🏢 開発会社と背景

Sonix は、米サンフランシスコに拠点を置く Sonix Inc. のサービスです。2017 年に Jamie Sutherland、Stephen Hopkins、David Dat Nguyen の 3 人が創業し、Sutherland が CEO を務めています。大手の一部門ではなく、文字起こしと字幕だけを手がける独立系の小さな会社です。

カメラアプリも CRM もくっつけず、音声・動画をテキストにする一点に集中してきたのが特徴です。その分、多言語対応や話者分離、AI 要約などはすべて「文字起こし」という軸の周りに積み上げられていて、製品としてのまとまりがあります。

📅 リリース時期

Sonix は 2017 年にサービスを開始しました（一部資料では 2017 年 4 月）。音声認識が「実験室のデモ」から「実際にお金を払える品質」へ変わっていった時期で、深層学習ベースの音声モデルが実用化した流れに乗った形です。最古参ではありませんが、出遅れてもいません。

今よく知られる多言語対応、話者識別、AI 要約、字幕の焼き込みといった機能は、最初からあったわけではなく、その後数年かけて少しずつ追加されました。

🧩 主な機能

ひとことで言えば「音声・動画をアップロードすると、タイムスタンプ付きのテキストになり、字幕や分析、翻訳までできる」サービスです。分解すると次の通りです。

自動文字起こし：タイムスタンプ付きで、38〜50 以上の言語に対応（資料により記載が異なる）。
話者識別：複数人の会話で「誰が話したか」を区別する。
独自辞書：業界用語、人名、ブランド名を登録して聞き間違いを減らす。
ブラウザー内エディター：タイムスタンプ、メモ・コメント、バージョン履歴、検索置換、音声の切り出し。
AI 分析：要約、トピック検出、感情分析、キーワード抽出。
字幕：SRT/VTT/TTML の書き出しと、MP4 への焼き込み。
翻訳：有料機能。
チームとセキュリティ：チーム連携・権限管理、有料版の API、SSO/SAML、2FA。

✨ 主な特長

ブラウザーだけで完結：sonix.ai を開くだけ。アプリのインストールは不要。
字幕焼き込み MP4 をワンステップで：字幕を書き出してから別のソフトで焼き込む、という工程を省ける。
編集ソフトと連携：Adobe Premiere や Final Cut Pro とつながり、編集者はタイムラインから離れずに済む。
独自辞書が地味に効く：法律・医療・技術など専門用語が多い現場ほど差が出る。

🤖 AI技術と性能

精度はこの手のツールの最大の論点です。公式は 97〜99% としていますが、第三者によるクリアな英語音声での実測は 85〜92% が相場です。この差は覚えておきましょう。公式数値は理想条件で、訛りや雑音、複数人が同時に話す録音では下がります。

話者識別は、同時発話や長い沈黙があると不安定になり、話者が入れ替わることがあります。翻訳も文字起こしの後に走るため、1 語の聞き間違いが翻訳全体に波及します。97〜99% は上限と捉えるのが現実的です。

🎯 活用シーン

ポッドキャスター：1 本の音声をタイムスタンプ付き文字起こしにして、ショーノートや記事の下書きに。
動画編集者：Premiere や Final Cut に字幕をそのまま流し込み、手打ちの書き起こしを省く。
記者・研究者：取材音声を検索可能なテキストにし、キーワード抽出で要点を探す。
教育機関：講義動画に多言語字幕を付ける（教育割引は 1 時間 8 ドル）。
企業：会議録音を要約して議事録や共有ノートに。

🛠️ 使い方

アカウントを登録。30 分の無料トライアルが付きます。
音声・動画ファイルをアップロードするか、URL を貼る。
言語を選び、話者識別をオンにする。
文字起こしが終わったら、ブラウザー内エディターで修正・メモを追加する。
SRT/VTT/TTML で書き出すか、MP4 に字幕を焼き込む。
翻訳は必要になったときに有料オプションで使う。

全工程がブラウザー内で完結し、初回でも迷いません。

💡 活用のコツ

先に音を整える：雑音や BGM を消しておくと精度が上がる。
長い素材の前に独自辞書を：業界用語や人名、商品名をあらかじめ登録する。
いきなり 2 時間ものは避ける：短いクリップで試してから本番へ。
話者ラベルが怪しいときは分割：ファイルを区切って別々に文字起こしする方が確実。
翻訳する前に文字起こしを直す：1 語の誤りが全体に広がる。
利用が少ないうちは従量で：月額の Premium ではなく 1 時間 10 ドルから始める。

📈 実例

Sonix はポッドキャスト、講座、ドキュメンタリーの「取材 → 文字起こし → 字幕」という流れで使われることが多いようです。インタビュー番組のチームは、毎回の音声を上げて自動で原稿を作り、編集者が XML を Premiere に取り込んで字幕を載せる、という使い方をしています。

教育機関は割引（1 時間 8 ドル）を使って講義動画に複数言語の字幕を付けています。コンテンツチームが過去の動画を一括で文字起こしし、検索可能なアーカイブとして使うケースもあります。

📱 対応プラットフォーム

Web アプリケーションで、sonix.ai をブラウザーで開けば使えます。アプリのインストールは不要です。Chrome、Safari、Edge などデスクトップの主要ブラウザーに対応しています。目立ったモバイルアプリはなく、中心はブラウザー内エディターです。

要するに、ブラウザーとネット接続があればどのパソコンでも動きます。

🌐 対応言語

文字起こしは 38〜50 以上の言語に対応（資料により記載が異なる）。主要言語はおおむねカバーしており、日本語も含まれます。翻訳機能も複数言語間で使えます。

マイナーな言語や方言は、広告の数字を信じず、無料トライアルで事前に確認してから契約するのが無難です。

💰 料金プラン

「サブスク＋従量」のハイブリッド型で、次のプランがあります。

Standard：従量制で 1 時間 10 ドル（文字起こし＋翻訳）。新規ユーザーは 30 分無料。
Premium：1 ユーザー月額 22 ドル。文字起こしが 1 時間 5 ドルに下がり、チーム連携や AI 分析が使える。
教育・非営利：1 時間 8 ドルの割引。
Enterprise：カスタム料金。月 100 時間以上使うチーム向け。

利用が少ない人には料金体系がやや分かりにくく、月額と従量が混在するため損得の計算が面倒に感じられる面もあります。

👥 向いている人

ポッドキャスター、動画クリエイター：定期的に文字起こしや字幕が必要な人。
編集者：Premiere や Final Cut に字幕を載せたい人。
記者、研究者、学生：取材をテキスト化してメモにしたい人。
企業チーム：会議録や検索可能なアーカイブが欲しい人。

逆に、たまにしか使わない人や、誤りが許されない高精度な案件は向いていません。

👍 長所

インストール不要：ブラウザーで完結。
実務をカバー：多言語、話者識別、独自辞書で実際の仕事に対応。
書き出し形式が豊富：DOCX/TXT/PDF、SRT/VTT/TTML、Premiere XML、Final Cut、CSV/NVivo、WAV/MP3/MP4。
字幕焼き込み MP4 をワンクリックで。
コンプライアンスが堅い：SOC 2 Type 2、GDPR、転送中・保存中の暗号化、AWS 米国保存、定期ペネトレーションテスト。

⚠️ 短所と制限

AI 文字起こしのみ：人手による文字起こしの選択肢がなく、正確さが絶対条件の案件には不向き。
無料トライアルは 30 分だけ：本格的な試用はできない。
話者識別が崩れる：複数人が同時に話す、沈黙が長い録音で話者が入れ替わる。
翻訳が文字起こしの誤りを引き継ぐ。
利用が少ない人には割高：月額が高く感じられ、料金体系も複雑に映る。

❓ よくある質問

無料版はありますか？

恒久的な無料版はなく、30 分の無料トライアルのみ。以降は従量 1 時間 10 ドルか、月額 22 ドルの Premium です。

実際の精度は？

公式は 97〜99%。第三者によるクリアな英語音声での実測は 85〜92% で、雑音が多いとさらに下がります。

日本語に対応していますか？

対応しています。対応言語リストに日本語が含まれます。

翻訳はできますか？

できます。翻訳は従量または Premium で使える有料機能です。

アプリはありますか？

基本は Web アプリで、主力のモバイルアプリはありません。

データは安全ですか？

SOC 2 Type 2 と GDPR に準拠し、転送中・保存中とも暗号化、データは AWS の米国リージョンに保存、定期ペネトレーションテストも実施しています。

🔄 類似ツールとの比較

Otter：Otter はリアルタイム会議向け、Sonix は録音済みファイルと字幕書き出し向け。
Descript：Descript は編集と文字起こしの一体型、Sonix は文字起こし・字幕に特化し、料金も別体系。
OpenAI Whisper：無料で高性能だが自前運用で、エディターやチーム機能はない。Sonix は開封してすぐ使える点が強み。
Trint：どちらもメディアチーム向けだが、字幕焼き込みと Premiere/Final Cut 連携は Sonix の方が滑らか。

Sonix