ブログ一覧に戻る

MP4・MP3・WAVの違い|文字起こしに向く形式とファイル容量の目安

Kaigi AI編集部最終更新: 公開: 約8分で読めます
シェア:X でシェア

ひとことで言うと

音声が128kbps以上なら、MP4・MP3・WAVのどれでも文字起こしの精度はほぼ同じです。

文字起こしに使うなら、どの形式でも音声ビットレートが128kbps以上あれば精度はほとんど変わりません。 迷ったら、Zoom・Meet・Teamsの録画はそのまま(MP4・M4A・WEBM)、ファイルを小さくしたいときだけ128kbpsのMP3かM4Aにします。WAVやFLACは、会議の録音では過剰品質です。

Zoom・Google Meet・Teamsの録画を文字起こしに使おうとしたとき、「どのファイル形式が一番いいの?」と迷った経験はありませんか?

この記事では、主要な動画・音声フォーマットの違いを技術的に解説し、文字起こし精度を最大化するための選択方法を紹介します。

MP4とMP3の違い

MP4は映像と音声を入れられる「コンテナ(箱)」で、MP3は音声だけを圧縮した形式です。 MP4の音声はAACが中心で、AACは同じビットレートならMP3より音質が良い圧縮方式です。文字起こしでは、どちらも音声ビットレートが128kbps以上あれば精度はほとんど変わりません。

MP4MP3
中身映像+音声(音声はAACが中心)音声だけ
1時間の容量映像次第で500MB〜2GB128kbpsで約57MB
Kaigi AIへのアップロードそのまま(音声は自動で取り出す)そのまま

文字起こしだけが目的でファイルを小さくしたいときは、MP4から音声だけを取り出してMP3かM4Aにします(手順は下の「変換方法」)。

MP4の動画をそのまま文字起こししたいときは、MP4から音声を取り出して文字起こしする方法もご覧ください。

MP3とMP4、どちらを使えばいい?

音声だけを聴く・配るならMP3、映像も残すならMP4、編集の元データにするならWAVが向いています。 文字起こしに使うなら、音声が128kbps以上あればどの形式でも精度はほとんど変わりません。

目的向く形式理由
音声だけを聴く・配るMP3128kbpsで1時間約57MBと小さい
映像も残すMP4映像と音声を1つのファイルに入れられる
編集の元データWAV無圧縮で、データが失われない
文字起こし形式は問わない音声が128kbps以上なら精度はほぼ同じ

コーデック vs. コンテナ:基本的な仕組み

まず重要な概念の区別から。

コンテナ(拡張子で見えるもの): 音声・映像・字幕などのデータを入れる「箱」 コーデック: データを圧縮・展開する「アルゴリズム」

例えば .mp4 はコンテナで、中に AAC(音声コーデック)と H.264(映像コーデック)が入っています。

拡張子タイプ主な音声コーデック
.mp4動画コンテナAAC, MP3
.mov動画コンテナAAC, PCM
.mkv動画コンテナAAC, Opus, FLAC
.webm動画コンテナOpus, Vorbis
.mp3音声のみMP3 (MPEG-1 Audio Layer III)
.wav音声のみPCM(無圧縮)
.m4a音声コンテナAAC
.aac音声のみAAC
.flac音声のみFLAC(可逆圧縮)
.ogg音声コンテナVorbis, Opus

文字起こし精度への影響

結論から言うと、ビットレートが十分であればフォーマットの違いによる精度差はほとんどありません。

Whisperは内部でFFmpegを使って音声を16kHz・モノラル・WAVに変換してから処理するため、入力フォーマットの差は吸収されます。

品質を左右するのはビットレート

音声ビットレート品質精度への影響
320kbps+最高品質影響なし
128kbps〜320kbps高品質ほぼ影響なし
64kbps〜128kbps標準わずかに影響
32kbps〜64kbps低品質認識率が低下
32kbps以下劣化あり顕著に影響

推奨:音声ビットレートは128kbps以上


主要フォーマット詳細解説

WAV(Waveform Audio File Format)

  • 特徴: PCM(無圧縮)で音質が完璧。データが失われない
  • ファイルサイズ: 大きい(1時間 ≈ 600MB〜1.2GB)
  • 文字起こし適性: ◎ 最高(品質的には)
  • おすすめ用途: 録音スタジオ、マスタリング、後処理前素材

文字起こしにおいてはWAVが理論上最高品質ですが、128kbps以上のMP3やM4AとWAVの精度差はほぼゼロです。ファイルサイズが大きいのでアップロードに時間がかかるデメリットの方が大きい場合があります。

MP3(MPEG-1 Audio Layer III)

  • 特徴: 最も普及した音声フォーマット。不可逆圧縮
  • ファイルサイズ: 小さい(1時間 ≈ 50〜150MB)
  • 文字起こし適性: ○ 128kbps以上なら問題なし
  • おすすめ用途: 一般的な音声録音、ポッドキャスト

会議録音の場合: 128kbpsのMP3で十分です。320kbpsとの精度差は体感できません。

AAC / M4A

  • 特徴: MP3より効率的な圧縮。同じビットレートでMP3より音質が良い
  • ファイルサイズ: MP3と同程度〜やや小さい
  • 文字起こし適性: ◎ 優秀
  • おすすめ用途: iPhoneのボイスメモ、iTunes、Zoom録音(デフォルト)

ZoomはデフォルトでM4A(AAC)を使用します。そのままアップロードで問題ありません。

iPhoneのボイスメモの録音を議事録にする手順は、ボイスメモ・スマホ録音の文字起こしにまとめています。

FLAC(Free Lossless Audio Codec)

  • 特徴: 可逆圧縮。WAVと同品質でファイルサイズは40〜60%削減
  • ファイルサイズ: 中程度(1時間 ≈ 300〜500MB)
  • 文字起こし適性: ◎ 最高品質
  • おすすめ用途: アーカイブ、高品質保存

品質を最高に保ちつつファイルサイズを削減したい場合の最善択。ただし一般的な会議録音では過剰品質です。

MP4(動画)

  • 特徴: 映像+音声のコンテナ。Zoom・Meet・Teamsの標準録画形式
  • 文字起こし適性: ○ 音声トラックを抽出して処理
  • 注意点: ファイルサイズが大きい(映像分が加算)

文字起こしだけが目的なら音声だけあれば十分です。Kaigi AIなら動画をアップロードすると自動で音声を抽出するので、手動で変換する必要はありません。

MP4・MOVなどの動画をそのまま文字起こしする手順は、動画ファイルの文字起こしにまとめています。

WEBM

  • 特徴: Googleが推進するオープンフォーマット。ブラウザ録画でよく使われる
  • 文字起こし適性: ○ 問題なし
  • 用途: Google Meet録画(Google ドライブ保存)、ブラウザベースの録音

WEBMとMP4の違いと、文字起こしでの扱い

WEBMとMP4は、どちらも音声と映像を入れる「コンテナ(箱)」で、違いは中に入る音声の圧縮方式です。 MP4の音声はAACが中心で、WEBMの音声はOpusかVorbisです(上の表)。音声ビットレートが128kbps以上あれば、どちらの形式でも文字起こしの精度はほとんど変わりません。

WEBMは、ブラウザで録音・録画したファイルでよく使われる形式です。Kaigi AIのアップロード画面で録音した場合も、Chrome・Edge・FirefoxではWEBM、SafariとiPhoneのブラウザではMP4形式の音声(.m4a)になります。

Kaigi AIにはWEBMもMP4もそのままアップロードでき、音声は自動で抽出されるので、変換ソフトは要りません。上限は動画・音声とも1ファイル最大5GBです。


「.m4a/.x-m4a/.mp3/.wav/.aac/.x-wav」と出たら — 音声・動画のMIMEタイプ一覧

MIMEタイプは、ブラウザやサーバーがファイルの種類を伝えるときの名前です。アップロード欄やエラーメッセージに「.m4a/.x-m4a/.mp3/.wav/.aac/.x-wav」のような並びが出たら、それは受け付ける音声ファイルの形式の一覧です。x-m4aはm4a、x-wavはwavの別名で、中身は同じ形式です。Kaigi AIには、M4A・MP3・WAVの録音をそのままアップロードできます。

拡張子よく使われるMIMEタイプほかの書き方
.mp3audio/mpegaudio/mp3
.m4aaudio/mp4audio/x-m4a, audio/m4a
.mp4video/mp4audio/mp4(音声だけのとき)
.wavaudio/wavaudio/x-wav, audio/wave
.aacaudio/aacaudio/x-aac
.webmvideo/webmaudio/webm(音声だけのとき)
.movvideo/quicktimeなし

会議ツール別・デフォルト録画形式

ツールデフォルト形式音声ビットレート
Zoom(ローカル録画)MP4 / M4A128kbps
Google MeetWEBM / MP4128kbps
Microsoft TeamsMP4192kbps
Slack HuddleMP496kbps
ボイスメモ(iPhone)M4A128kbps
QuickTime録音M4A256kbps

どのツールのデフォルト形式も、文字起こしには十分な品質です。Teamsの録画やトランスクリプト(.vtt)から議事録を作る手順は、Teamsのトランスクリプトを議事録にする方法で説明しています。


ファイルサイズ比較(1時間の音声)

形式ビットレート1時間のサイズ
WAV1,411kbps635MB
FLAC〜700kbps315MB
MP4(映像込み)映像次第500MB〜2GB
M4A / AAC256kbps115MB
MP3192kbps86MB
MP3128kbps57MB
Opus (WEBM)128kbps57MB
MP364kbps28MB

文字起こし品質を上げるための実践Tips

フォーマット以上に音質に影響するのが録音環境です。

1. マイクの選択

マイクタイプ特徴おすすめ用途
コンデンサーマイク高感度・広い周波数帯配信・ポッドキャスト
ダイナミックマイク周囲ノイズを拾いにくいうるさい環境
ヘッドセット口との距離が一定オンライン会議
内蔵マイク手軽だが音質低め●おすすめしない

2. ノイズリダクション

Zoomには「オリジナルサウンド(ノイズ抑制なし)」モードがあります。AIノイズ抑制が余計な音まで消してしまう場合は、オフにした方が文字起こし精度が上がることがあります。

3. サンプリングレート

Whisperは16kHz(16,000Hz)で処理します。録音時は44.1kHz以上で録音しておけば十分です(アップサンプリングは効果なし、ダウンサンプリングは自動処理されます)。


変換方法(FFmpegコマンド)

MP4から音声だけ抽出したい場合:

ffmpeg -i meeting.mp4 -vn -acodec copy meeting.m4a

ffmpeg -i meeting.mp4 -vn -ar 44100 -ac 2 -ab 128k meeting.mp3

ffmpeg -i recording.wav -ab 128k recording.mp3

まとめ

  • フォーマットより音声ビットレートが重要(128kbps以上推奨)
  • 会議ツールのデフォルト録画形式はそのまま使えば問題なし
  • ファイルサイズを小さくしたい場合はMP3/M4A 128kbps
  • アーカイブ保存にはFLACが最適(可逆圧縮)
  • WAVは文字起こし目的では過剰品質・サイズ大でコスパ悪い

Kaigi AIはMP4・MOV・MKV・MP3・WAV・M4A・FLAC・WEBMなど主要フォーマットすべてに対応しています。そのままアップロードするだけで、最適な形式に自動変換して処理します。アップロードから議事録ができるまでの流れは、AI議事録の機能紹介で確認できます。

MP3・WAV・M4Aの録音からどんな議事録ができるかは、議事録のサンプル(登録不要)で見られます。長い会議の録音は無料登録(初月90分・カード不要)で議事録の草案づくりまでご利用いただけます。

ファイル形式MP4MP3WAV音声文字起こし
シェア:X でシェア

この記事の内容を、いますぐ形にする

録音から自動で埋めたい方は、Kaigi AIを初月90分まで無料でお試しください。クレジットカード不要。

データの保管はAWS東京リージョン。文字起こしはOpenAI、AI処理はAnthropic、話者分離はAssemblyAI(いずれも米国)が担当します。

関連記事

Microsoft Teams会議の議事録を自動化する方法 — 録画・文字起こし・共有の手順

Microsoft Teams会議の議事録づくりを自動化する手順を解説。クラウド録画の活用、AIによる文字起こしと議事録生成、決定事項・アクションアイテムの整理、共有とデータ管理の注意点まで、実務目線でまとめます。

Google Meetの録画から議事録を作る方法【2026】— ダウンロードしてアップロードするだけ

Google Meetの録画はどこに保存される?録画ファイルをダウンロードして、AIで文字起こし・議事録にする手順を解説します。録画が使えるプランの条件、録画できない場合の代替手段(録音アップロード)、話者ごとの発言の分け方まで、2026年8月時点の情報で正直にまとめました。

ChatGPT・NotebookLMで議事録は作れる?できること・できないことと専用AIとの違い【2026】

すでに使っているChatGPTやNotebookLMで、会議の議事録も作れないだろうか——そう考える方に向けて、2026年7月時点でできること・できないことを正直に整理しました。結論から言うと、文字起こし済みのテキストを要約して議事録に整えるのはとても得意です。一方で、会議の音声そのものの文字起こし・話者の区別・データの国内保管といった点は、議事録に特化したツールと設計が異なります。ChatGPTですぐ使える要約プロンプトも掲載しています。

Kaigi AI編集部

AI議事録・会議効率化の専門メディア。Whisper・Claude AIを活用したビジネス向け文字起こしソリューションの情報を発信しています。