PR 本ページはプロモーション（アフィリエイト広告）を含みます。

PLAUDの録音は自分で文字起こしし直せる｜Claude Code × MCPで誤変換を減らす手順

公開: 2026年8月31日 / 更新: 2026年9月7日

PLAUDの文字起こしは、あとから自分でやり直せます。MCPを使うと、要約や全文テキストだけでなく、音声ファイルそのものを取り出せるからです。

同じ録音を、別の文字起こしにかけ直す。用語リストを添えて、固有名詞の誤変換を減らす。文字起こしの残り時間がゼロでも、録音さえ残っていればテキストにできる。

この記事で使うものは4つです。

1. PLAUD本体と、PLAUDのアカウント
2. PLAUD MCP
3. AIエージェント（今回はClaude Code）
4. OpenAIのAPIキー

無料のStarterプラン、残り3分という状態で試しました。

書いた人 サトシ 文字起こしサービスとAIレコーダーをたくさん検証している人 プロフィール ▼

会議と記録に追われている非エンジニアです。音声入力や文字起こしAI、そして文字起こしを要約してくれるAIを使い倒したら、日々の業務がめっちゃ楽になりました。 その手応えから、文字起こしサービスもAIレコーダーも自腹で契約・購入し、同じ音源を入れて結果を見比べています。 音声入力は Aqua Voice を日常的に愛用し、議事録要約の NotebookLM は仕事でもプライベートでも1年以上活用中。 個人情報を扱う仕事柄、セキュリティや運営元の素性は人一倍シビアにチェックします。 このサイトは、その実測ログの置き場です。

先に、実測でわかったことを3つ。

1. 必要なのはコマンド2回だけ。専用のプログラムは要らない（→手順）
2. 用語リストを渡すと、正答率が43%から71%に上がった（→用語リスト）
3. 平均的な正確さはPLAUDが上。ただし同じ音源でも結果が毎回変わる（→比べる）

検証には、正解が確定している架空の台本音源だけを使っています。

1. 音声そのものを取り出せる

PLAUDのMCPが返すのは、テキストだけではありません。音声ファイルのダウンロードURLも返ってきます。

ここが起点です。音声が手元に来るなら、文字起こしは何度でもやり直せます。

大事なのは、文字起こしされていない録音でも音声は残っている点です。

私のアカウントは無料のStarterプラン。残り時間は3分まで減り、直近の録音3本は文字起こしされないまま止まっていました。

それでも、音声ファイルのURLは問題なく取得できました。

まずは1本だけ、音声のURLが取れるか試してみてください。

2. 必要なのはコマンド2回だけ

専用のプログラムは要りません。ダウンロードと文字起こしで、コマンドは2回です。

流れは4つに分かれます。

1. 録音を名前や日付で探す（MCP）
2. 音声ファイルのURLを受け取る（MCP）
3. URLから音声をダウンロードする（コマンド1回目）
4. 音声を文字起こしのAPIに送る（コマンド2回目）

81秒の録音で実測したところ、ダウンロードが0.43秒、文字起こしが5.1秒でした。合わせて6秒ほどです。

コマンドの中身を覚える必要はありません。AIエージェントに「この録音を文字起こしして」と頼めば、その場で書いて実行してくれます。

APIキーの用意だけは先に済ませてください。ここが唯一、最初の一度だけ手間のかかる場所です。

3. まず素のまま起こしてみる

何も渡さずに文字起こしすると、専門用語と人名が崩れます。

正解が確定している台本音源で測りました。採点対象は21語です。素のまま送った結果は9/21で43%でした。

崩れ方はこうなります。

音は合っているのに、字が違う。この型が半分以上を占めていました。

日常語はほぼ正確です。困るのは、議事録で意味を持つ言葉だけが崩れること。人名、社内の略語、書類名。まさに後から検索したくなる語が消えます。

自分の録音を1本、何も渡さずに起こしてみてください。どの語が崩れるかがわかります。

4. 用語リストを渡す

出てくる語を先に伝えるだけで、正答率は43%から71%に上がります。

同じ音源に、21語のリストを添えて送り直しました。結果は15/21です。直ったのは6語でした。

リストの作り方は難しくありません。その録音に出てくる言葉を書き出すだけです。

1. 人名（読みにくい姓は特に）
2. 社内の略語
3. 書類名や業務用語
4. 取引先や製品の名前

会議の前に議題を見れば、だいたい書けます。まずは自分の職場の固有名詞を10語だけ書き出してみてください。それだけで誤変換はかなり減ります。

5. 用語リストの落とし穴

多く渡すほど良い、ではありません。その録音に出る語だけを渡します。

別分野の用語を86語ぶん渡して、同じ音源を起こしてみました。結果は、リストなしより悪くなっています。

リストに入れた語が、音の近い場所に引き寄せられます。無関係な語ほど、無関係な場所に現れる。会議の冒頭が崩れると、議事録の見出しから狂います。

同じ現象は、正しいリストでも起きました。「月次の棚卸」と話した箇所が、リストの「引き継ぎ」を拾って「引き継ぎの棚卸」になっています。

もともと正しく出ていた箇所ではないので実害は小さいもの。それでも、リストの語が引っぱられること自体は起きます。

そして、音が同じ語はどうやっても直りません。「決裁」と「決済」、「保証」と「補償」。声にした時点で区別がつかないためです。

リストは一度作れば使い回せます。職場ごとに1つ、テキストファイルで持っておくと楽です。

6. 1時間を超える録音は分割する

分数ではなく、ファイルサイズで判断します。上限は25MBです。

109分の録音で試しました。ダウンロードした時点で25.03MB。わずかに上限を超えています。

ここで意外な結果が出ました。音質を落として容量を減らそうとしたところ、1バイトも減りません。

元の音源がすでに16kHz・モノラル・32kbpsだったためです。

PLAUDの音源はビットレートが一定ではありません。実測した3本はこうでした。

同じ本体で録った音でも違います。つまり「何分まで送れるか」は一律に言えません。

• 56.9kbpsなら、25MBで約61分
• 32.0kbpsなら、25MBで約109分

対処は分割です。60分ごとに切ると、109分の録音が13.7MBと11.3MBの2つになりました。

切るだけなので音は作り直しません。109分の録音でも0.5秒で終わります。

文字起こしは60分ぶんが59秒、49分ぶんが41秒。合わせて51,647字が返ってきました。

長い録音を試すなら、まずファイルサイズを見てください。25MB以内ならそのまま送れます。

7. PLAUD本体とどちらが正確か

平均的にはPLAUDが上です。同じ台本音源・同じ21語で測った結果を並べます。

登録も何もしない素の状態なら、ほぼ互角です。差がつくのは、どちらも用語を教えたあと。PLAUDのほうが伸びます。

仕組みが違うためです。PLAUDのカスタム用語は、登録した語を優先して当てにいきます。

APIに渡すリストは「こういう語が出ます」と伝える参考情報。強制力がありません。

もうひとつ、APIには明確な弱点がありました。英字の略語が直りません。

リストに ROI・PoC・ASAP を明記したうえで3回試しましたが、1つも直りませんでした。金額や指標の名前が変わると、議事録としては使えません。

精度を理由にAPIを選ぶ根拠はない、というのが実測の結論です。

8. 同じ音源でも結果が変わる

ここは書いておかなければ不公平なので、正直に書きます。PLAUDは同じ音源でも実行ごとに結果が変わります。

私のライブラリには、同じ音声を3回アップロードしたファイルが残っていました。3つの文字起こしを並べたところ、3つとも違いました。

文字だけでなく、誰が話したかの割り当てまで変わっています。

一方、APIは同じ音声・同じリストで3回投げて、3回とも1文字も違いませんでした。文字数は3回とも1,163字、英字略語の出方まで同一です。

つまり前の節の86%も、1回の測定です。実行ごとに幅があります。

• 平均的な正確さ … PLAUDが上
• 同じ結果が返るか … APIが上

やり直しや比較をしたいならAPI、一度きちんと取れれば十分ならPLAUD。用途で分かれます。

業務では、たいてい一度取れれば足ります。その1回が実用水準にあるなら、ブレは大きな問題になりません。

9. いくらかかるか

1時間の録音で、約43円です。

文字起こしのAPIは1分あたり0.0045ドル。1ドル160円で換算すると1時間あたり約43円になります。

109分の録音を実際に処理したときは約0.49ドル、80円ほどでした。

PLAUDの文字起こし時間を買い足す場合と比べます。

金額だけならAPIが3倍から4倍安い計算です。

ただし追加パッケージで買っているのは自動処理で、要約まで含まれます。同じものを比べているわけではありません。

文字起こしのAPIは、ここで使ったOpenAIだけではありません。

DeepgramのNova-3は1分あたり0.0043ドル、1時間で約42円。ほぼ同額です。日本語の実測はDeepgramで日本語を文字起こしにまとめました。

GoogleのGemini 3.5 Transcribeは1分0.005ドル、1時間で約48円です。

日本語の業務語には最も強い一方、50分を超えると出力が壊れます（Gemini 3.5 Transcribeの日本語精度）。

価格もモデルも変わります。ここに書いた数字は2026年8月31日時点のものです。

10. どちらを選ぶか

録音する時間と、手間をどこまでかけたいかで決まります。

• 録音したら勝手に文字起こしが終わっている
• 要約とアクション項目も一緒に付いてくる
• 用語を登録すれば正確さも最上位
• 準備はプランの契約だけ

• 費用は1時間あたり約43円
• 同じ入力なら必ず同じ結果が返る
• テキストが手元のファイルとして残る
• APIキーの用意と、最初の設定に手間がかかる
• 英字の略語は直せない

無料のStarterプランは月300分です。週に1本の会議なら足ります。私は3か月とも超えました。月に10時間から20時間ほど録っています。

超えたぶんをどうするか。ここで初めて、プランを上げるかAPIを使うかの選択になります。

そしてどちらを選ぶにせよ、本体がなければ始まりません。月300分の無料枠は、本体を買うと付いてくるものです。

会議のあと、要点を思い出せなくて困ったことがあるなら、本体を持つところからです。文字起こしのやり直しができるのは、録音が残っている人だけの選択肢になります。

まとめ

PLAUDのMCPは音声ファイルそのものを渡してくれます。だから文字起こしは、あとから何度でもやり直せます。

• コマンド2回で、ダウンロードから文字起こしまで終わる
• 用語リストを渡すと、正答率が43%から71%になる
• リストは、その録音に出る語だけを入れる。別分野の語は逆効果
• 25MBを超えたら60分で分割する。切るだけなら0.5秒
• 費用は1時間あたり約43円

平均的な正確さはPLAUDが上でした。ただしPLAUDは同じ音源でも結果が変わり、APIは何度やっても同じ結果を返します。

やり直せること。これがいちばんの収穫でした。。文字起こしの枠を使い切っても、録音さえ残っていればテキストにできます。