ガイド

ポッドキャストのエピソードを文字起こしする方法（そして公開すべき理由）

文字起こしは、検索エンジンが読める唯一のエピソードのかたちです。同時に、ポッドキャストにできる最も安価なアクセシビリティ対応でもあります。

30 August 2026

ポッドキャストの音声は、検索から見えません。Google はあなたのエピソードを聴けませんし、あなたが 40 分かけて語ったまさにその話題を検索している人にも聴こえません。公開された文字起こしは、読めて、検索でき、引用でき、アクセシブルなエピソードのかたちです。そして今では、作るのに午後いっぱいではなく数分しかかかりません。

作るだけでなく公開すべき理由 #

検索。 エピソードごとに、特定の話題についての本物のテキストのページができます。文字起こしを 100 本公開している番組にはインデックスされるページが 100 ページありますが、MP3 が 100 本ある番組にはディレクトリの一覧しかありません。これはたいていのポッドキャストにとって最も見返りの大きい SEO 施策ですが、ほとんど誰もやっていません。

アクセシビリティ。 耳の聞こえない人や聞こえにくい人は、文字起こしがなければ番組をまったく利用できません。騒がしい場所にいる人、あなたの言語が第二言語である人、そして単に読むほうが好きな人も同じです。

再利用。 文字起こしは、ショーノート、引用、SNS 用クリップ、ニュースレターの原稿の素材になります。テキストファイルの中から良い 30 秒を見つけるのは数秒ですが、波形をスクラブして探すと一晩かかります。

自分たちのアーカイブ。 「あの話をしたのはどのエピソードだっけ」は、文字起こしのフォルダを検索すれば答えられますが、それがなければ答えられません。

文字起こしを作る #

手順は短いです。

1. 完成したエピソード、つまり公開するのと同じ MP3 か WAV を書き出します。生のマルチトラックではなくマスタリング済みのものを使ってください。手元にある最もクリーンな音声です。
2. それを Offline Transcription にドロップして文字起こしします。40 分のエピソードなら Apple Silicon で数分です。分単位の課金もないので、これを何年も毎週続けるなら効いてきます。
3. 2 つの形式で書き出します。公開用には HTML、実際に作業に使うタイムスタンプ付きの版には CSV か SRT です。

過去の配信がたまっているなら、フォルダごと一度に文字起こししてください。ローカル文字起こしのコスト構造なら、過去 200 本を遡って文字起こしするのは予算項目ではなく、空いた午後の作業になります。

公開できる状態にするための編集 #

編集していない自動文字起こしは読みづらく、そのまま公開するのは公開しないより悪い結果になります。検索から初めて訪れた読者に、雑な番組だという印象を与えるからです。

次の 4 点を直してください。

人名と専門用語。 ゲストの姓、その会社名、扱う分野に固有の専門用語です。自動文字起こしは、馴染みのない固有名詞を、音の似た普通の単語として自信たっぷりに書き出します。番組でよく使う語のリストを作りましょう。先に確認する習慣がつくまで、毎週同じ語を直すことになります。

フィラー。 「えー」「あのー」、言い直しは、すべて忠実に文字起こしされます。これを削るのは不誠実ではなく、公開されるインタビューがどれも従っている慣習です。発言の中身は変えず、その周りのノイズだけを取り除いてください。

段落。 Whisper が出すのはセグメントであって段落ではありません。話題ごとにまとめて、ページとして読めるようにしてください。

話者ラベル。 これは手作業で付けます。ミックス済みのファイルからこれを確実に行える自動ツールはありませんし、2 人の番組なら誰が話しているかは分かりきっています。

1 本あたり 10 〜 15 分を見込んでください。それが文字起こしを公開する実際のコストで、多くの番組が思っているよりずっと低い水準です。

ページに載せる #

• 自分のサイトのエピソードページに、本物の HTML テキストとして公開してください。PDF のダウンロードでも、画像の中でもいけません。クローラーが読めるテキストである必要があります。
• 冒頭に短い要約を置き、その下に文字起こしを続けます。検索結果に出るのは最初の 100 語ほどです。
• 長いエピソードでは、タイムスタンプを見出しにすると読者が移動しやすくなり、共有できるアンカーリンクも手に入ります。
• 可能なかぎり、クリックの後ろに隠さないでください。 操作の後に読み込まれるコンテンツは、確実にはインデックスされません。

クリップとノートに使う #

そのためのツールがタイムスタンプ付きの書き出しで、これは使われなさすぎています。

CSV を表計算ソフトで開けば、セグメントを並べ替え、エピソード全体をキーワードで絞り込み、引用候補を正確な開始・終了時刻とともに読めます。良い行を 10 個抜き出し、そのタイムコードを編集ソフトに持っていけば、エピソードを聴き直さずに SNS 用クリップができます。

ショーノートについては、文字起こしがそのまま構成案になります。自分で付けた見出しを流し読みし、セクションごとに 4 文書けば完成です。

チャプターとキャプション #

YouTube にもエピソードを公開しているなら、YouTube の自動字幕に頼らず SRT をアップロードしてください。自動字幕には句読点がなく、人名を崩し、本物の字幕トラックとは扱いが異なります。書き出しとアップロードについては SRT を作るで説明しています。

まとめ #

マスタリング済みのエピソードを文字起こしし、10 分かけて人名、フィラー、段落を直し、その結果をエピソードページに HTML テキストとして公開し、クリップを抜き出すためにタイムスタンプ付きの書き出しを手元に残します。ローカル文字起こしなら、これを毎週、しかもアーカイブ全体に遡って行っても、かかるのは編集の時間だけです。