AI文字起こしの対応音声形式と変換方法

2026年4月12日基礎知識

m4aで録音したファイルが「非対応形式です」と弾かれた——それを防ぐ確実な方法は、使うツールの対応形式をあらかじめ確認しておくことだ。

2026年時点では、NottaやWhisper APIをはじめとする主要ツールの大半がmp3・wav・m4a・mp4の4形式をカバーしている。この4形式のいずれかであれば、ほぼ変換なしでアップロードできる。

問題が起きやすいのは主に3つのケース。flacやoggといったロスレス・フリー形式を使っている場合、古い録音機器から来たwmaやaifファイルを持っている場合、そしてWhisper APIの25MB制限を超える長時間録音の場合だ。それぞれの対処法も後半で説明する。

主要ツールの対応形式を確認する

まず主要4ツールの対応形式を整理した。「○」は公式に対応表記あり、「△」は一部条件付き、「×」は非対応または確認できなかったもの。

形式	Notta	Whisper API	Google STT	CLOVA Note
mp3	○	○	○	○
wav	○	○	○	○
m4a	○	○	×	○
mp4（動画）	○	○	×	△
webm	○	○	○	×
flac	×	×	○	×
ogg	×	×	○	×
wma	○	×	×	×

ここで少し意外だったのが、Whisper APIのflac非対応だ。Whisper自体はflacを処理できるが、OpenAI APIの仕様上は受け付けない。ローカルでWhisperを動かす場合は問題ない。WhisperをローカルにインストールしてAPIなしで使う方法は別記事で詳しく書いている。

もう一点：Notta単体の話をすると、音声はwav・mp3・m4a・caf・aiff・wmaに対応し、動画はavi・mp4・mov・webm・wmv・flv・3gp・mtsなど非常に幅広い。1GBまたは5時間という上限はあるが、普通の用途で引っかかることはほぼないと思う。

登録だけで月120分の無料文字起こし。会議の録音をそのままアップするだけで議事録が完成します。

この記事を書いた人

ジンベエ

AIツール活用ライター

Notta・Whisper・Teams文字起こしなど7種のAI文字起こしツールを3年以上業務で使い続けた実体験から発信。月100時間超の音声データを処理してきたノウハウをもとに、ツール選びの本音を書いています。

まもなく公開。事前登録受付中。

比較ツール

AI文字起こしツール比較

Notta・Otter・Whisperなど主要ツールを精度・価格・対応言語で比較