音声翻訳で録音を翻訳音声に変換する方法
音声翻訳は音声を認識し、111言語のいずれかに翻訳して自動で要約を作成します。再生をタップすると音声が再生されます。
更新日: 2026年11月2日読了時間: 1分
話せない言語のボイスメッセージ、インタビュー、講義、その他の録音には音声翻訳をご利用ください。原文と翻訳を並べて確認でき、話者自身の声で翻訳を聞くことができます。
アップロードできるファイル
音声翻訳は音声ファイルと動画ファイルに対応しています。動画からは音声のみが抽出され、この処理はアップロード前にお使いのデバイス上で行われます。
| ソース | 上限 | 利用可能環境 |
|---|---|---|
| 端末内のファイル(選択) | 最大100 MB | Web、iOS、Android |
| アプリ内での録音(音声を録音) | 時間制限なし、1秒以上 | Web、iOS、Android |
| リンク(リンクを貼り付け): YouTube、TikTok、Instagram、X、Facebook、Pinterest、ファイルの直接リンク、その他のサイト | 最大2 GB | Web、iOS、Android |
| WhatsApp、Telegram、その他のアプリから共有されたボイスメッセージ | 最大100 MB | iOSおよびAndroidのみ |
対応音声形式: MP3、M4A、AAC、WAV、FLAC、OGG、Opus、WebM、3GP、MP4。メッセージアプリからボイスメッセージを送信する方法は、WhatsAppやTelegramからVocaLingoにボイスメッセージを送信するをご覧ください。
録音を翻訳する方法
ファイルを選択するとすぐに自動で翻訳が始まります。「翻訳」ボタンはありません。
「ツール」タブで音声翻訳を開きます。
選択、音声を録音、またはリンクを貼り付けをタップします。
アプリに「認識中…」、続いて「翻訳中…」と表示されるのをお待ちください。録音の言語は自動で検出されます。
翻訳タブで、上部の言語を確認します。初回はアプリの言語と一致し、次回以降は前回の選択が記憶されます。別の言語を選ぶと、テキストが再翻訳されます。
プレーヤーの再生ボタンをタップして、翻訳音声を聞きます。
生成される内容と確認場所
結果は3つのタブに分かれて表示され、履歴に自動保存されます。
原文: 認識された音声テキストです。聞き取り間違いがある場合は編集をタップして修正すると、翻訳も自動で更新されます。
翻訳: プレーヤー付きの翻訳テキストです。テキストの編集、コピー、共有が可能です。プレーヤー内の共有ボタンを使うと音声を音声ファイルとして送信でき、Webではファイルをダウンロードできます。
要約: 概要、キーポイント、タイムスタンプ付きのチャプターが表示されます。
翻訳の下にある「次はどうしますか?」ブロックには、返信を録音、チャットで相談、声のクローン作成後には声を保存が表示されます。過去の結果は右上の履歴アイコンから開くことができます。Premiumに登録していない場合、直近の3件が保持されます。音声翻訳ではプッシュ通知は送信されず、結果は画面上に直接表示されます。
翻訳を読み上げる音声について
音声は再生をタップしたときにのみ作成されます。設定で声を選択していない限り、アプリは以下のように音声を選びます。
英語、ロシア語、中国語、ドイツ語、フランス語、スペイン語、イタリア語、日本語、韓国語、ポルトガル語: Qwen 3を使用してすぐに話者の声をクローンします。録音は3秒以上である必要があります。
その他の言語: アプリに声をクローンしますか?と表示され、料金が提示されます。声をクローンを選ぶと、その録音に対してより安価なMiniMaxまたはElevenLabs Dubbing v2が使用されます。AI音声を使用を選ぶと、標準の音声で翻訳が読み上げられます。次回から表示しないにチェックを入れると、選択が記憶されます。
自分で声を選びたい場合は、右上の設定アイコンをタップして音声タブを開いてください。各オプションの詳細は音声翻訳の設定で説明しています。声が機械的に聞こえる、速すぎる、話者に似ていない場合は、翻訳された音声が機械的に聞こえる理由をご覧ください。
料金について
認識、翻訳、要約の料金は、ファイルを選択した後に自動で引き落とされます。音声の料金は、再生をタップしたときにのみ引き落とされます。
| ステップ | 料金 |
|---|---|
| 認識、ElevenLabs Scribe(デフォルト) | 音声1分あたり約0.7トークン |
| 翻訳と要約 | 1トークン未満(ごくわずか) |
| 標準音声、ElevenLabs | 翻訳1,000文字あたり10トークン |
| クローン音声、Qwen 3 | 1,000文字あたり約20トークン、最低5トークン |
| クローン音声、MiniMax | クローン作成に180トークン、さらに1,000文字あたり12トークン |
| ElevenLabs Dubbing v2 | 録音1秒あたり4.4トークン |
全ツールの料金は各ツールのトークン料金に記載されています。
音声翻訳で対応していないこと
録音の言語を手動で選択することはできません。常に自動検出されます。
SRT、TXT、PDFへのエクスポートには対応していません。代わりにテキストをコピーまたは共有してください。
翻訳全体が1つの音声で読み上げられ、元の音声の間(ポーズ)は反映されません。ElevenLabs Dubbing v2のみが話者ごとに別々の声をあて、元のタイミングを維持します。
通話やメッセージアプリのリアルタイム通話は翻訳できず、録音のみ対応しています。VocaLingoは電話やWhatsAppの通話を翻訳できますかをご覧ください。
Web版ではメッセージアプリからの共有ができません。ボイスメッセージをファイルとして保存し、選択をタップしてください。
よくある質問
自分の声を別の言語に翻訳できますか?
はい、可能です。音声を録音をタップして話し、「翻訳」タブで目的の言語を選んで再生をタップしてください。上記10言語の場合はすぐにあなたの声をクローンして読み上げられます。その他の言語の場合は、ダイアログで声をクローンを選択してください。
音声の代わりに吹き替え動画を取得できますか?
音声翻訳ではテキストと音声のみが提供されます。新しい音声に吹き替えた動画が必要な場合は、動画翻訳をご利用ください。
サポートにお問い合わせ
問題の内容をご記入いただければ、メールで返信いたします。ファイル名やジョブIDがある場合は記載してください。