ブログ / 社外秘の録音をアップロードせずに文字起こしする方法

なぜ「アップロード」自体が問題になるのか

クラウド型の文字起こしサービスは便利ですが、仕組み上、録音ファイルを事業者のサーバーに送信します。このとき問題になるのは、サービスのセキュリティ強度ではなく、もっと手前の話です。

• 社内規程 — 「業務データを許可外の外部サービスに保存・送信しない」という情報管理規程は多くの企業にあります。録音の送信はこれに該当し得ます。
• NDA(秘密保持契約) — 取引先とのNDAに「秘密情報を第三者に開示しない」条項がある場合、打ち合わせ録音を第三者のサーバーに送ることが問題になり得ます。
• 相手への説明 — 取材やインタビューで「録音は外部に出しません」と伝えている場合、クラウド処理はその約束と矛盾します。

つまり「安全なサービスを選ぶ」ではなく、「そもそも外に出さない」ことが要件になっているケースです。この場合、選択肢は次の3つに絞られます。規約面から確認したい方は クラウド文字起こしの規約で確認すべき5項目 もあわせてどうぞ。

アップロードしない3つの方法

1. 手起こし。 確実ですが、1時間の録音の文字起こしには一般に4〜6時間かかると言われます。毎週発生する業務なら、時間コストが最も高い選択肢です。
2. 音声認識モデル「Whisper」を自力で動かす。 OpenAIが公開しているWhisperはオープンソースで、自分のPCで動かせば音声は外に出ません。ただしコマンドライン操作・環境構築が必要です。詳しくは Whisperをそのまま使う vs アプリで使う で正直に比較しています。
3. ローカル文字起こしアプリ。 ②を「インストールするだけ」に製品化したものです。WhisperHUBはこのタイプで、話者分離やAI要約までPC内で完結します。

方法3「ローカル文字起こし」の仕組み

ローカル型は、音声認識の処理そのものをお使いのPCの中で実行します。録音ファイルはどのサーバーにも送信されません。

導入前チェックリスト

ローカル型を検討するとき、確認すべきはこの4点です。

1. 処理が本当にローカルか。 「ローカル対応」をうたっていても一部処理がクラウドのツールもあります。オフライン(Wi-Fiオフ)で動作するかが最も確実な見分け方です。オフライン動作の仕組みと限界 に詳しく書きました。
2. PCの性能で実用になるか。 ローカル型は処理をPCが担うため、速度は機種に依存します。無料トライアルで実際の録音を試すのが確実です。
3. 付随機能もローカルか。 文字起こしはローカルでも、要約や翻訳はクラウドAPIというツールは多くあります(WhisperHUBはAI要約もローカルLLM同梱で、クラウドAPI連携は任意です)。
4. 書き出しと保存場所。 結果のテキストがPC内にどう保存されるか、他ツールへ書き出せるかを確認します。

注意点 — 「完全に外に出ない」の正確な意味

誠実さのために、WhisperHUBの場合の「通信が発生する場面」を正確に書いておきます。

• 初回のモデルダウンロード — 文字起こし用のAIモデル(数百MB〜)を最初に一度だけダウンロードします。これはモデルの取得であって、録音データの送信ではありません。
• ライセンス認証 — 30日に1回、ライセンスの有効性確認の通信があります。音声・文字起こし内容は含まれません。
• 任意のクラウドAI連携 — 要約などにクラウドAPIを自分で設定した場合のみ、そのテキストが送信されます(既定はローカル)。

「録音ファイルそのものは、いかなる場面でも送信されない」——これがローカル文字起こしの保証する範囲です。