文字起こしアプリ比較。Plaud・Nottaの罠とGeminiの衝撃

文字起こしの最適解は、実務の現場における3つの要素で分かれる。
「長尺の壁」「バグへの耐性」、そして日々のUXだ。
文章全体のまとまりや可読性だけで見れば、PLAUDとNottaはほぼ互角。

しかし、運用機能や万が一のリカバリ耐性まで含めて評価すると、最終的な勝利はPLAUDに傾く。
そこへ20分以内の短尺専用の飛び道具としてGeminiが割り込んでくる。
これが現在の文字起こし環境の結論だ。それぞれのツールの罠と、実務で使える組み合わせをマトリックス的に比較検証した。

精度は互角。それでも実務ならPLAUD一択になる理由

3大サービスの性質と用途は、以下のように切り分けられる。

精度だけなら用途で使い分けられるが、AI要約などのUXも含めて総合評価すると、最終的にはPLAUD一択になる。
量産型のNottaが抱える罠と、職人型のPLAUDのリカバリ力、そして短尺Geminiの使い所を順に見ていく。

居酒屋ノイズで検証。Apple Watchが専用機を超えた

結果の再現性を担保するため、今回の検証環境と「実務総合スコア」のデータを公開する。

居酒屋とカフェに囲まれた疑似ノイズ環境

会話は声質の酷似した男性2人（私と友人）によるものだ。
部屋の正面から「居酒屋の雑音」、左後ろから「Podcastの会話音」、右後ろから「カフェの環境音」を同時に流し、人間でも聴取が困難な3方向ノイズ環境を構築した。

3台のデバイス配置と平準化のための共通条件

左腕のApple Watch Series 8、机の上のPLAUD NOTE Pro、iPhone 15 Proで同時録音を実行。
クラウド側のカスタム用語（ユーザー辞書）はすべてオフにして不公平な条件を排除し、タイムスタンプによる同期処理を行っている。

専用機を上回ったApple Watchのスコア

各サービスが出力したテキストに対し、人間が現実的な工数で手直し（話者ラベルの修正など）を行った後の実務価値を評価した。
スコアは固有名詞精度や話者分離の妥当性などから算出した5点満点の平均値だ。

手修正前提でのサービス平均スコアは、PLAUD（3.17）がNotta（2.50）を上回った。
このスコア差の決定的な要因が、「固有名詞・専門用語」の単語レベルの精度だ。

Nottaは全体的な文章は整うものの、「Apple Watch」が「アプローチ」、難解な専門用語が「定入調査制度」などに崩れる単語レベルの誤変換が目立った。対するPLAUDはこれらを正確に捕捉している。専門用語が飛び交う実務において、この単語精度の差は大きい。

ここで面白かったのは、専用機であるPLAUD端末での録音よりも、Apple Watch録音のほうが実務スコアが圧倒的に高かったことだ。

あまりに過酷なノイズ環境に晒したことで、相対的に私（話者1）に近かったApple Watchが私の声を明瞭に拾い、結果的に友人の声との分離がしやすかったのだと推測している。
静かな会議室など、別の環境ではまた違う結果になるはずだ。

話者分離がバグったとき、PLAUDなら力技で救える

文章全体の可読性だけで考えればPLAUDとNottaはイーブンだ（固有名詞の精度はPLAUDが勝るが）。
しかし、「自動話者分離が失敗したとき」の挙動に決定的な違いがある。

エラーを力技で救済できるPLAUDの段落構造

PLAUDは分離が当たれば最高品質だが、外れると全文が「話者1」として出力されるエラーが起きることがある。
一見すると壊滅的だ。

しかし、PLAUDはタイムスタンプ単位でテキストが細かく段落分けされているため、人間が後から「ここから話者2」とラベルを付け直すだけで救済できる。
このエラーを力技で救済できるPLAUDの段落構造のおかげで、過酷な環境の録音でも手修正によってスコア2.7まで復旧できたのだ。

「長大ブロック化」でリカバリ不能になるNottaの罠

対するNottaは、自動分離が綺麗にハマれば手離れが良い。細かく段落分けされることも多い。
しかし、ごく稀に「数分間の発話をまとまった1つの巨大な段落にしてしまう」エラーを起こす。
これが今回の実証実験で最悪値（1.7）を叩き出した組み合わせの正体だ。

「長大ブロック化」でリカバリ不能になるNottaの罠に陥ると、1つの巨大なテキストブロックの中に2人の会話が交互に混ざり合って出力されるため、境界線が存在せず修正を放棄するしかない。
長い会議でこのエラーが起きれば、その時点で文字起こしデータは破綻する。
最悪の事態でも手作業でデータを救えるPLAUDの方が、実務での信頼性は圧倒的に高い。

フォルダ管理はNotta、要約の並列保持はPLAUD

フォルダ管理のしやすさはNottaの勝ち

管理画面の使い勝手において、PLAUDはフォルダを階層化できない。
一方のNottaは、Windowsのエクスプローラーのようにフォルダを自由に階層化して整理できる。
大量の音声ファイルを案件ごと、日付ごとに分類する実務においては、Nottaに軍配が上がる。

AI要約の自由度と拡張性はPLAUDが圧倒

しかし、文字起こしした後の「AI活用」に目を向けると、PLAUDの設計がNottaを凌駕する。

Nottaは1つの録音に対して1つの要約ファイルしか保持できない。
複数パターンの要約を実行しても、常に一つのファイルの下にアペンド（追記）されてしまう。
対するPLAUDは、1つの録音に対して複数の要約を綺麗に並列保持できるため、後工程での扱いやすさが段違いだ。

スライド作成のNottaと、無制限AskPlaudの万能性

AI機能の制約にも違いがある。
Nottaは「Notta Brain」という強力なAI機能を備え、スライド作成まで依頼できるが、実行するたびにクレジットを消費する。
また、インフォグラフィックスを作成すると「Powered by Notta」というロゴが強制表示されるのも、正直気に入らない。

ロゴが強制表示されるのは正直気に入らない……。消したい。

一方のPLAUDは、テキストベースの質問（AskPlaud機能）であれば上限なし・追加課金なしで無制限に使い倒せる。
インフォグラフィックス作成こそ1日10回という制限があるものの、日常的なテキスト処理の自由度は極めて高い。

短尺20分ならGeminiが最強。ただし長尺はエラーで詰む

この2大サービスの戦いに、別枠で殴り込んできたのがGemini 3.5 Flash（思考モード）だ。
Apple WatchのM4Aデータをそのまま渡し、「文字起こしして」と一言添えただけのアウトプットに、私は変な笑いが出た。

Geminiやるやん

会話の意図を完全に理解してる

Geminiの出力は、単なる音声のテキスト化ではない。文脈を理解した知的な編集そのものだった。
難解な実務用語をPLAUDがギリギリ拾い、Nottaが崩す中、Geminiは省略前の正確な名称を平然と出力する。

元の音声にあった冗長な言い淀みや口癖は綺麗に消え去り、文脈上省略された主語や目的語は括弧書きで美しく補完されていた。
工数ゼロで、そのまま逐語録として配布できるレベルのテキストが上がってくる。

20分で終わる会議はない。Geminiありきでは仕事が回らない

しかし、この完璧なAIには実務において致命的すぎる罠がある。長時間の文字起こしは無理なのだ。
20分程度の短尺であれば神がかった精度を見せるGeminiだが、90分を超える長尺の音声ファイルを投入した途端、処理を完遂できずにエラーで終了してしまった。

実際のビジネスシーンにおいて、20分で終わる会議はない。Geminiありきでは仕事が回らない。
長尺エラーリスクがある以上、Geminiをメインに据えたワークフローで仕事は成立しない。Geminiはあくまで、短尺の音声を一瞬で綺麗に仕上げるための飛び道具だ。

結論：長尺必須の実務と総合UXでPLAUDを選ぶ

音声原本の忠実性を犠牲にしてでも「最終的な読みやすさ」を最優先し、かつ20分以内の短尺であればGeminiの右に出るものはいない。
しかし、長時間の録音が必須となる実務環境で戦うのであれば、選択肢は絞られる。

文字レベルの純粋な精度だけで考えればPLAUDとNottaはイーブンだ。
それでも、万が一分離エラーが発生した際に「人間が手作業でデータを救済できる」というリカバリ耐性を持ち、要約の並列保持や無制限のAskPlaud機能といった優れたUXを備えるPLAUDを選ぶのが、実務における最終的な答えだ。