リアルタイム字幕・翻訳

この記事のページを開く

カレンダーと連携して、ボットが会議に入り、終わった時点で文字起こしと要約が届く形。参加者への断りまで含めた流れ。

1. 1. カレンダーを連携するNotta や tl;dv のアカウントを作り、Google カレンダーか Outlook を連携する。連携すると、予定に入っている Zoom・Meet の会議が一覧に出る。
2. 2. 自動参加の対象を決めるすべての会議に入れるか、自分が主催する会議だけか、都度選ぶかを設定で決める。社外の人が入る会議は、まず都度選ぶ設定にしておくと事故が少ない。
3. 3. 参加者に断るボットが会議に入ると、参加者の画面に録画中の表示や、参加者一覧にボットの名前が出る。冒頭で「議事録のために文字起こしを入れている」と一言添える。社外の会議は事前に相手の了承を取る。
4. 4. 会議が終わったら要約を確認する終了後しばらくすると、文字起こしと要約・決定事項・宿題の一覧が届く。話者名が間違っていたら、その場で名前を付け直すと以降の会議でも反映されやすい。
5. 5. 共有する議事録の共有 URL を出席者に送るか、Slack や Notion に連携で流す。社外に送る時は、共有範囲（リンクを知っている人全員か、指定した人だけか）を確認してから。

• 録音した音声の保存期間と、学習利用の設定は最初に確認しておく
• 無料枠は月の要約回数に上限があることが多い。会議が多い月は上限に当たる前に気づけるよう、残量の表示を見ておく

この記事のページを開く

会議室の真ん中にスマホを置いて録音し、そのまま文字起こしと話者分離まで済ませる流れ。

1. 1. 録音の許可を取る会議の冒頭で録音することを伝え、了承を得る。社外の人がいる場合は、録音の用途（議事録のみ・共有先）も添える。
2. 2. スマホの置き場所を決める机の中央、話す人から等距離になる場所に置く。紙をめくる音やキーボードの近くは避ける。エアコンの真下も音が乗りやすい。
3. 3. アプリで録音を始めるCLOVA Note や Rimo Voice のアプリで録音を開始する。録音中に「ここが決定事項」という場面でブックマークを打っておくと、後で探しやすい。
4. 4. 文字起こしと話者分離を確認する録音を止めると自動で文字起こしが始まる。話者が「話者A・話者B」のように分かれて出るので、名前を付け直す。音声と文字が同期して再生できるので、聞き取りにくい箇所は音声を聞いて直す。
5. 5. 要約か、整文か内蔵の要約で足りるならそのまま。文章として読みやすくしたい場合は、文字起こしをコピーして AI ツールに渡し、整文させる。整文の道具は AI ツールのサイトへ。

• 長い会議は途中で区切って録ると、アップロードと文字起こしが安定しやすい
• 無料枠の月の時間は、録音した長さで消費される。会議の前後の雑談は止めておく

この記事のページを開く

画面のあるサービスを使わず、OpenAI の API に音声ファイルを投げて、分単価で文字起こしする流れ。長い取材や大量の音声に。

1. 1. API キーを用意するOpenAI のプラットフォームでアカウントを作り、API キーを発行する。支払い方法を登録しないと呼び出せない。キーは人に見せず、コードに直書きしない。
2. 2. 音声ファイルを整える取材の録音を音声ファイル（mp3・m4a・wav など）にする。ひとつのファイルの大きさに上限があるので、長い取材は音声編集ソフトや ffmpeg で分割しておく。
3. 3. API に投げる公式のサンプルコード（Python か Node.js）を使い、ファイルを指定して文字起こしのエンドポイントを呼ぶ。言語を日本語に指定すると誤認識が減る場合がある。出力形式は文章のほか、タイムスタンプ付きの SRT も選べる。
4. 4. 結果をつなげる分割したファイルの結果を順につなげて、ひとつのテキストにする。話者分離は内蔵されていないので、必要なら聞きながら話者名を入れるか、話者分離に対応した別サービスを併用する。
5. 5. 整文する起こした文章には言い直しやフィラーが残る。AI ツールに渡して「意味を変えずに読みやすく」と指示すると整う。整文の道具は AI ツールのサイトへ。

• API に送った音声は、既定では学習に使われないという記載がある。取材相手との約束がある場合は規約を読んでおく
• コードを書きたくない場合は、Whisper を内蔵した文字起こしアプリやローカルで動く版もある

この記事のページを開く

アップロードした動画に自動字幕を付け、誤りを直し、必要なら翻訳字幕まで載せる流れ。編集ソフトで先に付ける形も。

1. 1. 動画をアップロードして待つYouTube Studio に動画を上げると、しばらくして自動字幕が生成される。動画の言語を正しく設定しておくと、自動字幕の言語もそれに合う。
2. 2. 自動字幕を直すYouTube Studio の「字幕」から自動字幕を開き、誤認識や固有名詞を修正する。タイミングも一行ずつ調整できる。修正した字幕は自動字幕とは別に保存される。
3. 3. 翻訳字幕を足す字幕の画面で別の言語を追加し、自動翻訳を出発点にして直す。視聴者は再生画面で言語を切り替えられる。
4. 4. 編集ソフトで先に付ける場合Vrew に動画を読み込むと、音声が文字起こしされて、文章を編集する感覚でカットや字幕のデザインができる。字幕を焼き込んだ動画として書き出すか、字幕ファイル（SRT）だけを書き出して YouTube に上げる。
5. 5. 公開前に確認する字幕の表示位置が画面内のテロップと重なっていないか、スマホの縦画面で読めるかを一度見る。

• 自動字幕は音楽や雑音が多い動画では生成されない場合がある
• 字幕ファイルを手元に残しておくと、他のプラットフォームに上げる時にも使える

この記事のページを開く

文字起こしはそのままでは読みにくい。起こした文章を AI に渡して、整文・要約・決定事項の抽出まで済ませる流れ。

1. 1. 文字起こしを書き出すNotta なら議事録画面からテキストを書き出す。Whisper API なら結果のテキストをそのまま使う。話者名が入っていると、後の整文で誰の発言かが保たれる。
2. 2. 内蔵の要約で足りるか見るNotta のような議事録サービスは要約や決定事項の抽出を内蔵している。会議の共有用ならこれで足りることが多い。読み物として整えたい時や、形式を指定したい時は次へ。
3. 3. AI ツールに渡す起こした文章を Claude や ChatGPT などの AI ツールに貼り、目的を指示する。「意味を変えずに読みやすい文章に」「決定事項と宿題を箇条書きに」「議事録の形式（日時・出席者・議題・決定・宿題）で」のように、形を先に決めて渡す。
4. 4. 固有名詞と数字を確認する整文の過程で、人名・製品名・数字が変わっていないかを元の文字起こしと照らす。AI は言い回しを整えるのは得意だが、聞き取りの誤りは直せない。
5. 5. 社外秘の扱いを決める会議の内容を AI ツールに貼る前に、そのツールが入力を学習に使うかどうか、社内のルールで許されているかを確認する。学習利用を止める設定や、法人向けプランを使う形もある。

• 整文の指示は毎回同じになりやすい。定型文として保存しておくと速い
• 整文の道具の選び方は AI ツールのサイトへ。ここでは文字起こしまで

Zoom・Meet・Teams の会議なら、ボットが会議に参加して録音・文字起こし・要約までする「自動参加型」。対面の会議や取材は、スマホやレコーダーで録音したファイルを後から起こす「音声ファイル型」。同じサービスが両方できる場合もあるが、得意な側は分かれる。まず自分の会議がどちらかを決める。

誰が話したかを分けて書き出す機能。会議の議事録では要り、ひとりの講演や自分用のメモでは要らないことが多い。対応の有無と、対応していても録音の状態で精度が変わる旨が各社の記載にある。一覧の「できること」表で有無だけを載せている。

文字起こしと要約は別の工程。要約や整文を内蔵するサービスは月額が一段上がる場合がある。起こした文章を別の AI ツールに渡して整える形なら、文字起こし側は安い段で足りる。整文の道具は AI ツールのサイトへ。

会議の音声は社外秘や個人情報を含みやすい。入力を AI の学習に使うかどうか、録音の保存期間、削除の方法は各社の規約に記載がある。設定で学習利用を止められるサービスもある。導入前に規約を読み、社内のルールがある場合は各所管に確認する。

聞こえにくい人がいる会議や、多言語の会議では、後から起こすのではなくその場で字幕を出す形。Zoom の字幕機能や UDトーク、Android の音声文字変換など、無料で使えるものが多い。対応言語と翻訳の有無で選ぶ。

取材や講義の音声を大量に起こすなら、OpenAI Whisper API や Google Cloud Speech-to-Text のような API を分単価で使う形。月額のサービスより単価が下がる場合があるが、ファイルの投入や結果の整形は自分で行う。画面のある道具が要るなら定額型へ。