AIの回し方

外出時の打ち合わせの文字起こしも、Aqua Voice で取る

外出時の打ち合わせの文字起こしも、Aqua Voice で取る
Ryosuke Ishii

Aqua Voice に議事録の機能が入った。11月12日から5日間で9件、合計で約5.7時間の打ち合わせを録った。音声入力の道具として使っていた Aqua が、打ち合わせの記録でも主役の1つになった。何が変わったか、どう組み込んだかを書きます。

1. 外出先では録れていなかった

AirPods をしていると、相手の声が途切れる

打ち合わせの記録には HiNotes を使ってきた。事務所の端末で仕事をする時は、机の上の機器(HiDock H1)が自動で音を拾う。何もしなくても記録が残る。

困っていたのは外に出ている時だ。対面の会話は、持ち歩き用の録音機(HiDock P1)で録っている。けれど AirPods でオンラインの打ち合わせに出ると、相手の声はイヤホンの中にしか流れない。P1 はイヤホンの音も拾える機器だけど、私の環境では接続が安定せず、音がブツブツ切れたり録音できなかったりで、業務の記録としてはあまり使えなかった。

2. Aqua の議事録機能

マイクの声と、端末から出る音を両方録る

Aqua の議事録機能は、会議にボットを入れない。端末のマイクと、端末から出る音をそのまま録る。だから AirPods をしたままでも、自分の声と相手の声の両方が記録に入る。

オンライン会議でも対面でも、操作は同じ。録音を始めて、終わったら止める。出てくるのは話者ごとに分かれた文字起こしで、ボタンを押せば話題・決まったこと・次の作業の要約も付く。

録るのは端末の音なので、会議の道具を選ばない。Zoom でもそれ以外でも、パソコンで音が鳴るものなら録れる。パソコンで受けた電話も、同じように記録に残る。この点は、事務所で使っている HiDock も同じだ。

使ってみて良かった点は2つ。

  • 文字起こしの精度が高い
  • 話者の分け方がきれい
Aqua の文字起こしの画面。話者ごとに分かれて出る
Aqua の文字起こしの画面。話者ごとに分かれて出る

もともと音声入力を作ってきた会社なので、声を文字にする部分が強い。

注意も1つある。Aqua は参加者に録音の通知を出さない。録ることは自分の口で伝える必要がある。

3. 3つの録音で、欠けを補う

基を1つ選び、途切れた区間は別の録音で埋める

録音は3つ。欠けた区間は他で補う
録音は3つ。採用する順を決めている

Aqua を入れても、HiNotes はやめていない。今は同じ打ち合わせに最大3つの記録がある。自社の業務台帳(DP Core)がこれを1つの打ち合わせにまとめる。

基にする記録は、次の順で1つ選ぶ。

順記録役割
1Zoom の文字起こし話者の実名が入っている。誰の発言かが一番確かに分かる
2Aqua文字の精度と話者の分け方が良い。Zoom の記録が無い打ち合わせの基になる
3HiNotes音声そのものが残る。ほかの記録が途切れた区間の補いと、将来のための保管

選んで終わりではない。台帳は録音どうしを時刻で突き合わせる。基の記録に発言がほとんど無いのに、別の録音には発言がある。そういう区間が2分以上続いたら欠けとみなし、別の録音の発言で埋める。録音の開始が遅れた回も、途中で止まった回も同じ扱いになる。

補った区間には、画面で「HiNotes から補った区間」のような帯が付く。元の記録は書き換えない。Aqua の記録が途中で空いた長い打ち合わせでは、空いた所を HiNotes の発言が埋めた。

補うのは区間の単位だ。1つの発言の中で、録音どうしの文字を混ぜることはしていない。

HiNotes の役割は、文字起こしから「音声の保管」に寄った。録音は機器の本体に残り、取り出して保存できる。今は使い道がなくても、音声の分析をする時に材料になる。

要約は Aqua のものを使わず、台帳に取り込んだ発言から作る。補った区間の発言も材料に入る。どの記録が基でも、要約の形が揃う。

取りこぼしは機械で見張っている。10分以上の録音なのに発言が極端に少ない回、冒頭に長い無音がある回は通知が届く。

4. 辞書は毎朝、自動で入れ替える

AI が語を選び、入り口に戻す

AI が選んだ語を、音声入力の辞書に戻す
AI が選んだ語を、音声入力の辞書に戻す

音声入力の誤変換は、放っておくと下流に広がる。会社名や製品名を間違えた文字起こしをそのまま記録に入れると、それを読んだ AI も間違えて覚える。

Aqua には辞書があり、MCP(AI から道具を操作するための接続口)で外から読み書きできる。これを使って、辞書の更新を自動にした。

  • AI が、業務台帳の予定と最近の打ち合わせから、これから出てくる名前と用語を選ぶ
  • 毎朝、辞書の自動管理の語だけを入れ替える
  • 手で決めた語には触らない
Aqua の辞書の画面
Aqua の辞書の画面

AI が選べる語には条件を付けた。予定・案件名・名簿に文字で書かれている語か、2つ以上の打ち合わせに出た語だけを採る。文字起こしには聞き違いが混ざる。1回だけ出た語を入れると、聞き違いを辞書に登録してしまう。

業務台帳は、AI が仕事の前に読む場所でもある。AI が知っている名前を、入り口である音声入力に登録する。入り口の誤変換が減ると記録の間違いが減り、記録を読む AI の間違いも減る。

辞書には枠がある。枠を超えると後ろの語は無視される。実測では、この枠は文字数ではなく UTF-8 のバイト数で数えられていた。かなや漢字は多くが1文字で3バイトなので、思ったより早く埋まる。だから全部を入れず、今使う語に入れ替える形にした。AI が選んだ分は、人や会社の名前と、製品名や用語を交互に並べて入れる。片方だけで枠が埋まることを防ぐ。

決まった聞き違いは、言い換えの登録で直す。「受注算」と書かれたら「受注残」に、という登録だ。今ある言い換えは手で選んだものだ。同じ打ち合わせの Aqua と別の録音を見比べて、AI が言い換えの候補を出す仕組みも足した。候補が見つかった週は、通知で届く。入れるものを選んで送ると、選んだものだけが Aqua に登録される。

Aqua の言い換えの画面
Aqua の言い換えの画面

以前は、音声入力の結果をいちいち自分で直していた。その手間を減らせる。

5. 話者に名前を付ける

名乗りと呼びかけから、AI が推定する

名乗りと呼びかけから、AI が推定する
候補は機械が出し、名前は人が決める

Aqua が分けるのは「話者1」「話者2」まで。誰なのかは付かない。端末の音を録る方式では、話者の名前が分からないことが長く課題だった。

ここは業務台帳の側で補った。手がかりは2つある。

1つ目は Zoom の記録。時刻が近い Zoom の記録があれば、発言の時刻と内容を突き合わせて「話者1 はこの人」という候補を出す。確信が高いものだけに絞る。

2つ目は発言の中身。Zoom の記録が無い打ち合わせでも、AI が話者ごとの発言を読み、名乗りや呼びかけへの応答から誰なのかを推定する。選ぶ先は、その打ち合わせにいそうな人に限る。まず予定の参加者を名簿と突き合わせる。参加者が分からない時は、台帳の案件に登録された関係者と、同じ定例の過去の回に出ていた人から選ぶ。いつも出ているというだけでは、名前は出さない。

AI の推定は、コードで検査する。根拠にした引用が、実際の発言に文字どおり含まれているか。1人を2つの名札に付けていないか。検査を通り、確からしさが高く、根拠が名乗りか呼びかけのものだけ、名前を自動で表示する。画面には「推定」の札が出て、押せば直せる。それ以外は名前を出さず、候補として示す。決めるのは人だ。

人が確定した名前と Zoom の実名は、推定で上書きしない。名前を直した時に替わるのは、その録音の中の同じ名札だけだ。

6. P1 の出番

外出先でパソコンを開く打ち合わせは Aqua で録れるようになった。HiDock P1 を持ち出す回数は減る。

ただ、パソコンを開かない打ち合わせがある。立ち話、移動中の電話、食事の席。そこでは P1 が録る。出番は少なくなるが、パソコンが無い場面の記録は P1 が担う。

使うための条件

  • 議事録を回数の制限なく使えるのは Max プラン。Pro は月3件まで
  • Mac で端末の音を録るには macOS 14.2 以降が必要
  • MCP の接続は全プランで使える
ABOUT ME
石井 亮介(りょうさん)
石井 亮介(りょうさん)
データパレード 代表取締役
㈱データパレードの代表取締役で、高田馬場の町中華「一番飯店」のChief Data Officerも務めています。BIツールのセールスエンジニア・システムエンジニア・カスタマーサクセス歴15年。大学のデータサイエンス教育で講師も担当してきました。現在は自社業務のほとんどをAIに移管し、AI10部署と50を超える自動処理が24時間動く「AI経営」を実践中。その実践知をこのブログで発信しています。
記事URLをコピーしました