会議をリアルタイムで文字起こしする方法

あとからでは、もう遅い

あとから起こした録音が答えられるのは「何が話されたか」だけです。会議中に浮かんだ疑問——あの数字はどういう意味だったのか、木曜日で合意したのか、契約の件は誰が引き受けたのか——には答えられません。文字ができあがる頃には、聞くべき瞬間が過ぎているからです。

ライブの文字起こしは、文字を会議の中に持ち込みます。話が続いている間に十分前の発言までさかのぼり、数字を繰り返す前に確かめ、決めた人たちがまだ部屋にいるうちに決定事項を押さえられます。

ライブセッションが実際にすること

GPT Realtime Assistant のセッションは、自分で開始し、自分で終了するものです。「スタート」をタップするとマイクの音声がモデルに送られ、話された内容が文字起こしとして画面に表示されます。アシスタントの回答はその横に並ぶので、会話と助けがひとつの画面に収まります。

音の途切れではなく、話のまとまりの終わりを聞き取ります。セマンティックな音声検出が話し終わったかどうかを判断するので、言葉を探すための間が回答の終わりと誤解されることはありません。アシスタントが答え始めても、付け加えたいことがあれば話しかけるだけで割り込めます。

手順

ペンを探すより早く終わります。

1. アプリを開き、会議が属するプロジェクトを選びます。プロジェクトはセッションをまとめ、セッションは履歴を保ちます。来月の同じテーマの会議も、今回の隣に並びます。
2. 場に合ったテンプレートから新しいセッションを始めます。決定会議、1:1、デイリースタンドアップ、顧客ヒアリングなどがあります。テンプレートがアシスタントの役割と指示を決めるので、何に注意して聞くべきかが伝わります。
3. 全員の声が届く場所に端末を置きます。テーブルの中央に平らに。ポケットの中やノートパソコンの画面の陰は避けてください。
4. 会話が始まる前に「スタート」をタップします。セッション開始前に話された内容は文字起こしできません。
5. 会議が終わったら「終了」をタップします。文字起こしとアシスタントの発言は、セッションの履歴に残ります。

どの端末かより、どこに置くか

文字起こしの質は、届く音声の質で決まります。六人のテーブルなら、いちばん口数の少ない人の前に置いたスマートフォンより、中央に置いた一台のほうが良い結果になります。テーブルの端に立てかけた iPad は、手に取らずに目をやれるので便利です。

画面越しの会議は別の問題です。相手の声は部屋の向こうからではなく、パソコンから聞こえてくるからです。Mac ではまさにそのためにシステムオーディオを聞き取れます。ビデオ通話の文字起こしのガイドで詳しく説明しています。

文字起こしの方法は二つ、Macなら三つ

iPhone と iPad では、文字起こしは OpenAI のモデルか、端末上で動く Apple の音声認識のどちらかで行われます。Apple シリコン搭載の Mac には三つめの選択肢があり、Whisper Large v3 Turbo をダウンロードしてマシン上で動かせます。音声を部屋の外に出すべきでない会話のためのものです。

文字起こしの保存先

文字起こし、回答、セッション、プロジェクトは端末に保存されます。クラウド同期はありません。アプリ自体のバックエンドが扱うのはアカウント、購入、クレジット残高で、音声・文字起こし・回答を受け取ったり保存したりはしません。

クラウドのセッションでは、文字起こしと回答を作るために音声が OpenAI に送られます。始める前に知っておくべきことであり、一緒に会議をする人にも伝えるべきことです。

「スタート」をタップする前に

文字起こしには、あなただけでなく部屋にいる全員の言葉が記録されます。文字起こしすることを伝え、所属する組織やその土地の法律がそれ以上を求めていないか確認してください。他人の会話の録音と文字起こしについてのガイドで、何をどう伝えるかを説明しています。