Typist

Typistとは？

TypistはKollektiv LLCが運営するAI音声・動画文字起こしサービスです。記録した内容を、検索、引用、再利用ができる編集可能なテキストに変換します。ファイルの文字起こし、ブラウザー録音、文字起こしライブラリに加え、対応するAIクライアントが完成済みの文字起こしを読むための接続機能を組み合わせています。

中心となる作業は音声文字起こしです。インタビューや講義の作業には文書出力、動画の字幕には時間情報付きのテキストを提供します。

主な機能

モデルの選択

TypistはxAI Grok、ElevenLabs Scribe、OpenAI Whisperを提供し、言語別に「最も正確」「最速」「最低コスト」のラベルを表示します。これは特定の言語について提供元が想定する利点と取捨選択を表し、あらゆる録音やアクセントを独立に検証した順位ではありません。

• Whisper v3 Turbo： Groq上で動作するOpenAI Whisperと説明され、大量処理を想定し、単語単位のタイムスタンプと100言語をサポートします。長時間録音や未処理の録音の処理が主な位置づけです。
• Grok 2.0： xAIのモデルとして紹介され、話者ラベルと数字・日付の書式設定を提供します。提供元は、よく使われる言語で文字起こしの速度と精度を両立するモデルと位置づけています。
• Scribe v2： ElevenLabsのモデルとして紹介され、100言語、話者ラベルと役割、音声イベントのタグをサポートします。Typistはこれを自社で最も精度の高い選択肢と位置づけています。

文字起こしの検索と時間付き字幕

• 複数インタビューの検索： Typistはインタビュー資料群の全文検索を宣伝しており、複数ファイルにまたがる特定のフレーズへの言及も探せるとしています。このライブラリ検索の説明は、MCPで公開されるメタデータ検索とは別のものです。
• 字幕生成： 短い時間付きの行でSRTまたはVTTファイルを作成し、話者ラベルを字幕に焼き付けません。
• 音声に基づく時間設定： 動画では音声トラックを文字起こしし、映像は無視します。単語単位の時間情報で字幕項目の開始と終了を決めます。提供元によれば、動画の解像度やフレームレートではなく、音声と行の分け方が字幕の結果に影響します。

ガイド

ファイルの文字起こし

Typistのアップロード機能はMP3、M4A、WAV、FLAC、OGGと動画ファイルに対応しています。公開されている音声からテキストへの変換手順は次のとおりです。

1. 録音をアップロード領域にドロップするか、クリックして選択します。
2. 言語ごとの速度または精度ラベルを参考に、録音で話されている言語と文字起こしモデルを選びます。
3. 完成した文字起こしを読み、コピーするかTXT、DOCX、PDF、SRTとして出力します。

マイク録音

Typistには「Start Recording」操作のあるマイク録音機能もあります。文字起こしはユーザーが録音を停止した後に始まります。

音声と動画の使用例

インタビューと質的研究

Typistはインタビュー文字起こしを、研究の作業手順、質的コーディング、調査報道に向けて位置づけています。タイムスタンプ付きテキストを出典の参照、コーディング、発言の引用に使う流れです。

インタビューの各文に、出典参照や引用のためのタイムスタンプが付くと説明しています。このため、時間の参照は公開されたインタビュー作業の一部となっています。

講義と授業の記録

Typistは講義の文字起こしを、教室での録音、Zoom録画、M4Aファイルの利用に向けて紹介し、検索可能なタイムスタンプ付きテキストを生成します。記録の中で何が話されたかを確認し、文章として読み直したり、時間から位置を探したりする用途です。

公開動画の文字起こしと要約

無料のYouTube文字起こしツールは、動画の字幕またはクローズドキャプションを取得します。タイムスタンプあり・なしのコピー、TXT/SRT/VTTダウンロード、テキスト検索、特定時点への移動、公開ページの共有に対応しています。この字幕取得の経路は、非公開の音声ファイルをアップロードして音声認識モデルを選ぶ処理とは異なります。

YouTube要約ツールは、TL;DR、主要なトピック、クリック可能なタイムスタンプ付きの重要場面、AIクライアント向けの構造化markdownを生成します。

対象ユーザー

• 録音をもとに作業する人： Typistは学生、教師、ポッドキャスター、研究者、コンサルタント、セラピスト、コーチ、映画・動画の利用者に向けて宣伝しています。共通する作業は、話された素材を見直して再利用できる文字や字幕に変えることです。
• 認証済みの文字起こしを必要としない作業： 規約では、法的手続き、医療記録、認証された正確性が必要なあらゆる状況に文字起こしは不適切としています。宣伝に療法、コーチング、研究の対象者が含まれていても、これは大きな利用上の境界です。

プラットフォーム

ブラウザーとAIクライアント

ボイスメモの手順ではスマートフォンやノートパソコンのブラウザーを使い、元の録音をファイルとして共有するところから始めます。

Typist MCPはStreamable HTTPとブラウザー経由のOAuthを使い、APIキーの作成やコピーをユーザーに求めません。対応するAIクライアントがリモートサービスに接続し、ユーザーはブラウザーでログインしてアクセスを許可します。公開AI入口にはChatGPTやClaudeなどのクライアントが挙げられていますが、実際のアクセスは必要なリモート転送方式と認可手順への対応に左右されます。

MCP経由での文字起こし閲覧

• 読み取り専用の範囲： Typist MCPでは文字起こしの作成、名前変更、編集、削除ができません。アクセスは一つのアカウントに対応し、録音や請求情報は公開されません。AIクライアントを接続して増えるのは文字起こしテキストを読む手段であり、アカウントのファイルや契約を管理する手段ではありません。
• メタデータ検索： MCPは完成済み文字起こしのタイトル、完全一致のトピック、カテゴリ、両端を含むUTCの日付範囲を検索します。フィルターを省略すると最近の文字起こしを一覧表示します。これはインタビューページが宣伝する資料群の全文検索とは異なります。
• ページ単位の読み取り： 文字起こしの読み取りは既定で2,000文字、1回の呼び出しで最大90,000文字を要求でき、続きの読み取り用にnextOffsetが返ります。長い録音では複数回の読み取りが必要な場合があり、最初のページが全文とは限りません。
• ロックされた内容のプレビュー： ロックされた文字起こしも検索には表示されますが、読むとそのアカウントで利用できるプレビューがエラーなしで返ります。このため、ライブラリで見つかっても全文へアクセスできる保証はありません。
• 一時的な出力： MCPの出力リンクは1時間有効な署名を持ち、その後は使えません。このリンクの有効期間は、契約に含まれるファイル保存期間とは別です。

価格

月額プランと保存期間

以下は2026年10月8日に取得した公開月額カードの価格と上限です。有料カードは前のプランの機能を引き継ぐと明記しています。値がカードに再掲されていない場合、表にもその継承関係を残しています。

FreeカードにはTXT、DOCX、PDF、SRT、VTT出力が記載されています。Premiumは無制限のAI Insightsを追加し、TL;DR、章、引用、行動項目と説明しています。Maxでは優先サポートが追加されます。

モデルによって異なるクレジット

1クレジットはWhisper v3 Turboで1時間、Grok 2.0またはWhisper v3で30分、Scribe v2で15分に相当します。クレジットは請求周期ごとにリセットされ、話者ラベルとフィラー除去はGrok 2.0またはScribe v2で利用できます。したがって購入単位はモデルごとに時間が変わるクレジットであり、すべてのエンジンで一律の1時間ではありません。

無料の見出しでは明確に60分と宣伝しています。同じ価格欄がモデルごとの異なるクレジット消費を説明しているため、この見出しだけで全エンジンの無料録音時間が同じとは判断できません。月ごとのリセットも、購入済み文字起こし時間を永久に蓄える仕組みではなく、請求周期の利用枠を示します。

更新、解約、返金

月額または年額の契約は自動更新され、アカウント設定で解約できます。期間途中で解約しても請求期間の終了まで有効です。したがって解約は次の更新を止めるもので、当期のアクセスを自動的に終えたり、完了済みの購入を取り消したりするものではありません。

記載された7日間の返金期間は、文字起こしを妨げるサービスまたは技術上の不具合、請求ミスや重複請求、文字起こし品質に不満を持つ初回契約者を対象とします。条件付きの期間であり、すべての契約に無条件で返金を約束するものではありません。

返金の除外事項は、正常に完了した文字起こし、無料枠を超える利用、7日を過ぎた申請、購入後の気変わり、事情の変化です。規約には資格と除外事項が併記されており、品質に関する資格項目が、別に記載された完了済み文字起こしや利用量の除外事項を消すわけではありません。

返金申請には7日以内にサポートへ連絡し、注文の詳細と理由を伝える必要があります。規約には48時間以内の返答が記載されています。

特に記載がなければ料金に適用税は含まれません。契約価格の引き上げは合理的な事前通知を伴い、更新時に適用されます。

制限事項

精度、アクセス、ページ間の不一致

• 文字起こしの誤り： 規約はAI文字起こしに間違い、欠落、誤解が含まれ得ること、100%正確ではないことを警告しています。タイムスタンプ付きの単語や話者メタデータも自動文字起こしによるものであり、正確な時間参照が正しい認識を保証するわけではありません。
• サービス継続性： 規約は無中断のサービスを保証せず、保守、更新、予期しない事情による中断を認めています。モデル速度の宣伝は継続的な利用可能性の約束にはなりません。
• 年齢条件： 規約ではユーザーは18歳以上である必要があります。プライバシーポリシーは別に、13歳未満の子どもを対象とせず、その個人情報を認識しながら収集しないとしています。この記述が、より高い契約上の利用年齢を置き換えるわけではありません。
• 出力の不一致： ボイスメモのページではFreeはTXTとDOCXを出力し、有料プランはPDFとSRTを追加するとしています。一方、Freeの価格カードにはTXT、DOCX、PDF、SRT、VTTが並びます。二つの公開説明からは、一貫した無料出力の境界が得られません。

機能と条件の区別はモデルラベルにも当てはまります。サービスは機能構成と消費率が異なる選択肢を提供しており、あるモデルの言語対応範囲は独立に検証した正答率ではありません。確認した公開資料には、宣伝上の精度表現を、アップロードするすべてのファイルの信頼できる結果に変えるような製品全体のベンチマークはありません。

所有権と処理の権利

ユーザーはアップロードしたコンテンツの所有権を保持し、それから生成された文字起こしも所有します。

アップロードにより、文字起こし提供のみを目的とする限定的、非独占的なライセンスをTypistに与えます。このライセンスはコンテンツまたはアカウントを削除すると終了します。

保存、共有、削除

音声からテキストへの入口は、ファイルは文字起こしのためだけにアップロードされ、その後削除され、販売、共有、モデル学習に使われることはないと主張しています。これはその変換入口に付随する提供元のプライバシーに関する宣伝であり、すべての後続処理事業者や製品の全経路を独立に確認した声明ではありません。

プライバシーポリシーは別に、アップロード音声と生成された文字起こしを保存し、アカウントに関連づけ、ユーザーが削除できるとしています。アカウント保存の説明とプランの保存期間は、変換入口の即時削除の約束と同じ内容ではありません。公開文言には異なる保存説明が残されており、普遍的な一つの削除期限に統一されてはいません。

プライバシーポリシーによると、データベース、認証、文字起こし、ホスティング、監視、分析、決済の事業者が、それぞれの機能に必要な範囲で情報へアクセスします。この開示も、変換入口の無条件の共有禁止表現とは範囲が異なります。学習に関する文言は提供元の宣言であり、確認したプライバシー文書は各処理事業者の学習方針を別々には規定していません。

アカウント削除後、個人データは30日以内に削除されますが、法令または規制上必要な保存は除外されます。集計された匿名の分析データは残る可能性があります。この規則は、個別ファイルの削除、プランの保存枠、一時出力リンクの失効とは別のものです。

プライバシーポリシーは、転送時と保存時の暗号化、安全な認証、定期的なセキュリティ監視を主張しています。また、事業者が米国を含む国でデータを保存、処理する可能性があるとしています。

無料ツールの出力と公開動画ページ

無料ツールの出力の多くは15分から1時間以内に自動削除されます。一方、YouTubeの文字起こしは代わりに保存され公開表示される場合があり、削除申請の対象です。この短い一時出力期間は、規約が説明するダウンロードファイル、変換メディア、同様の無料ツール出力を対象とし、アカウントライブラリのファイル保存規則を置き換えるものではありません。

よくある質問

Q1. AIクライアントを接続すると録音をアップロードしたり変更したりできますか？

Typistが公開するMCPツールは読み取り専用です。検索、読み取り、文字起こしの出力を提供しますが、作成、名前変更、編集、削除はできず、録音や請求も対象範囲から外れています。

Q2. YouTubeの文字起こしは非公開アップロードファイルと同じ扱いですか？

YouTube文字起こしツールは公開ページとリンクに対応します。規約では共有や発見のために公開動画の文字起こしを保存、表示できるとされ、別に説明されているアカウント保存やプランの保存期間とは異なります。

Q3. 動画の文字起こしは映像を分析しますか？

字幕の入口は動画の音声トラックだけを文字起こしし、映像は無視するとしています。説明されているのは字幕項目の単語単位の時間設定であり、場面や動画フレームの視覚分析ではありません。