答えはYouTubeにある——でも、3分の有益な情報のために40分の動画を見るのは割に合わない。VoxAIはどんなYouTube動画も、読める・検索できる・翻訳できる・質問できるテキストに変えてくれる。しかも数秒で、新しいタブを開くこともアップロードを待つこともなく。 無料のChrome拡張機能。アカウント不要。サーバー不要。すべてブラウザの中だけで完結する。
見きれないほどの動画をブックマークしてしまった経験は誰にでもある。同僚から90分のカンファレンス講演が送られてきて「いいところだけ見ればいいよ」と言われても、そのいいところがどこなのかは誰も教えてくれない。試験勉強をしているのに、講義がまだ学習中の言語で行われている。時間を割く前に、その動画が本当に見る価値があるのか知りたい。
これらはどれも動画の問題ではない。時間の問題だ。VoxAIは、急いでいるときに動画をどう扱うべきかという発想で作られている——まずテキスト、動画はそのあと。
ほとんどのYouTube動画には、Googleのサーバー上にほぼ誰にも使われていない字幕がすでに存在している。VoxAIはそれを直接取得する——AIも使わず、コストもかからず、待ち時間もない。クリックすれば、1秒足らずで文字起こし全文が目の前に現れる。
古いアップロード、ライブ配信、ニッチなチャンネルなど、字幕が一度も付けられたことのない動画もある。そうした動画では、VoxAIが音声をGroqのWhisperモデル(最速クラスの音声認識エンジンのひとつ)に送り、1分あたり1円にも満たないコストで文字起こしを手に入れられる。
知る価値のあることすべてが声に出して語られるわけではない。料理動画のテクニック、製品デモのUI、チュートリアルの画面操作——これらは音声ではなく映像の中にある。VoxAIは動画をそのままGoogleのGeminiモデルに渡すことができ、Geminiは動画を実際に視聴し、話されている内容だけでなく実際に起きていることを説明してくれる。
生の文字起こしは、それでもまだ読むには量が多い。ワンクリックでAI分析にかければ、本当に欲しかったものが返ってくる——要点、表に整理された使える数字、実際に行動につながる部分。もっと具体的なもの——学習用のまとめ、経営層向けの要約、3行サマリーなど——が欲しければ、分析用のプロンプト自体を自分で書き換えることもでき、VoxAIはそのバージョンを記憶してくれる。
動画が流暢に話せない言語のものなら、文字起こしをワンクリックで翻訳できる。内容は変わらない、ただ読めるようになるだけだ。
すでにお気に入りのAIツールがあるなら、ワンクリックで文字起こしと動画情報をクリップボードにコピーし、ChatGPT、Claude、Gemini、DeepSeek、Perplexity、NotebookLMのいずれかを新しいタブで開き、貼り付けるだけの状態にしてくれる。自分のツールを追加することもできる。
同じ動画を2回開いても、VoxAIはすでに答えを持っているものを再度文字起こししたり再分析したりして、あなたのAPI利用枠を無駄にしたりしない。結果は保存され、即座に利用でき、30日経てば自動的に消えるので、何も溜まり続けることはない。
好きなYouTube動画を開く。
ブラウザのツールバーにあるVoxAIアイコンをクリックする。
即座に文字起こしが欲しければ高速抽出を、字幕がない動画ならWhisperをクリックする。
翻訳する、AI分析を実行する、すでに使っているAIツールに送る——必要なものを選ぶ。
これで作業は完了。初回に自分の無料APIキーを追加する以外、セットアップは何も要らない。
VoxAIは自前のサーバーを運用していない。Groqへ、Geminiへ、あるいはあなたが選んだどのAIへのリクエストも、すべてあなたのブラウザから直接送信される。使うのは自分自身のAPIキーで、それはあなたの端末にローカル保存されるだけで、他のどこにも保存されない。間に立つ誰かがあなたの動画や文字起こし、質問を見ることはない。これはマーケティングのために後付けした機能ではなく、この拡張機能が成り立つための唯一の作り方だ。