日本語会議向けAI議事録ツール比較 2026：Fireflies/tl;dv/Otterを同じ音声で実測

Kenta Sato · 2026-05-21 · 約13分

日本語会議向けAI議事録ツール比較 2026：Fireflies/tl;dv/Otterを同じ音声で実測

英語会議の文字起こしなら選択肢は多いです。問題は、日本語の定例会議を毎週処理する時です。固有名詞、話者分離、要約の質で差が出ます。

そこで、同じ日本語会議の音声を3製品すべてにアップロードして、実際の出力を比べました。対象は Fireflies.ai、tl;dv、Otter.ai です。

先に結論です。文字起こしの素の精度と話者分離なら Fireflies（ただし短い会議は要約しない）。そのまま貼れる日本語要約の完成度なら tl;dv。無料・カード不要で試すなら Otter Basic（300分/月）。ただし、後述のとおり3製品とも「鵜呑み禁止」の落とし穴があります。

実測の方法（同じ音声を3製品に入れる）

精度ランキングを並べる代わりに、自分で同じ音声を入れて確かめました。

用意したのは、合成音声で作った3話者の日本語定例会議（約88秒）です。実在の会議ではなく、録音内容を完全に把握した状態で誤りを数えられるよう、固有名詞・数値・日付・アクションアイテムを意図的に詰め込みました。

• プロダクト名「ストックレンズ」、ツール名 Slack / GitHub / Notion / Zoom / セールスフォース、略語 KPI / MAU
• 数値：前月比12%、約2,300人、GitHub issue 24番、解約率3.2%
• 日付：6月3日リリース、6月2日次回、7月の予算会議
• アクションアイテム6件（バグ修正、LP更新、日程連絡、要件整理、データreset、議事録共有）

この音声を Fireflies / tl;dv / Otter に同条件でアップロードし、出てきた文字起こし・要約・アクションを正解原稿と突き合わせました。

結果サマリ（同一音声の実測）

※Fireflies は88秒の音声に対し「Meeting does not have enough transcript to generate a summary（要約を作るには文字起こしが不足）」と表示し、要約を生成しませんでした。短い録音より、長尺のライブ会議向けの挙動です。

共通の注意：アップロードした音声からの自動話者分離は、3製品とも完璧ではありません。tl;dv・Otterは全発言が1話者に統合され、Fireflies は2話者まで検出したものの区切りは粗く、3人を正しく分けられませんでした。話者をきれいに分けたいなら、各人の声を事前登録するか、ライブ参加型で録る運用が前提です。

tl;dv：そのまま貼れる日本語要約。ただし幻覚に注意

tl;dv は会議録画とAIノートを組み合わせる製品です。アップロードした音声に対し、章立て（概要／議題ごと／実行項目）＋タイムスタンプ付きの日本語要約を自動生成しました。出典: tl;dv pricing

実測の良かった点：

• 「ストックレンズ」「KPI」「6月3日」「12%成長」「秋山さん」を正しく拾い、議題ごとに 00:18 のような音声内タイムスタンプを付与。
• 実行項目を「誰が何を」の形で抽出（スラック連携のバグ修正、ランディングページ更新、日程連絡 など）。

実測で見えた弱点：

• 「解約率」を「開約率」と誤変換。要約・文字起こしの両方で同じ誤りが残りました。
• 文字起こしの末尾に「ご視聴ありがとうございました。ご視聴ありがとうございました。」と、音声に無い一文を幻覚として追加。AI議事録を鵜呑みにできない典型例です。
• アップロード音声では話者分離が効かず、全発言が「Speaker 1」に。
• 「MAU」「約2,300人」「GitHub issue 24番」など細かい数値・固有名詞は要約から落ちました。

tl;dv の自動要約。「概要／ストックレンズ6月リリース／KPI進捗／外部連携／実行項目」と章立てし、各項目に音声内タイムスタンプが付く。

料金面では、無料だと手動アップロードは5回までで、それ以降はアップグレードが必要でした。今回テストしたBusinessは7日間の無料トライアルですが、カード登録が必要で、解約しないと7日後に課金されます。

筆者の主観メモ: 日本語要約はそのまま社内共有できる完成度。ただ末尾に幻覚が混じったので、数字と固有名詞だけは元音声で確認したい。

CTA: tl;dvを確認する

Otter.ai：無料・カード不要で試せる。日本語も出るが詳細は落ちる

Otter.ai は英語会議メモで知名度が高い製品で、公式も英語音声向けと明記しています。とはいえ、日本語音声でも文字起こし・要約は日本語で出力されました。出典: Otter pricing

実測の良かった点：

• 文字起こしは日本語。「ストックレンズ」「解約率」（tl;dvが誤った箇所）「秋山さん」「6月3日」を正しく認識。
• Action Items を6件、自然な日本語で抽出（「Slack連携のバグ修正」「ランディングページの更新」「クライアントの秋山さんへ連絡」など）。tl;dvより抽出数は多めでした。
• Basicプランは無料・カード登録不要（月300分まで）。ボット無しで録音できる点も特徴です。

実測で見えた弱点：

• 「KPI」を「kp愛」と誤変換。
• 話者は「Speaker 1（100%）」のみで、3人を分離できず。
• 「MAU」「約2,300人」「GitHub」「Notion」「セールスフォース」など、具体情報を多くドロップして短縮されました。
• 「2重通知機能の要件をまとめる」など、別の議題（セールスフォース連携の要件）と取り違えた抽出も一部ありました。

Otter の Summary 画面。Action Items は日本語で6件抽出された（「ストックレンズ」も正しく認識）。

筆者の主観メモ: 無料・カード不要でここまで日本語の要点が出るのは驚き。話者が分かれない点を割り切れば、まず試す一本として十分。

CTA: Otterを無料枠で試す

Fireflies.ai：文字起こしの精度と話者分離は最良。ただし短い会議は要約しない

Fireflies.ai は、録音・文字起こし・要約・検索をまとめる製品です。会議にNotetakerボットが参加して自動で議事録を取るモデルが中心で、Meeting language に Japanese を設定できます。出典: Fireflies pricing / Fireflies affiliate

同じ日本語音声をアップロードした結果、文字起こしの素の精度は3製品で最も良好でした。

実測の良かった点：

• 「KPI」も「解約率」も正答。これは Otter が「kp愛」、tl;dv が「開約率」と誤った、まさにその2語です。
• 「ストックレンズ」「6月3日」も正しく認識。
• 3製品で唯一、話者分離を試みて Speaker 1 / Speaker 2 を検出（tl;dv・Otterは全発言が1話者）。

実測で見えた弱点：

• 「二重通知」を「2O通知」と誤変換。
• 話者分離は2人までで、3人を正しく分けられず、区切りも発話の途中で切れる場面がありました（「お願いし／ます。」が別話者に割れるなど）。
• そして最大の注意点：88秒の音声では要約が生成されませんでした。要約パネルには「Meeting does not have enough transcript to generate a summary（要約を作るには文字起こしが不足）」と表示。短いアップロードより、長尺のライブ会議を想定した挙動です。

Fireflies の文字起こし。「KPI」「解約率」を正しく拾い、Speaker 1/2を区別している。一方で左の要約は「No meeting summary available（文字起こしが不足）」となり、短い会議では要約が出なかった。 検証メモ: アップロード上限はMP3/WAV等で最大500MB（動画は2GB）。Slack/Notion/HubSpot連携や検索が強みで、過去の発言を後から探す用途に向きます。料金は7日間の無料トライアル後、Business が $228/seat/年（課金開始 2026-05-28） で、カード登録が必要でした。

筆者の主観メモ: KPIも解約率も正しく拾い、話者も2人まで分けたのは3製品で一番。短い音声だと要約が出ないので、長めのライブ定例向けだと感じた。

CTA: Fireflies.aiを確認する

わかったこと（3製品共通の落とし穴）

• アップロード音声からの自動話者分離は過信しない。Fireflies は2話者まで検出できましたが3人は分けられず、tl;dv・Otterは全発言が1話者でした。話者をきれいに分けたいなら、各人の声を事前登録するか、ライブ参加型（Notetaker）で録る運用が要ります。
• AI要約は鵜呑みにしない。tl;dvは「解約率→開約率」の誤変換に加え、音声に無い「ご視聴ありがとうございました」を末尾に幻覚として足しました。数値・固有名詞は要約から落ちやすいので、重要な決定事項は元音声で裏取りします。
• 短い会議では要約が出ないこともある。Fireflies は88秒の音声に「文字起こしが不足」として要約を出しませんでした。要約まで欲しいなら、ある程度の長さのある会議で使います。
• 日本語は3製品とも出力されるが、得意分野が違う。文字起こしの精度と話者分離はFireflies、完成度の高い要約はtl;dv、無料での試しやすさと素直なアクション抽出はOtterです。

どれを選ぶか

• 文字起こしの精度・話者分離を重視（長めのライブ会議が中心） → Fireflies
• そのまま共有できる日本語要約の質を最優先 → tl;dv
• 無料・カードなしでまず日本語精度を試したい → Otter（Basic 300分/月）

FAQ

アップロードした録音でも話者は自動で分かれますか？

今回の実測では、Fireflies が2話者まで検出（3人は不可）、tl;dv・Otter は全発言が1話者でした。話者をきれいに区別したい場合は、声の事前登録やライブ参加型の録音が前提になります。

日本語の精度は公式ページだけで判断できますか？

できません。固有名詞（社名・製品名）や数値は、手元の会議音声で大きく変わります。今回も「KPI→kp愛」「解約率→開約率」のような誤変換が出ました。

無料枠だけで比較できますか？

Otterは無料Basic（月300分・カード不要）で試せます。tl;dvは手動アップロード5回まで、Firefliesは7日間トライアル（要カード）です。トライアルは解約日を必ず控えます。

セキュリティ面の注意点は？

顧客会議では、録音とAI要約の利用を参加者に明示します。外部サービスに音声を渡す点も社内ルールで確認します。

まとめ

日本語会議向けAI議事録は、ランキングだけで決めない方が安全です。同じ音声を入れてみると、文字起こしの精度と話者分離は Fireflies、要約の作り込みは tl;dv、無料での試しやすさは Otter と差が出ました。どれも誤変換・脱落・要約の有無に癖があるので、重要事項は元音声で確認します。

CTA: tl;dvを確認する / Otterを無料で試す / Fireflies.aiを確認する