「文字起こしで編集」時代のポッドキャスト制作――Descript・Riverside・Cleanvoiceの使い分け(2026年9月)

2026年9月25日

ポッドキャストや動画のナレーション制作は、この1〜2年で「録って、手作業で切り貼りする」から「文字起こしを編集する」やり方に大きく変わりました。今週は、文字起こしベース編集・自動ノイズ除去・フィラー語カットといった、実務でそのまま使える音声制作ワークフローの現在地を、代表的なツールと合わせて整理します。

ワークフロー全体の流れ

ポッドキャストや動画ナレーションの制作は、おおまかに次の5工程に分けられます。それぞれの工程で使えるAIツールが増え、従来は数時間かかっていた編集が数十分で終わるケースも珍しくなくなりました。

録音：リモート収録でも各話者をローカル高音質で記録
音声の書き起こし・整音：文字起こしと同時にノイズ・残響を除去
文字起こしベースの編集：テキストを削ると音声も削れる編集環境でカット
フィラー語・無音区間の自動除去：「えーと」「あの」や長い間を検出して削除
書き出し・配信用素材化：ラウドネス正規化、SNS用クリップ、ショーノート生成

代表的なツール

Descript

録音・文字起こしベース編集・音声強化（Studio Sound）・書き出しまでを1つのワークスペースでこなす老舗ツール。文章を消すだけで対応する音声区間も削除される「テキストを編集する感覚」の操作が特長で、フィラー語や無音区間、言い間違いの除去もワンクリックで行えます。無料プランは月60分の処理枠、Creatorプラン（月額24ドル前後）で月30時間・4K書き出しに対応します。反面、スクリーン録画ベースのチュートリアル制作などには不向きという指摘もあります。

Adobe Podcast（Enhance Speech）

ブラウザだけで使える音声強化ツール。背景ノイズや部屋の反響を抑え、スマホ録音のような音声でもスタジオ収録に近い聞こえ方に整えます。無料版は1日1時間まで、ファイルあたり30分・500MBの制限あり。Premiumでは1日4時間に拡大されるほか、動画対応・音声と音楽・ノイズを分離するソース分離機能なども使えます。ノイズ処理の評価が高い一方、強くかけすぎると「AIっぽい」加工音になりやすい点は要注意です。

Riverside.fm

リモート収録に強い録音プラットフォームで、Magic Audio（ノイズ除去・音声強化）、Magic Clips（SNS向け切り抜き自動生成）、フィラー語除去、AIショーノート作成などをまとめて提供します。Proプラン（年払いで月額24ドル前後）で月15時間の複数トラック収録とAI機能一式が使え、収録から配信素材化までワンストップで完結させたいチームに向いています。

Cleanvoice

エディタではなくAPI／SDKとして提供される音声クリーンアップサービス。フィラー語・無音・呼吸音・どもりの除去とスタジオサウンド化、ラウドネス正規化を1回のAPI呼び出しで処理でき、既存の編集パイプラインに組み込みやすいのが特徴です。EUでホストされGDPR対応をうたう点も、法人利用では判断材料になります。対応言語は20以上とされますが、公式ドキュメント上で高精度が確認されているのは英語・ドイツ語・ルーマニア語など一部言語です。

Otter.ai

文字起こし専業のツールとして根強い定番。無料プランで月300分の文字起こしが可能で、Descriptなど編集ツールと組み合わせて「まず正確なテキストを得る」用途で使われることが多いです。

機能・料金の比較

ツール	得意領域	API/SDK	無料枠の目安	有料プランの目安
Descript	文字起こしベース編集・書き出し	△（主にGUI）	月60分	月額24ドル〜（月30時間）
Adobe Podcast	ノイズ除去・音声強化	なし（ブラウザ主体）	1日1時間	Premiumで1日4時間・動画対応
Riverside.fm	収録＋クリップ自動生成	△	2時間収録（720p・透かし入り）	月額24ドル〜（15時間・Magic Audio込）
Cleanvoice	自動音声クリーンアップ	◎（REST/Python/JS SDK）	都度確認（従量制中心）	API従量課金
Otter.ai	文字起こし	△	月300分	上位プランで容量拡大

実務での組み合わせ例

個人〜小規模チームなら、収録はRiverside.fmまたは手持ちのマイクで行い、荒れた音声はAdobe PodcastのEnhance Speechで整音、そのファイルをDescriptに読み込んでテキストベースでカット編集、という流れが手早く回せます。制作本数が多く自動化を重視するなら、収録後の音声をCleanvoiceのAPIに流し込み、フィラー除去・ノイズ除去・ラウドネス正規化までを自動処理してから、既存の動画編集ソフトに渡すパイプラインが向いています。いずれの場合も、AIによる強調処理は「かけすぎ」で不自然になりやすいため、最終書き出し前に人の耳で確認する工程を残すことをおすすめします。