場面別の記録術

インタビューの文字起こし——素起こし・ケバ取り・整文の違いと、やり方

素起こし・ケバ取り・整文は、どこまで手を入れるかの段階が違います。会議とは要件も違い、1対1で音が良いぶん求められる正確さが上がる。形式の選び方と録り方を実務の順に書きました。

Recory 編集部編集

2026.08.26 更新 2026.09.21 読了 18分 価格・仕様の確認 2026.09.10

インタビューの文字起こしは、会議の議事録とは要件が違います。

音としては、こちらのほうが簡単です。1対1で距離が近く、話が重なりにくい。話者分離もほとんど崩れません。

難しいのは、求められる正確さのほうです。発言を記事に引用する前提だと、聞き取れなかった箇所を推測で埋められません。会議の議事録なら「だいたい合っていれば読める」で済むところが、ここでは済まない。順に書きます。

録り方——ここで9割決まる

あとの工程が全部ここに乗るので、録音の質にいちばん投資する価値があります。マイクは相手側に寄せる。 自分の声は近いので、多少遠くても入ります。相手が小さい声の人なら、なおさら相手寄りに。

柔らかいものの上に置く。 机に直接置くと、資料をめくる音やコップを置く音が振動で入ります。ノートや手帳の上でいい。

カフェは避けられるなら避ける。 環境音そのものより、BGMが乗るのが厄介です。音楽は人の声と周波数が重なるので、あとから消せません。どうしてもなら、スピーカーから遠い壁際の席へ。

録音していることを、最初に伝える。 取材では通例ですが、「記事にする前に確認いただけます」まで言うと、相手の話し方がほぐれます。断られることはほとんどありません。文面は録音の同意書のひな形に置きました。

置き方の詳細はこちらにまとめてあります。

オンラインでの取材の場合

対面ではなく、ビデオ通話で取材することもあります。録音・録画の許可は、ボタンを押す前に伝えてください。多くのWeb会議ツールは録画を始めると相手に通知が出ますが、通知が出てから言うのでは後手になります。「記録のために録画させていただきます。よろしいでしょうか」と、押す前にひとこと添えるだけで足ります。

文字起こしの精度そのものは、対面より不利になりがちです。マイクが1つに集約される対面と違い、双方の音がそれぞれの端末を経由して合成されるためです。回線の状態や、相手側の環境音がそのまま録音に乗ることもあります。可能なら、通話アプリの録画とは別に、自分側の音声だけでも手元のICレコーダーやスマートフォンで録っておくと、片方が失敗しても記録が残ります。

素起こし・ケバ取り・整文——形式を3つから選ぶ

文字起こしには段階があります。先に決めておかないと、二度手間になります。

迷ったら素起こしで残してください。あとからケバを取るのは簡単ですが、削ったものは戻せません。そして、ケバを一律に削らないこと。

「それは……まあ、難しいですね」

この「まあ」を消すと、言いよどんだという事実が消えます。インタビューでは、そこが記事の核になることがあります。

同じ発言を、3段階で書き分ける

言葉で説明するより、並べたほうが早いです。この記事の最初に置いた例——「大きな案件が1つ飛んだんですよ」という山田さんの発言——を、素起こし・ケバ取り・整文の3段階で書き分けてみます。

素起こし（聞こえたとおり全部）

山田　あー、そうですね、あの、えー、大きな案件が1つ、あの、飛んだんですよ。で、それがまあ、結構、その、痛くて。えっと、そのときに、まあ、これじゃまずいなと。

ケバ取り（フィラーを削る。語順はそのまま）

山田　大きな案件が1つ飛んだんですよ。それが結構、痛くて。そのときに、これじゃまずいなと。

整文（読める文章に整える）

山田　大きな案件が1つ飛んだんです。それが結構痛くて、「このままではまずい」と思いました。

3つを見比べると、削られているものが分かります。素起こしからケバ取りへは「あー」「あの」「えー」「えっと」「まあ」「その」が消えるだけで、発言の中身は1つも変わっていません。ケバ取りから整文へは、話し言葉特有の言い切らない表現（「これじゃまずいなと」）が、「」で括った心情の言葉に組み替えられます。ここで初めて、書き手の解釈がわずかに入ります。

整文の段階でも「痛くて」という言葉づかいは残していることに注目してください。話し言葉のくだけた表現を全部書き言葉に直すと、話者の人となりが消えます。整文は「読める形にする」工程であって、「書き言葉に翻訳する」工程ではありません。ここを混同すると、誰の発言でも同じ調子になってしまいます。

もう1つの例——質問をはさんだやり取り

1文の発言だけでなく、質問と答えのやり取りでも同じことが起きます。「——何がきっかけだったんでしょう」という質問のあと、そのまま話が続いた場面で見てみます。

素起こし

—— で、まあ、そのあとは、どうされたんですか。 山田　えっと、そうですね、まあ、しばらくは、その、既存のお客さんを回って、あの、御用聞きじゃないですけど、そういう感じで、なんとか繋いでたっていう感じですね。

ケバ取り

—— そのあとは、どうされたんですか。 山田　しばらくは、既存のお客さんを回って、御用聞きじゃないですけど、そういう感じで、なんとか繋いでたっていう感じですね。

整文

—— そのあとは、どうされたんですか。 山田　しばらくは既存のお客さんを回って、御用聞きのような形で、なんとか繋いでいました。

質問側にもフィラーが入ることに注目してください。「で、まあ」のような聞き手側の言いよどみも、素起こしでは残します。ケバ取りの段階で質問側と答え側の両方からフィラーを削ると、やり取り全体が引き締まります。整文では「そういう感じで、なんとか繋いでたっていう感じですね」のような繰り返しの言い回しが整理されますが、「御用聞き」という具体的な言葉は残っています。具体例やたとえは、発言のその人らしさを伝える要素なので、整文でも削らないほうがよい場合が多いです。

どの段階を選ぶか——判断表

上の例を見て、どこまで削ってよいか迷ったら、この表で判断してください。軸は2つ、「本人確認が要るか」と「引用として使うか」です。

本人確認が要るなら、削りすぎないことが最優先です。整文した文章を「これで合っていますか」と送ると、本人は自分の言葉ではなく編集後の文章を確認することになります。言っていない言い回しに「はい」と答えてしまう危険があります。確認をもらう段階では、素起こしかケバ取りまでにとどめてください。

引用として記事に使うなら、整文したうえで音声に戻れることが条件です。読みやすさのために語順を直した箇所ほど、元の発言と意味がずれていないかを確かめる価値があります。ここは次に書く「引用で起きる3つの崩れ方」と同じ注意が要ります。

同じ取材の中でも、段階を使い分けて構いません。引用に使う数か所だけ整文まで進め、それ以外はケバ取りのまま記録として残す、という組み合わせが実務ではいちばん多い形です。全文を同じ段階に揃える必要はありません。

引用で起きる3つの崩れ方

AIの文字起こしを引用に使うとき、危ないパターンは3つに絞れます。知っておくと、どこを重点的に確認すればよいかが分かります。

1. 固有名詞が別の語に化ける。社名・製品名・人名は、AIが知らなければ音の近い一般語になります。取材相手の会社名や、話の中で初めて出てくる人物名がとくに危険です。

2. 否定が消える。「やらないわけではない」が「やらない」になる、といった崩れ方です。文としては自然に読めてしまうので、読み返しても気づけません。取材相手の発言の意味が反転したまま記事になる、いちばん見つけにくい失敗です。

3. 話者が入れ替わる。相槌の多い取材で起きます。「はい」「なるほど」「そうですね」が続いたあと、聞き手の一言が話し手の発言として記録されることがあります。2人しかいない取材でも起きるので、油断できません。

この3つのうち、2番目と3番目は文としては破綻しません。読み返すだけでは見抜けないので、引用に使う箇所は音声で確認する以外に確実な方法がありません。上の判断表で「整文して引用」と決めた箇所は、この3つを意識しながら聞き直してください。工程ごとの時間の目安は取材の音声を原稿にするまでにまとめました。

話者の入れ替わりを、実例で見る

3番目の「話者が入れ替わる」が、どんな形で起きるか並べます。相槌が続いたあとに起きやすい崩れです。

AIの出力（話者の割り当てが崩れている）

話者A　それで、結局、値段は据え置きでいくことにしたんです。 話者B　なるほど、それはいいですね。 話者B　ただ、量は少し減らすかもしれません。

音声で確認して直した状態

話者A（山田）　それで、結局、値段は据え置きでいくことにしたんです。 話者B（聞き手）　なるほど、それはいいですね。 話者A（山田）　ただ、量は少し減らすかもしれません。

3行目に注目してください。AIの出力では相槌を打った話者Bの発言として振られていますが、実際は話者Aが続けて話しています。このまま引用すると、「量を減らすかもしれない」という発言が、取材相手ではなく聞き手の発言として記事に残ってしまいます。

直し方は単純です。話者ラベルの横に、誰なのかを一度確定させて書き添えます（上の例の「（山田）」「（聞き手）」）。機械的な「話者A」「話者B」のままより、あとから読み返すときに取り違えへ気づきやすくなります。相槌の直後の行は、とくに注意して確認してください。

書き起こしの形式（記名の書き方）

読み返すときと、引用するときに効きます。1対1なら、質問と回答を記号で分けるのがいちばん軽いです。

—— 御社が今の形になったのは、いつ頃からですか。

山田　2019年です。それまでは受託が中心で……

—— 何がきっかけだったんでしょう。

山田　大きな案件が1つ飛んだんですよ。

——（ダッシュ）が質問、氏名が回答。インタビュー記事で最も一般的な形で、読み手が迷いません。

複数人に取材するなら、全員に氏名を頭に置いてください。あとで引用するとき、誰の発言かを探す手間がなくなります。

時刻を入れるかどうかは、用途で決まります。記事にするだけなら不要ですが、あとで音声に戻って確認する予定があるなら入れてください。これは次の話につながります。

話者の表記ゆれをそろえる

複数人に取材するとき、同じ人の呼び方が原稿の中で揺れることがあります。「山田さん」「山田」「Y」が混在すると、読み手は同一人物だと気づけないことがあります。決めるのは1つだけです。1つの原稿の中で、同じ人は最後まで同じ表記で通す。

AIの文字起こしは、話者を「話者A」「話者B」のように機械的に振り分けます。これを実名に置き換えるとき、一括で直せるかどうかが効きます。1か所ずつ手で直すと、直し忘れが必ず出ます。

話者分離そのものが崩れることもあります。対面の取材で、複数人が近い声質だったり、相槌が重なったりすると、発言が別の話者に振られることがあります。崩れ方には2種類あり、片方は人が直せて、片方は直せません。詳しくは話者分離の2つの壊れ方にまとめてあります。

Recoryの場合、話者分離がまとまってしまったときは、聞き分けに強い別のモデルで起こし直せます（有料プラン）。ただしこれも、間違いをゼロにする機能ではありません。起こし直したあとも、話者の割り当てが合っているかを頭から確認する工程は残ります。

同じ相手に複数回取材する場合は、表記を使い回せるようにしておくと楽になります。初回に決めた表記(氏名か、敬称を付けるかどうか)をメモに残しておけば、2回目以降に迷う時間が減ります。

1対1ではなく、複数人に同時に取材する場合はさらに注意が要ります。同じ質問に対して発言の順番が入れ替わることがあるので、誰の発言かを表記だけで追えるようにしておく必要があります。上に書いた「全員に氏名を頭に置く」形式は、こうした場面でとくに効きます。

注記の入れ方——（聞き取れず）をどう使うか

聞き取れなかった箇所を、それらしい言葉で埋めないことが素起こしの原則です。空欄にせず、「（聞き取れず）」と書いて、あとで音声に戻れるようにしておきます。この書き方は文字起こしとはでも使っている表記です。

聞き取れない以外にも、原稿に残しておくと役立つ注記があります。使いすぎると読みにくくなるので、必要な場面に絞って使ってください。

固有名詞に自信がない場合の書き方は、とくに大事です。「たぶんこの字だろう」で確定させてしまうと、あとで見た人はそれが確認済みの表記だと思い込みます。未確認だと分かる形で残しておけば、直すべき箇所が一目で分かります。確認が取れたら、その語を一括で置き換えます。

注記は、素起こしとケバ取りの段階では残し、整文で記事にするときに外します。外すタイミングを決めておかないと、注記が入ったまま公開してしまう事故が起きます。整文の最終チェックで、原稿内に「（」が残っていないかを確認する一手間が効きます。

匿名にする取材では、注記の使い方がもう1つ増えます。本名を伏せて記事にする場合でも、素起こしの段階では本名のまま残し、整文の段階で仮名に置き換えてください。素起こしの時点で仮名にしてしまうと、あとで確認が必要になったときに誰の発言か分からなくなります。

AIに任せる場合の、決定的な条件

素起こしはAIで数分になります。ここは使わない理由がほぼありません。ただし、インタビューでは確かめる工程が必須になります。理由は2つです。

固有名詞が落ちます。 社名、人名、専門用語。しかも取材は事前に全部を登録できません。話の中で初めて出る名前があるからです。「事前登録があるから大丈夫」という設計は、取材では取りこぼします。

聞き取れなかった箇所が、それらしい言葉で埋まります。 空欄にはなりません。人なら「（聞き取れず）」と書くところに、もっともらしい別の単語が入る。読んでも気づけません。

引用する文章でこれが起きると、事故になります。だから、文字起こしの各行に音声の時刻が紐づいているかが決定的です。紐づいていれば、怪しい行だけをその場で聞き直せる。1時間の取材で確認が要るのは10〜20か所なので、10分で済みます。

紐づいていないと、探すところからになります。そこで、せっかく縮めた時間を全部返します。

依頼するときの伝え方

自分で起こさず、誰かに頼む場面もあります。先に段階を伝えておかないと、二度手間になります。発注の形式によって作業量が変わるので、依頼する側が最初に決める必要があります。

伝えるのは、次の4つです。

1. どの段階で納品してほしいか。素起こし・ケバ取り・整文のどれか
2. 話者の表記をどうするか。氏名か、役職か、記号か
3. 引用として使う予定があるか。あるなら、音声に戻れる形で納品してもらう
4. 公開前に本人へ確認してもらうか。確認の機会を設けるなら、その前提で連絡先を控えておく

逐語録が要る場面は、とくに念を押してください。逐語録は「整えない」ことが仕事なので、AIの出力をそのまま使うと、逆に手が増えることがあります。AIは読みやすく整える方向に寄るので、消えたフィラーを戻す作業が発生します。キャリアコンサルタントの資格試験の記録や、質的研究のインタビュー分析では逐語録が前提になっているため、ここを取り違えると納品後に全部やり直しになります。

依頼する相手が社内の同僚でも、この3つは同じように伝えてください。「とりあえず起こしておいて」だけでは、相手が整文まで進めてしまい、あとで元の発言に戻れなくなることがあります。言葉にする手間は数十秒ですが、戻れなくなったものは戻せません。

タイミングも大事です。録音が終わってから伝えるのではなく、依頼する前に伝えてください。ケバ取りまで進めてしまった原稿を、あとから素起こしに戻すことはできません。最初の依頼メールに3つを書いておけば、以後は毎回同じ文面を使い回せます。

インタビューの文字起こしの進め方

1. AIに素起こしさせる（数分）
2. 固有名詞をまとめて直す（検索と置換）
3. 頭から読みながら、怪しい行だけ音声で確認
4. 読みながらケバを取る（3と同時に）
5. 記事にするなら、整文は手で

3と4を分けないのが要点です。どうせ全部読むので、1周で済ませる。工程ごとの時間の話はテープ起こしをAIで速くするに、原稿にする段階は取材の文字起こしから原稿にするに書きました。

音声ファイルから起こす手順そのものは音声から文字起こしする方法に、録る側の準備は録音の仕方にまとめました。

原稿にする前の整理

文字起こしができてから、記事の原稿にとりかかるまでにも工程があります。ここを飛ばしていきなり書き始めると、あとから構成をやり直すことになります。

1. 使う発言を選ぶ。全文を読み、引用に使えそうな箇所に印を付ける
2. 話の順序を決める。取材した順と、記事に載せる順は一致しないことがよくあります
3. 整文する範囲を決める。引用として「」で括る部分と、地の文で要約する部分を分ける
4. 裏取りする。引用に使う箇所だけ、音声に戻って確認する

3が抜けやすい工程です。全文を整文してから記事を書こうとすると、直した文章のどこが本人の言葉でどこが自分の要約か、あとから分からなくなります。引用する箇所だけを整文し、それ以外は素起こしかケバ取りのまま残しておくほうが、あとで見返したときに安全です。

ここから先、実際に記事の形に組み立てる工程は取材の音声を原稿にするまでに工程ごとの時間の目安とあわせてまとめました。引用の裏取りにいちばん時間が掛かるので、そこを先に読んでおくと段取りが立てやすくなります。

取材が複数回にわたる場合は、この整理を毎回ではなく全体が揃ってから行うほうが効率的です。1回ごとに構成を考えると、後の回の話が前の回の構成とかみ合わないことがあります。全回の文字起こしが揃ってから通して読み、使う発言を選ぶほうが、記事全体の一貫性が保てます。

3段階を、迷わず選べるようにする

ここまでの内容を、依頼や作業に入る前に見返せる形でまとめます。判断に使うのは、結局この2つだけです。

• 本人確認が要るか。要るなら、削りすぎない(素起こしかケバ取り止まり)
• 引用として使うか。使うなら、整文してから音声で裏取りする

この2つさえ先に決めておけば、素起こし・ケバ取り・整文のどこで手を止めればよいかは自動的に決まります。迷ったときは、削らない側に倒してください。ケバ取りや整文はあとからいつでもできますが、削った素起こしは元に戻せません。

最後にもう一度書きます。この記事のいちばんの主張は、3段階のどれが優れているかではありません。どの段階で止めるかを、作業を始める前に決めておくことです。決めずに始めると、途中でケバを取りながら「これは記事にするかもしれないから残しておこうか」と迷い、結局どっちつかずの原稿ができあがります。取材が終わった直後、文字起こしにかける前の数十秒で、上の2つの質問に答えてから始めてください。

Recoryは各行に時刻が付くので、上の手順3が短くなります。取材で使う場合、単語帳に事前に分かっている社名や人名を入れておくと2の手間が減ります。ただし上に書いたとおり、その場で初めて出る名前は登録できないので、確認の工程は残ります。

よくある質問

あわせて読む

取材の音声を原稿にするまで、いちばん時間を食うのはどこか文字起こしが終わってからが本番です。引用の裏取り、話者の取り違え、逐語と整文の切り替え。ライター・編集者の実作業に沿って、どこで時間が消えるかと減らし方をまとめました。テープ起こしをAIで速くする——全部任せず、直す前提で使う外注すると60分で1万2千円から。AIに任せれば数分で下書きが出ますが、そのまま納品できる品質にはなりません。素起こし・ケバ取り・整文のどこがAIで縮んで、どこが縮まないかを分けます。対面の会議で、iPhoneをどこに置くか録音の失敗はマイクの性能より置き方で決まります。机の材質、話者との距離、空調やプロジェクターの位置。実際に効いたことと、効かなかったことを分けて書きます。