00:02
こんにちは。アシカガコウジです。
今回は、音声文字起こしツールの話です。
私は、ノッタというオンラインで使える音声文字起こしのツールを使っています。
でも、文字起こしの精度に不満があります。
多分、ナレーションみたいな、はっきりと理論制限と話している音声だったら、精度は高いんだと思うんですけども、
Zoomの打ち合わせとか、セミナーの登壇者のしゃべり、しゃべりのプロじゃない登壇者のしゃべりを文字起こしすると、今一つな結果になることが多いです。
LINEが以前、LINE Clover Noteというノッタと非常に似ているツールをベータ版として提供していました。
こっちの方が文字起こしの精度は高くて、私は好きでした。
ただ、このLINEのClover Noteは、ベータ版の段階ではお金を払いたくても払えないというか、有料版の展開はしていなくて、その分使える文字起こしできる時間の制限などがあるので、仕事には使えないなということで、私はノッタに課金して使うことにしました。
LINEのClover Noteが正式版として登場したら、そこでまた比較検討しようと考えていました。
で、結局正式版は出たんですが、LINE WORKS AI NoteというLINE WORKS内の一つのツールとなって、ちょっと使い始めにくくなりました。
で、実は先日久しぶりに使おうと思ったらログインできなくて、調べてみると長い間使ってなかったんで、LINE WORKSのアカウントを削除されてたんですね。
そんなこともあり、LINE WORKS AI Noteじゃなくて、別なツールも検討してみることにしました。
そこでリモボイスというツールが、これもオンラインのツールなんですが、日本語の文字起こしの精度が高くて評判もいいらしいと知ったんですが、ちょっと値段がお高いんですね。
一応、Notaと同じくらいの値段のプランも安いプランもあるんですけども、月額1650円、年間払いだと月当たり1100円の一番安い文字起こしプランというのが、音声ファイルから文字起こしするだけみたいなかなり機能が限定されたプランなんですね。
03:21
で、今、Notaで使えているオンライン会議の自動文字起こしとかリアルタイムの文字起こしとか使おうとすると、その上のプロプランを選ばなきゃいけなくなるんですけども、プロプランだと月4950円からになってしまいます。
ちなみに、Notaはプレミアムプランというのが月額1980円、年間払いにすると月当たり1185円です。
このプランでビデオ会議の自動文字起こし、リアルタイム文字起こしとかAI要約なども使えます。
ただ、ここで別な選択肢を考えました。
それは、Mac WhisperというMacにインストールして使うオンラインではない、サブスクではないデスクトップアプリケーションを使うという選択肢です。
オープンAIの音声認識モデル、Whisperをベースにした、WhisperをエンジンとしたMac用のアプリなんですね。
で、このMac Whisper、以前このポッドキャストでも紹介したんですが、私買い切りで昔もう購入しているんですね。
しかも私が買った時には16ユーロで約2300円で手に入れたんですけども、今の値段は64ユーロになっていて約12000円ぐらい、11662円ぐらいなんですね。
これをもう一度主力のツールとして使えればいい買い物だったなということになりますよね。
Nottaはオンラインのツールなので、オンラインにデータが溜まっていくという便利さはあります。
Nottaでは過去の複数の文字起こしを横断的に検索できるので、一つのプロジェクトで何回もオンライン会議をしたとして、その複数の文字起こしの中から特定のキーワードで探すといったことができるわけですね。
でも今はAI時代になって、ローカルに自分のパソコン上に汎用的なデータ形式でデータを持つ方がメリットが大きくなりました。
06:11
例えば文字起こしのテキストファイルがローカル上にあれば、Claudeコードとかカーソルとかコーデックスなどから参照して、その文字起こしのテキストたちから特定のテーマでピックアップしたり予約したりみたいなことができるわけですね。
ノッタにもAIを使って文字起こしから予約したり探したりみたいなことはできるんですけども、ローカルにデータがあれば複数のAIモデルを使い分けて作業ができるわけですね。
なので、生成AIを活用する時代になって、クラウドで特定のサービスにデータが囲い込まれているよりもローカルにデータがある方がいいという流れが来てるわけですね。
そういう意味でローカルで処理してローカルにファイルを保存するMacWhisperでいいんじゃないかと。
気になる文字起こしの精度に関してですが、昔私がMacWhisperを使っていた時よりもAIのモデルが上がっていて、MacWhisper上でモデルを選んでダウンロードしておく必要があるんですけども、
LargeV3というのにアップしたことで精度はかなり上がった印象を持ちました。
まだそんなに色々調べてはいないんですが、今のところ乗ったよりも精度は上なんじゃないかと思っています。
あと、えーとかあのーとか間を埋める意味のない言葉、フィラーと言うんですけども、これをMacWhisperは削除してくれるんですね。
MacWhisperの良さというよりはウィスパーの良さということなんですけども、この点も気に入っています。
あと、MacWhisperにもZoomの録音&文字起こし機能が追加されていました。
Zoomの音声を録音するというのは実は簡単なことではないんですね。
相手側が喋っている音と自分の発言の声と両方を録音する機能がないといけないんですね。文字起こしするには。
で、そのために私はMacにループバックというアプリケーションを入れています。
ループバック導入に関する詳しい話は以前アシカがキャストでしているので興味のある人は聞いてみてください。
このループバック99ドル、約16,000円くらいするんですね。
09:04
もちろんZoomの音を録音する以外にもいろんなことができるんですが、そもそもは私はZoomの録音をしたいというところからループバックを導入しているので、ちょっと複雑な心境です。
なおちょっと話がややこしいんですが、のったを使ったZoomの文字起こしは、のったのBotをZoom会議に参加させる必要があります。
当然それによってのメリットもあるんですが、Botをビデオ会議に参加させなくてもこっそり録音文字起こしできちゃうというのが、
ループバックを使ういいところ、Mac Whisperを使ういいところということになります。
のったや、LINE Cloverノート、LINE Works AIノートのいいところとして、ただ文字起こしをしたテキストが作られるだけじゃなくて、その文字起こしのテキストと元の音声や映像とがリンクしているんですね。
なので文字起こしの特定の箇所の元の音声を聞く、元の動画を見るということができます。
文字起こしからキーワード検索して、そこの部分の元の音声を聞くみたいなことができるので、セミナーレポートとか取材しての記事作成などに便利です。
文字起こしはあらかたあっていれば、特定の箇所については元データ、元の音声や映像を聞き返すための頭出しのための装置として使えるわけですね。
マックウィスパーよりもノッタの方が優れている便利な点としては、先ほども話した会議にBotを使って参加させて文字起こしをすれば、話してごとに誰がこの発言をしているという話者分離という機能がほぼ完璧になります。
自動でZoomの参加者の名前を拾ってきて、その話している人ごとに分けてテキストにしてくれます。
あとやっぱりリアルタイムの文字起こしですね。ビデオ会議の文字起こしでもリアルタイムで文字起こしのテキストを見ることができます。
スマホのアプリもあるのでインタビューとかの時にその場で録音&文字起こしをやってもらいつつ、リアルタイムでばーっとテキストが出てくるのを眺めることもできます。
で取材とかセミナーとかが終わった段階でリアルタイムの文字起こし&録音が終わっているので、その時点でもクラウドに上がっている状態なので即他の人に共有したりもできます。
12:16
共有リンクでNotaを使ってない人にも共有する機能があります。その辺がやっぱりオンラインツールの強みでもありますね。
なお実は私のNotaの年間の課金が最近行われたばかりなんで、1年近く猶予があるのでNotaとMacWhisperを併用しつつ、MacWhisperだけでもいけるのかなと意向を考えていくことにしたいと考えています。
Zoom自体で文字起こし機能とかAI要約機能とかが提供されているので、そういうものもうまく活用していくとかでサブスクの数を減らしたいなというのが本音です。
あと同じ開発元が作っているWhisper TranscriptionというiOSアプリもあります。
でもこれはMac版とは全く別なプロダクトで、Mac版でのライセンスを適用するということはできません。
でも無料でもそれなりに使えるらしいので興味のある人はチェックしてみてください。
というわけで今回は以上です。
ご意見ご感想などあれば、ハッシュタグアシカガCASTをつけてXに投稿していただくか、お便りのフォームとメールアドレスもありますのでそこから送っていただけると嬉しいです。
それではまた次回お会いしましょう。
キャストアシカガコーディでした。
キャストアシカガー
