確かめる

    最初の数十秒と途中の1か所を再生し、話し声が聞こえるかを確認します。無音なら、アップロードより先に録画の設定を見直します。

  2. 02

    KlangにMP4をアップロードする

    ブラウザでKlangを開き、アップロード画面にMP4をドラッグ＆ドロップします。1ファイル10GBまでで、複数のファイルをまとめて選べます。スマホの場合はKlangアプリから追加します。

  3. 03

    話している言語を選ぶ

    言語は「自動」のままにすると検出されます。日本語と英語が混ざる会議にも対応しています。対応言語は日本語・英語を含む17言語です。

  4. 04

    元の音声で確認して、書き出す

    文をクリックすると、その箇所が再生されます。人名や数字を聞き直して直したら、議事録ならWord、字幕ならSRTやVTTで書き出します。

MP4の容量は、映像と音声を合わせたビットレート（1秒あたりのデータ量）と長さで決まります。下の表はビットレート×時間で計算した目安で、実際のファイルは少し前後します。

手元のMP4のビットレートが分からないときは、ファイルの容量を再生時間で割ると概算できます。たとえば1時間で4.5GBなら、約10Mbpsです。

画面共有が中心の会議の録画は容量が小さめで、10GBに届くことはあまりありません。高画質で長時間撮影した動画は上限を超えやすいため、次の章の音声抽出を使います。

MP4の容量の目安（計算値。10GB＝10,000MBとして計算）
合計ビットレート1時間あたりの容量10GBに収まる長さ
1Mbps約450MB約22時間
5Mbps約2.25GB約4時間27分
20Mbps約9GB約1時間7分
50Mbps約22.5GB約27分

MP4はそのままアップロードできますが、音声だけを抽出したほうが速く確実に進む場面があります。抽出すると映像が外れるため、1時間の会議でも数十MB程度になります。

反対に、画面に映った資料と発言を照らし合わせたい場合や、字幕を付ける動画そのものを確認したい場合は、MP4のままアップロードします。抽出するときは元のMP4を残し、別の名前で音声を保存してください。

  • 10GBを超えるMP4

    高画質の長時間撮影は上限を超えることがあります。音声だけならAAC 128kbpsで1時間約58MBなので、分割せずに1ファイルで扱えます。

  • 回線が遅い、外出先からアップロードする

    数GBのMP4は送信に時間がかかります。音声だけを送れば、待ち時間と通信量を大きく減らせます。

  • 音声トラックが複数ある

    目的の声が入ったトラックだけを書き出してからアップロードすると、別トラックのBGMやパソコンの音が混ざりません。

  • 画面の内容を共有したくない

    画面に社外秘の資料が映っている場合、文字起こしに必要な音声だけを渡すほうが、扱うデータを減らせます。

Microsoft Wordの「トランスクリプト」は、アップロードした.mp4を文字起こしできます。Microsoftの公式ヘルプでは、対応形式は.wav、.mp4、.m4a、.mp3で、日本語（日本）にも対応しています（2026年10月11日確認）。

Microsoft 365を契約していて、月に数本の短い動画を文字にするだけなら、Wordの「トランスクリプト」で足ります。長い動画が多い場合や、字幕ファイルとして書き出したい場合は、上限のないアップロード型のサービスが向いています。

  1. 01

    Wordで「トランスクリプト」を開く

    「ホーム」→「ディクテーション」→「トランスクリプト」を選びます。Web版は新しいEdgeとChromeで動作し、インターネット接続が必要です。

  2. 02

    MP4をアップロードする

    「オーディオのアップロード」を選び、MP4ファイルを指定します。処理が終わると、文字起こしがWordの横に表示されます。

Wordの「トランスクリプト」と、MP4をKlangで文字起こしする方法の比較（2026年10月11日時点）
項目Wordの「トランスクリプト」MP4をKlangで文字起こし
必要な契約Microsoft 365のサブスクリプションフリープラン（0円・クレジットカード不要）から
アップロードの量月300分まで（Copilotライセンスでは30,000分）文字起こし時間の上限なし。1ファイル10GBまで
使える環境Web版はEdgeとChrome。Windows版は法人テナントのWord for Microsoft 365PCのブラウザ、iPhone・Androidアプリ
書き出しWord文書への挿入Word・Excel・SRT・VTT・TXT・HTML・CSV・JSON
日本語日本語（日本）に対応日本語・英語を含む17言語に対応

MP4に字幕を付ける場合は、文字起こしの結果をSRTまたはVTTの字幕ファイルで書き出し、動画編集ソフトや配信サービスに読み込みます。Klangは動画編集ソフトのプラグインではないため、字幕ファイルを経由するのが確実な流れです。

  1. 01

    MP4をアップロードして文字起こしする

    字幕にする場合は、固有名詞や数字をこの段階で元の音声と照らして直しておくと、編集ソフトでの修正が減ります。

  2. 02

    SRTまたはVTTで書き出す

    動画編集ソフトに読み込むならSRT、Webの動画プレーヤーで使うならVTTを選ぶのが一般的です。

  3. 03

    編集ソフトや配信サービスに読み込む

    字幕ファイルを読み込み、表示の位置や1行の長さを整えます。MP4自体を作り直す必要はありません。

MP4の文字起こしがうまくいかない原因の多くは、AIではなくファイルの中の音声トラックにあります。多い症状から順に確認してください。

macOS 27以降の画面収録では、「システムオーディオを含める」を選ぶとパソコンの音も録音できるとAppleは案内しています。画面録画の音が入らない原因は、画面録画のガイドで端末別にまとめています。

MP4の文字起こしでよくある症状と確認すること
症状よくある原因確認・対処
ほとんど文字にならない録画時にマイクがオフで、音声トラックが無音MP4を再生して声を確認。Macの画面収録は「オプション」でマイクを選び、Game BarはWindowsキー＋Alt＋Mでマイクをオンにしてから録る
相手の声だけ入っていない画面録画がマイクの音だけを録っていたmacOS 26以前の画面収録はマイクのみ。会議は会議ツールの録画か会議アシスタントで残す
アップロードが終わらない、上限を超える10GBを超えている、回線が遅い音声だけを抽出してからアップロードする
BGMや別の人の声ばかり文字になる目的と違う音声トラックが使われた必要なトラックだけを音声として書き出す
途中から文字が途切れるダウンロードやコピーが途中で止まり、ファイルが壊れているパソコンで最後まで再生できるか、再生時間が元の動画と同じかを確認
可変フレームレート（VFR）が気になるVFRは映像のコマの間隔に関する設定音声の聞き取りには関係しないため、文字起こしのために変換する必要はない

MP4から抽出したm4aや、ICレコーダーのmp3、録音機器のwavも、MP4と同じ手順でアップロードできます。形式ごとの取り出し方と容量の注意点は個別のガイドにまとめています。

Klangは、MP4を含む動画・音声ファイルを1ファイル10GBまで受け付けます。フリープランは文字起こし時間無制限・クレジットカード不要で、AI要約・決定事項・タスクの下書きまで作れます。話者の自動識別はプロプランの機能です。

  • MP4を変換せずにアップロード
  • 文をクリックして元の音声で確認
  • Word・SRT・VTTなどで書き出し
無料で試す
MP4は変換しないと文字起こしできませんか。

変換は不要です。Klangは1ファイル10GBまでのMP4をそのまま受け付けます。10GBを超える場合だけ、音声を抽出してからアップロードします。

WordでMP4を文字起こしできますか。

できます。Wordの「トランスクリプト」は.mp4のアップロードに対応しています。ただしMicrosoft 365のサブスクリプションが必要で、アップロードは月300分までです（2026年10月11日確認）。

MP4を文字起こししたら、ほとんど文字にならなかったのはなぜですか。

多くは、MP4の音声トラックに声が入っていないことが原因です。再生して声が聞こえるかを確認し、無音なら録画の設定でマイクをオンにして録り直します。

4Kの長い動画はどうすれば文字起こしできますか。

10GBを超える場合は、音声だけを抽出してからアップロードします。音声だけならAAC 128kbpsで1時間約58MBになり、長時間でも1ファイルで扱えます。

MP4の文字起こしから字幕ファイルを作れますか。

作れます。KlangではSRTとVTTで書き出せるので、動画編集ソフトや配信サービスに字幕ファイルとして読み込みます。

クレジットカードは不要です。数分でお使いいただけます。

無料で始めるお問い合わせ