「本を書く時間がない」と言う専門家の多くは、実はその内容のほとんどをすでに声に出して話しています。
3年間続けてきたポッドキャストの中に。録画されたワークショップの中に。40回も行ってきた基調講演の中に。同じフレームワークを何度も、そのたびに少しずつ上手に説明してきたクライアントとの通話の中に。そして、他の人へのインタビューをもとに本を作るのであれば、その素材は当然ながら録音の中にあります。
そこで当然浮かぶ疑問があります。それをすべて文字起こしして、本にすることはできるのでしょうか？
2026年、これに挑戦する人々の間で最もよく名前が挙がるツールは2つです。
- Otter.ai：通話に参加してリアルタイムで文字起こしを行い、これまで会議で話したすべての内容を検索・要約できるAI会議アシスタント。
- Descript：録音をドキュメントに変換し、テキストを編集することでメディアを編集できる音声・動画編集ツール。
この比較記事は、話した素材をノンフィクション書籍にしたいコンサルタント、コーチ、創業者、ポッドキャスター、専門家のために書かれています。この目的に照らして両ツールを公正に比較し、そのうえで文字起こしでは解決できない部分についても見ていきます。
結論から
- Otter.aiを選ぶべきなのは、素材の大半がライブの通話や会議（クライアントとのセッション、Zoomでの専門家インタビュー）から生まれ、文字起こしを自動で作成したい場合で、主に必要なのが洗練された音声ではなく検索可能なテキストである場合です。
- Descriptを選ぶべきなのは、素材が公開もしている録音コンテンツ（ポッドキャスト、動画、ウェビナー）であり、メディア自体も整えて再利用したい場合、あるいは録音の言語がOtterの非対応言語である場合です。
- まずは無料プランから始めましょう。「録音から本を作る」というアイデアが自分に合うかどうか確信が持てない場合です。どちらにも、数時間分の素材で本格的に試すには十分な無料プランがあります。
そして、どちらを選ぶにしても、文字起こしの山は原稿ではありません。これについては後ほど詳しく説明します。
Otter.ai：会議の文字起こしツール
Otterは文字起こしアプリとして始まり、本格的な会議アシスタントへと成長しました。その最大の強みは、人が話すときにいつもそこにいることです。
会議に参加してくれる。 Otterのアシスタントは、Zoom、Google Meet、Microsoft Teamsの通話に自動で参加し、リアルタイムで文字起こしを行います。専門家にインタビューする著者にとっては、別途録音する手間がないということです。会話をして電話を切れば、文字起こしが待っています。
話者ごとのライブ文字起こし。 文字起こしは話者ごとに分けられ、タイムスタンプが付き、音声と同期されます。そのため、文をクリックすれば、それが実際にどのように話されたかを聞くことができます。誰かの言葉を正確に引用したいときに便利です。
すべてを横断する検索とAIチャット。 Otterはすべての会話を検索可能な一か所にまとめ、要約を生成し、会議全体にわたって質問することができます。本を書くうえで、これは本当に役立ちます。「3段階のオンボーディングモデルをどこで説明したっけ？」という質問は、一度ならず何度も投げかけることになるでしょう。
過去の録音もインポート可能。 既存の音声・動画ファイルをアップロードできますが、無料プランとProプランではその数に制限があります。
Otter.aiの料金と制限
2026年11月時点のOtterの料金ページによると、次のとおりです。
- Basic（無料）： 月300分の文字起こし、1会話あたり最大30分、ファイルのインポートは合計で3件のみ。
- Pro： 月額16.99ドル、または年払いで月額8.33ドル。月1,200分、1会話あたり最大90分、月10件のファイルインポート。
- Business： 1ユーザーあたり月額30ドル、または年払いで19.99ドル。会議の文字起こし時間は無制限、1会話あたり最大4時間、インポートは無制限で、インポートファイルは月最大6,000分まで。
- Enterprise： 個別見積もり。
OtterのAI文字起こしは、英語、スペイン語、フランス語、ドイツ語、日本語、中国語に対応しています。購入前に、otter.aiで最新の制限を確認してください。
本づくりにおけるOtterの弱点
インポート制限が書籍プロジェクトに大きく響く。 60回分のポッドキャストのバックナンバーや、過去のワークショップ録音のフォルダをもとに作る本は、そのほとんどがライブ会議ではなくインポートです。Basicではインポートは生涯で3件。Proでは月10件、1ファイル90分まで。大規模なアーカイブに本当に対応できるのはBusinessだけです。
メディアではなく会議のために作られている。 Otterが提供するのは文字起こしと要約です。録音そのものの編集、整理、再公開には役立ちません。
対応言語は6つ。 イタリア語、オランダ語、ポルトガル語、その他多くの言語で仕事をしている場合、Otterでは素材を文字起こしできません。
プライバシーと同意。 Otterのアシスタントが自動的に通話に参加することで、多くのユーザーが気まずい思いをしてきました。クライアントや専門家にインタビューする場合は、録音と文字起こしを行うことを伝え、会話が機密性の高いものであれば、Otterのデータ規約を読んでおきましょう。
Descript：録音をドキュメントのように編集する
Descriptは異なるアプローチをとります。主な役割は音声・動画編集ツールですが、取り込んだ録音はすべて文字起こしになり、その文字起こしこそが編集インターフェースです。テキストの文を削除すれば、音声からも消えます。段落を並べ替えれば、録音もそれに従います。
録音をもとに執筆する著者にとって、これはいくつかの興味深い結果をもたらします。
形を整えられる文字起こし。 Descriptは文字起こしをドキュメントとして扱うため、脱線部分をカットしたり、セクションを移動したり、良い部分にテキスト上で直接印をつけたりできます。ログを読むというより、草稿を編集している感覚に近いでしょう。
録音コンテンツに強い。 素材がポッドキャストや動画シリーズであれば、Descriptは長いファイル、複数の話者、マルチトラック録音をうまく扱い、つなぎ言葉や長い間を一括で削除することもできます。
AI共同編集者のUnderlord。 DescriptのAIアシスタントは、編集作業を担当したり、ショーノートや要約を書いたり、録音を他の形式に転用する手助けをしたりできます。これらのAI機能は、別枠のクレジットで動作します。
25言語の文字起こし。 Descriptは25言語での文字起こしを掲げており、オランダ語、イタリア語、ポルトガル語、ヒンディー語、ポーランド語、北欧諸語などを含みます。Otterが対応していない多くの著者をカバーしています。ただし、Otterが対応している日本語と中国語は、Descriptのリストに含まれていない点に注意してください。
メディアが引き続き役に立つ。 本の素材を生み出すのと同じプロジェクトから、整えられたエピソード、SNS向けのクリップ、オーディオグラムも作れます。本がより大きなコンテンツ戦略の一部である専門家にとって、これは大きなメリットです。
Descriptの料金と制限
Descriptは2025年に「メディア分数」と「AIクレジット」を組み合わせたモデルに移行しました。2026年11月時点の料金ページによると、次のとおりです（安いほうの価格は年払いの場合）。
- Free： 月60メディア分と、1回限りの100 AIクレジット。
- Hobbyist： 年払いで月額16ドル（月払いは24ドル）。月600メディア分（10時間）と400 AIクレジット。
- Creator： 年払いで月額24ドル（月払いは35ドル）。月1,800メディア分（30時間）と800 AIクレジット。追加購入も可能。
- Business： 年払いで月額50ドル（月払いは65ドル）。月2,400メディア分（40時間）と1,500 AIクレジット。
- Enterprise： 個別見積もり。
最新の数値はdescript.comで確認してください。Descriptはこれまでにもプランを変更しており、長年のユーザーの中にはクレジット制への移行に不満を持つ人もいました。
本づくりにおけるDescriptの弱点
メディア分数はすぐに尽きる。 取り込む録音1時間ごとに、月の割り当てが消費されます。50時間分のポッドキャストのバックナンバーを文字起こしするには、Creatorプランで2か月かけるか、Businessプランが必要です。
何よりもまずメディア編集ツールである。 Descriptは奥の深いソフトウェアで、習得には時間がかかります。音声に手を加えるつもりがまったくないなら、使わない多くの機能にお金を払い、それを覚えることになります。
会議ボットのワークフローがない。 Descriptは通話やリモートインタビューを録音できますが、Otterのように既存のZoom会議に黙って参加してくれるわけではありません。何十件ものクライアントとの通話には、Otterのほうが便利です。
メディアの編集は文章の編集ではない。 文字起こしはドキュメントのように見えますが、Descriptの編集ツールの目的は、より良い録音を作ることです。ポッドキャストから「えー」を削ることは、会話を読みやすい文章に変えることとは違います。
直接比較：録音をもとにした本で重要なこと
新しいインタビューや通話の記録
勝者：Otter.ai。 今まさに本のためにインタビューを行っているなら、OtterがZoom、Meet、Teamsの通話に参加して自動で文字起こししてくれる便利さには、なかなか敵いません。あなたは話すだけで、テキストは後で用意されています。
既存アーカイブの文字起こし
勝者：多くの著者にとってはDescript。 ポッドキャスト、ウェビナー、ワークショップの録音はインポートするファイルであり、Descriptはそれを前提に作られています。OtterのBasicとProのインポート上限を考えると、Businessに課金しない限り、大規模なアーカイブには不向きです。
文字起こしの品質
ほぼ互角。 どちらも、話者がはっきりしたクリアな音声からは良い文字起こしを生成し、どちらも話者の重なり、強いなまり、質の悪いマイクには苦戦します。ツールよりも録音の品質のほうが重要です。専門用語については、どちらでも名前や業界用語を修正する必要があると考えておきましょう。
テキストの扱いやすさ
わずかにDescriptが優勢。 Descriptのドキュメント型の編集により、脱線部分をカットし、役立つ部分を集めやすくなります。すべての会話を横断するOtterの検索とAIチャットは、物事を見つけるのに優れています。どちらも、執筆ツールに移せるプレーンテキストをエクスポートできます。
対応言語
あなたの言語次第。 Descriptは、ほとんどのヨーロッパ言語を含む25言語に対応しています。Otterの対応は6言語ですが、Descriptのリストにない日本語と中国語が含まれています。
コンテンツの再利用
勝者：Descript。 録音がポッドキャストのエピソードや動画でもあるなら、Descriptを使えば、同じ素材を本にも、番組にも、SNSにも活用できます。
価格
量次第。 インタビューが数件程度なら、どちらの無料プランでも十分です。定期的な通話なら、年払いで月額8.33ドルのOtter Proが最も安い本格的な選択肢です。大量のバックナンバーがある場合は、Otter Business（年払いで月額19.99ドル）とDescript Creator（年払いで月額24ドル）を、実際に文字起こしが必要な時間数と照らし合わせて比較しましょう。
本にできる素材を録音するためのヒント
ツールよりも、どう録音するかのほうが重要です。話した素材から本を作ることに成功している著者は、次のようなことを実践しています。
1. 本を意識して録音する。 インタビューや講演の前に、それがどの章の素材になるかを決めておきましょう。明確な問いを持った会話は使える素材を生みます。漠然とした雑談は、長い文字起こしを生むだけです。
2. ストーリーと事例を求める。 具体的なケース、数字、「実際にはこうだった」という瞬間こそが、ノンフィクション書籍を読む価値のあるものにします。それらを引き出す質問をしましょう。
3. 同意を得る。可能なら書面で。 クライアントやインタビュー相手の言葉を引用する予定があるなら、事前に合意しておきましょう。後でつらい話し合いをせずに済みます。
4. まともなマイクを使う。 クリアな録音は、どんなプランのアップグレードよりも、あらゆる文字起こしを改善します。
5. その都度タグを付ける。 録音が終わったらすぐに、まだ覚えているうちに、各録音の章、トピック、最良の引用をメモしておきましょう。
6. 文字起こしを草稿として扱わない。 話し言葉は繰り返しが多く、締まりがなく、その場にいた人だけが共有していた文脈に満ちています。それはあくまで素材です。
文字起こしでは解決できない問題
ここからが正直な話です。文字起こしは、あなたの話をテキストに変えます。しかし、そのテキストを本に変えてはくれません。
「すべてを文字起こしする」というアプローチを試みる専門家は、たいてい同じ壁にぶつかります。
1. 構造のない量。 50時間の録音は、文字起こしにすると英語でおよそ40万語になります。一般的なノンフィクション書籍は4万語から6万語です。本当の作業は、何を入れるか、どの順番で、なぜそうするかを決めることです。その判断をしてくれる文字起こしツールはありません。
2. 繰り返し。 20回のポッドキャストのエピソードで自分のフレームワークを説明してきたなら、少しずつ異なる20のバージョンがあることになります。本に必要なのは、そのうちの1つ、最良のものを、正しい場所に置くことです。
3. 話し言葉は書き言葉ではない。 会話は、口調、割り込み、共有された文脈に頼っています。紙面上では、それはとりとめのない話に見えます。役立つ一節はどれも、明確な文章に書き直す必要があります。
4. 論旨。 ノンフィクション書籍は読者に約束をし、それを章ごとに果たしていきます。録音には良いアイデアがたくさん詰まっていますが、その約束を軸に整理されたことは一度もありません。
だからこそ、多くのポッドキャスターや講演者が、文字起こしでいっぱいのハードドライブを持ちながら、いまだに本を出せていないのです。
AIによる書籍執筆の役割
つい手を出したくなる近道は、文字起こしをChatGPTに貼り付けて章を書いてもらうことです。返ってくるのは、なめらかで当たり障りのない文章で、最良の事例は抜け落ち、意見はぼかされ、他のどのビジネス書とも同じように聞こえるものです。こうした限界については、ChatGPTで本は書けるのか？で取り上げました。仕事全体を他の人に任せることを検討しているなら、ノンフィクション書籍におけるゴーストライターとAIの比較をご覧ください。また、章を直接話して形にしたいなら、Wispr FlowとDragonの比較をお読みください。
専門家が本当に必要としているのは、著者主導のワークフローです。まず明確な構造があり、重要な判断はすべてあなたが下しながら、AIがあなた自身の素材から下書きと推敲を手伝うというものです。
それが、私たちがWriteABookAIを作った理由です。これは書籍に特化したワークスペースで、次のことができます。
- あなたが本の約束と読者を定義し、プラットフォームが章ごとのアウトライン作りを手伝います。アウトラインは自由に組み替えられます。このアウトラインこそが、文字起こしのどの部分が本当に本に入るべきかを教えてくれます。
- あなたが中身を持ち込みます： OtterやDescriptの文字起こし、メモ、フレームワーク、クライアントのストーリー。AIは埋め草を作り出すのではなく、その素材から下書きを作成します。
- あなたがすべての章を編集し、書き直し、方向づけます。まとまりのない話し言葉の素材を、あなたらしさを残した明確な文章に変えていきます。
文字起こしツールとWriteABookAIは、うまく連携します。すでに話した内容を記録するにはOtterやDescriptを使いましょう。それに構造を与え、完成した一貫性のある初稿に仕上げるにはWriteABookAIを使いましょう。
結局、どちらを選ぶべきか？
Otter.aiを選ぶべき場合：
- 素材の大半が、Zoom、Meet、Teamsでのライブ通話やインタビューから生まれる
- 余計な手間をかけずに、文字起こしを自動で作成したい
- 主に必要なのは、編集されたメディアではなく、検索可能なテキストと要約である
- 英語、スペイン語、フランス語、ドイツ語、日本語、中国語のいずれかで仕事をしている
Descriptを選ぶべき場合：
- 素材が、ポッドキャスト、ウェビナー、動画のアーカイブである
- 録音の編集や再公開もしたい
- 文字起こしをドキュメントのように整えるのが好き
- Otterが対応していない多くのヨーロッパ言語のいずれかで仕事をしている
WriteABookAIを追加すべき場合：
- 何時間分もの録音と文字起こしがあるのに、原稿がない
- 本当のボトルネックが、構造と完成した初稿にたどり着くことである
- 専門知識を置き換えるのではなく、増幅してくれるAIが欲しい
- 完成した本が、紛れもなくあなた自身のものであってほしい
最終評価
ライブのインタビューやクライアントとの通話から本を作る専門家にとっては、Otter.aiのほうが便利なツールです。会話を自動で記録し、検索可能にしてくれます。録音コンテンツのアーカイブを抱えている著者、特にポッドキャスターや動画クリエイターにとっては、Descriptのほうが適しています。大きなファイルをうまく扱い、より多くの言語に対応し、録音をメディアとしても活かし続けることができます。
しかし、文字起こしと本を混同しないでください。文字起こしが解決するのはタイピングです。ノンフィクション書籍の難しいところは、あなたが話してきたことを、読者がついていける構造と完成した草稿に変えることであり、それはまったく別の問題です。
録音を章に変える準備ができたら、WriteABookAIを試して、すでに知っていることから始めると、どれほど早く本が形になるかを確かめてみてください。