会話をリアルタイム字幕で表示：対面でiPhoneを使う方法

画面に表示されるもの

セッションはライブの文字起こしを書きます。相手がひとまとまり話し終えるたびに、その内容が吹き出しとして画面に表示され、会話はさかのぼれる一覧として積み重なっていきます。自分が答えている間に聞き逃した一文も、そこに残っていて読み返せます。

アシスタントは、それぞれの発言に自分から答えもします。このアプリはそのために作られているからです。字幕として使うなら邪魔にならないようにしたいので、「会話についてコメントしないでください。私が質問を打ち込まない限り、返事は数語にしてください。」のような指示で空のセッションを始め、「詳細レベル」を「簡潔」にします。指示はモデルを方向づけるもので、スイッチのように止めるものではないので、読んでいる行の合間に、ときどき短い返事が入ると思っておいてください。

相手が別の言語を話すなら、翻訳セッションを使えば、各文とその訳が吹き出しの組で表示されます。会話のリアルタイム翻訳のガイドで説明しています。

設定

相手が返事を待っている最中ではなく、会話の前に一度済ませます。

1. 「設定」の「外観」で「チャットのフォントサイズ」を開き、「大」か「特大」を選びます。iPhone 本体の文字サイズに上乗せされます。
2. 「翻訳する」をタップし、「チャットとライブセッションを翻訳する」がオフになっていることを確かめます。翻訳はアプリ全体の設定で、最後に使ったときのまま、オンになっていることがあります。
3. 空のセッションを始め、上の指示を書き、「詳細レベル」を「簡潔」にします。
4. iPhone の「画面表示と明るさ」の設定で「自動ロック」を長めにし、長い会話になりそうなら充電しながら使います。
5. スマートフォンを何に使うのか相手に伝え、置き場所を決めて、「スタート」（iPad では「セッションの開始」）をタップします。
6. 会話が終わったら「終了」をタップします。文字起こしは端末上のセッションに残ります。

スマートフォンの置き場所

字幕の質は、スマートフォンに届く音の質で決まります。字幕にしたい人の近くに、その人のほうへ向けて置き、画面は手に取らずに読めるよう自分のほうへ傾けます。

カフェ、家族の夕食、テレビのついた待合室のような騒がしい場所では、何より距離が大事です。話し手から50センチのスマートフォンは、テーブルの向こう側のものよりずっと良い結果になり、皿やグラスの間に平らに置いたスマートフォンは、食器の音をすべて拾います。小さなスタンドがあると便利です。iPad なら同じフォントサイズでもより多くの文字が表示されるので、長い会話を追いやすくなります。

一度に一人が話すのがいちばんです。二人が重なって話すと、マイクには一つの音として届くので区別できず、文字起こしに両方が混ざります。大事なグループの会話では、順番に話し、スマートフォンのほうを向いて話してほしいと頼んでもかまいません。

アプリは開いたまま、画面はつけたまま

多くの人がつまずくのがこの決まりです。ライブセッションは、アプリがバックグラウンドに移るか画面がロックされると終了し、「アプリは非アクティブです。リアルタイムセッションが終了しました。」と表示されます。会話の途中で画面がロックされると、新しいセッションを始めるまで字幕は止まります。

• 始める前に「自動ロック」を長めにし、好みに応じて終わったら元に戻します。
• ちょっとした雑談より長くなるなら、充電しながら使います。画面をつけたままにするとバッテリーを使います。
• メッセージを確かめるために別のアプリに切り替えないでください。すでに文字起こしされた内容はセッションに残りますが、セッションが終了したあとは、新しい字幕は出ません。
• 終了してしまったら、すぐに新しいセッションを始めます。それまでの会話は最初のセッションに残っています。

聞き取りは Apple Speech か OpenAI か

アプリが音声を聞く方法は2つあります。初期設定では、OpenAI のモデルが音声を聞いて文字起こしを書きます。「聞き取り中」の項目で「Apple Speech」を選ぶと、代わりに端末上で文字起こしを行い、答えのためにテキストを GPT に送ります。「スタート」をタップする前に選んでください。

どちらが合うかは、声、言語、部屋によって違うので、一般論を信じるより、実際に使う条件で両方を試してください。Apple Speech なら音声そのものはスマートフォンに残りますが、話された内容のテキストは GPT に送られます。iPhone と iPad では、どちらもインターネット接続が必要です。

できないこと

資格のある字幕サービスではなく、正確さの保証もありません。名前や数字、小さな声の言葉を聞き間違えたり、二人の話し手をつなげてしまったり、早口の人に遅れたりすることがあります。夕食の席の会話なら割に合いますが、一語の聞き逃しが大きな結果につながる場面では、これだけでは足りません。

診察、法的な話し合い、配慮を受ける権利のある授業などでは、要約筆記や文字通訳（CART）といった専門の字幕サービス、あるいは手話を使うなら手話通訳を、相手の機関に頼んでください。多くの病院、裁判所、大学、職場で手配されていて、テーブルの上のスマートフォンはその代わりにはなりません。

相手に伝える

字幕は文字起こしであり、文字起こしはほかの人が言ったことの記録です。まず相手に伝え、画面を見せましょう。説明するより、画面のほうがよく伝わります。

クラウドのセッション中、音声は端末から OpenAI の Realtime API に直接送られます。セッションは端末に保存され、クラウド同期はありません。Arte Soft のサーバーが音声・文字起こし・回答を受け取ることはありません。他人の会話の録音と文字起こしのガイドで、何を伝えるか、法律がそれ以上を求めるのはどんなときかを説明しています。