過去の音声配信をデータベース化したきっかけ
こんにちは、いわみです。 10月11日の日曜日、いかがお過ごしでしょうか。
ずいぶん久しぶりの配信となっています。 たぶん半年ぐらいでしょうか。ちょっと数える気もしないぐらい久々ですが
ご元気にしていましたでしょうか。
僕はね普通に元気にやってるんですけど まあなんだかんだでちょっと音声配信は遠ざかって
いる状況だったんですが今日ちょっとね また喋ってみたいことというか残しておきたいことがあって
それのねー 最終的にはノートにまとめたいなぁと思うんですけどそれをまあブレストみたいな感じで
喋ってみるということに します
本当にだから喋るのはね音声配信喋るのが久々なんで とてもあの行ったり来たりとかね聞きづらい配信になる気がしますけど
あのちょっとねあのしかも話題がニッチなんで あれですけどちょっと
前振りはそのこのぐらいにしておいてね 本題にさっと入りますがまず何かというと
あのちょっと自分の音声は過去の音声配信を全部データベース化してみたっていうね その話をしてみたいと思います
まず8ね僕はの 数えたこの作業するはつるにあたり数えたら
多分過去に6年か7年ぐらいその音声配信をやっていて 全部でね多分970何本ぐらい配信してたんですよ
具にもつかない話よって誰がやんてえっとまぁ 塗りつっこみをねしてみましたけどまぁいいとして
そうそれでね 初めにラジオトークで多分300本ぐらいあってその後
2022年ぐらいから多分スタンド fm に入っ 移って
両方あの交差してあの両方やってる時もあるんですけど 後半はスタンド fm でやって
でまぁ2026年今年も何本かはやってるんでそれ全部数えたら
900何本あったんですよ1000本近くですね それでねえっと
別にそれをどうこうしようという気は初めからなかったし つい最近までなかったんですけど
ふとね思ったんですよねこれ使って何かできないかなと思ったことがあって その話ですけど
まあ興味ないかもしれないけどなぜこんなことを思ったのかっていうね話もしてみたいんです が一番大きいのはというかほぼこれなんですけど
ai がね何でもできるようになったっていうところが 大きいというかねこれが99%じゃないかなと思いますけど
最近あの自分の仕事とか仕事だけじゃなくその趣味の部分でも ai を使っていろんなことを やることが増えていて
その中でねそのチャットだけじゃなくて その自分用の中ツールみたいのね作るっていうやり方をちょっと覚えてきたんですよ
そのツールの内容に関してねいろんな 詳しくは述べも述べませんけど
まあいろんな調べものをたくさんの ai を使って 出してそれをまとめてもう1回 ai に読ませてみたいなね
そういうまあ編集的な使い方を僕はするんですけど 毎回同じことをやってたんでこれあのシステムにいけないかなと思ってそれも
ai に相談してやったら 結構ね
自分用のちゃんとしたシステムができたんでちょっと感動したっていうその現体験が あって
ai を使えばねプログラムできなくてもこんなことができるんだなって思ったのは そもそものきっかけですね
それで どこかのタイミングで多分夜中だったと
中だったから忘れましたけどふと思い思ったわけですよ 音声配信のね
データをね なんか使えないかなって思って
それでも結果的にデータベースができたんですよ でそこから仮に仮に何て言うんだろうか
その分析ツールみたいなもねます 簡単にとサイトなんですけど多分これ
他の人もアクセスできるのか自分でわかってわかってませんけど うん
なんて言うんだろうか データを基にしたそのいろんなね
分析サイトみたいのを 作ったんですよ
それでねまあそれに関しても興味ある方はいるかいるかもしれませんけど 僕は今ここでねえっと
ターゲットというかあの こういう話に興味があるだろうなって思ってる人は本当にすごい少なくて
どういう人かというと自分で音声配信をたくさんやってきた人っていうね まずはここに絞ってみようかなと思います
なぜ絞るのかというと そういうふうに絞った方が自分が喋りやすいからということなんですけど
ListenとAIを使ったstand.fmの文字起こし
まずねまず何をしたかというと 音声がいっぱいあるだけだと特に何もできないですよね
まあ別に聞けばいいんですけどさすがに1000本とかあると全部聞いてたらね 1年くらいかかっちゃいますからそんなにかかんないかもしれないけどそれを
機械でね ai で処理するには何をするかというとまずそれを文字起こしする必要がある わけですよ
今ねその音声を文字起こししてあの文章にしたりとかコラムにしたりね ブログとかノートにするっていうのはいろんな人がやっていると思うし僕もやってたんですけど
それは何て言うだろう速度としては別に関係変わんないというか むしろね喋ってることをさらにそのコラムにするわけだから時間がかかるわけですけど
一斉にね1000本一気に処理すると 何が起こるかってまあ何が起こるかもうちょっと後で話しますけど
できるのかどうかっていう話ですねその1000本の音声配信を一気にその ai で処理可能な
テキストデータに変換できるのかっていう話ですけどこれができたわけですね 僕はその最初言ったらラジオトークで始めてその後スタンド fm で
音声配信あってそれねそれぞれその文字起こしの自動で文字起こしにするやり方が ちょっと違ったんでこれをね
起こしておこうかなと もしかしたら誰かの役に立つかもしれないし
でちょっと順番が変わりますけどスタンド fm はねこれは 簡単といえば簡単でしたね何かというと
あのリスンっていうね サービスがあるんですよ
多分音声配信やってる人だったら割とよく知られたサービスだと思いますけど リスンは何かというと
まあ簡単に言うと音声配信を文字起こしして アーカイブできるサービスって言うねことですけど
音声配信の軸に
プラットフォーム
あのスポーティファイとかとかあの アマゾンポッドキャストねプラットフォームにみたいなもんですけどそれのすごい
あの文字起こしに特化して 機能があってコミュニティ
コメントとかも多分できると思いますけどそういった分析とかもできる コミュニケーションもできるっていうね
これ日本のね会社が作っている 社長の人の名前忘れましたけど多分ほぼ一人で作ってたような今は分かりませんが
そういうねすごく優秀な 優秀って偉そうですけどツールがあるんですよ
リスンっていうね でそれを使うとスタンドFMはもう
簡単にそのもうもともと文字起こしがされているという状態それはもちろん RSS
RSSっていうスタンドFMで 配信した
音声を ボッドキャスト用にその紐付けてね配信するっていう設定をしていればってことですけど
まあアトレスでも多分過去の部分を全部紐付けられるんで それはすれば問題ないわけですけど
リスンと紐付けると自分で配信したものが全部文字起こしして文字起こしができると でまぁ次はその文字起こしを一斉にね取り込むにはどうしたらいいかっていう
一個一個ねそのコピーして 貼り付けていったら手間ですからそれをだから
AIでね自動化できるわけですけどいろんなやり方があると思いますが僕はね あのクラウドコード
違ったかなこの時はね ごめんなさいクラウドコードはこの時は使ってないですね
チャットGPTのコーデックスを使いました ちょうどこの時にあの
アストラ6ってやつが出て 一瞬だけねチャットGPTがクラウドを抜いたっていうね
瞬間があったんですけど今ねまたオーパス5.5が出て
多分フェイブじゃないや クラウドの方が
有意な状況にあるような気がしますけどまぁそれはどっちでもできますね 僕がたまたまやったのはその
チャットGPTのコーデックス これあのチャットじゃなくてそのコンピューターユースってなんていうんだろう
ローカルで動かすタイプってね ちょっとだんだん話が専門化していく気がしますが僕もねあのね最近やりながら覚え
たので あの専門用語とかすごく間違っている可能性もあるし
なるべく知ったかぶりはしないように 噛み砕いてね自分の理解で話そうと思いますが間違っている可能性はすごくあると思います
それで コーデックスを使って
何をやったのかというと
8ね半分ぐらいね僕ね自然言語で喋ってるからコーデックスが何をやっているかよく わかっていないというのは正直なところなんですけど
まずねまあそれはおいそれを踏まえた上で まずはスタンド fm じゃないや
リッスンにおいてある自分の配信の文字起こしを
自動で取り込んで一個一個ねテキストファイルにしてそれをフォルダに格納するっていうね まあ自分で作ったフォルダにそれをテキストファイルをだから680何本あったんですけど
それを a 入れていくって言うねその作業をしました
なんていう風に頼んだのか忘れましたけど本当にね 自分でキーボードで打った時もあるしそれが面倒くせいだけ音声入力とかもしてたので
本当にこんな感じで 過去にねスタンド fm でたくさん
配信した音声がありますとこれをね一個一個そのテキストに落としたいのでっていうね そんな話をすればやり方をね提案してくれてではそれで
ちょっと調整とか入る時もありますが基本的にはそれを
8 やり方をね任せると
ai がそれを取り込んでくれるようになります 作ったのまず自分のそのパソコンのフォルダっていうか
の中にポッドキャストアーカイブつ大元のね大きなフォルダを作って 多分一番最初に作ったのが
配信データの分類と分析
お越し ちょっと今見ているとそのテキストの文字起こしは見つからないですけど最初はそこからね
始めたはずです 全部そのテキストの文字起こしをして
リスンの文字起こしはねまあそれなりに精度は高いですけどでもそれだけで何かが a
読み物になるってほどでは全然ないそれはもともとの話が話し言葉だっていうのもあるし その喋った内容があの行ったり来たりしてるって言うね
一人語りだったりするとっていうねことはありますけど でそれをだから
分析できるというかその ai で処理できるデータにさらに変える必要があるわけですけど ここはねあまあ
そのデータを何に使うかによって 結構あの
抽出するというかまあそのデータ化にする内容が変わってくると思いますけど 僕の場合は一旦ですね
何個かの項目に分けました まずはその基本情報ねそのそれが何年に取られたやつで
タイトルが何なのかとかねそういう情報ね どのぐらい喋ったのかみたいなもありますけど
それ以外にその内容的な 項目として
まず一つね 全部でた3つぐらいの項目に分けたと思うんですけど大きくね
一つは 考え方の方
7項目に分かれてますね 僕は基本的に自分の配信は一人語りなんで
基本的に一人ごとなんですよ だからそういうね考え方の方っていうねこれが対談とかになると
またねそのテーマと考え方みたいな変わってくると思うんですけど 僕の場合は一人で語ったやつが1000本ぐらいあるんでそれをだから
どういうふうに分布しているのかっていうのを自分で 見てみたかったっていうのが一つありますね
それで話戻しますと 自分の音声配信のデータをどう割って切り取って分析していくのかっていうのを
分け方を大きく3つぐらい分けてその一つが考え方の方で それ何があったかというと
内製とか仮説とかね観察とか あと実践メモ未来予測書評
読書規定 あとは社会メディア考察っていうね
このテーマ設定もAIが考えてくれたものなんで ちょっとなんていうんだろう
もう少しあのまとめられそうだなって気もしますけど1回目ここは
この切り取り方に関してはまずそれほど考えずにとりあえず最後まで仕上げてツール というかこのサイトを仕上げてみたっていうところが今なので
ここからね切り取り方に関しては分析の方法に関しては いろいろ考えてみたいと思ってるんですけど
一旦そのそういう風になったと 今考え方の方のことを言いましたけどその3つのうちの2つ目が話の組み立て方
これはねちょっと僕は自分で興味があったというか 自分でちょっと知ってみたくて後で付け足したものなんですけど
要するにその10分とか20分とか一人語りしててそれがテーマをね 一つのテーマとしゃべりきってるのかそれとも全然別の
全然その点でバラバラのことね
ノリで喋ってるのかもしくはその2つとか3つの複数のテーマを当分に扱っているのか みたいなね
まあいくつか ここで一応3つに分けたんですよね
1テーマで一貫している 回かそれとも中心テーマはあるけど寄り道がある
そういう配信をしているかもしかすると複数の独立テーマが 均等に1個に絞れないっていう回かっていうことに分けました
音声配信の遍歴を可視化する
後で言いますけどこれがこれがわかることもちょっとねその自分の成長じゃないけど 音声配信に対するその
取り組み方がどう変わってきたかみたいなね 6年とか7年とかを時系列を追っていくとまあそれなりに興味深いなという
ことはありました で後の切り分け方はまああとはテーマですね
これがえっと一番わかりやすいと思うんですけど 何のことを喋っているかということですね
発信とか仕事とか家族とか 人間関係とかねまあこれ一言ではとても言えないんですけど
僕の場合はどういう分析結果が出たかっていうのを ざっくり話してみるとまず僕は多分2019年ぐらいから音声配信を始めて
まずあれか 本数で言うと2020年
350本やってますねこのほぼ毎日やってるってちょっと狂ったようにやってますけど ちょっとこれえっと全部話していくとあのキリがないんで
要点を 要点になっているか分かるけど喋っていきますけど要点をね
まずその全体を眺めてみると2019年から今年2026年まで 一応大まかに8年ぐらい約8年ぐらいあってその中でどのぐらい配信したのかっていう
のがまず本数で見えます でまぁそれぞれの
年に何本何を喋ったかっていうのもあの 年ごとでも
切り分けられます まあそのねそこだけ
フォーカスして分析しているか 見ることもできるし扱ったテーマが何が多かったかっていうのも見れるし
それが 年代ごとにどうやって移り変わっていったのかということも
見れますよね例えば僕だと 初期の頃はねほぼ発信についてしか喋ってないってね
ことはねこの分析することによって発見したんですけど 例えば
割合で言うとあでもばっかりってことはないか 2020年は発信についての話したも180本してるって言うね
あちがかにそうだ180本ぐらいしてるっていうことになるんで 半分以上の発信について喋ってるっていうことになりますよね
で思考のタイプは僕が一番多いのは内省ですね これはまああの自覚があるというか
予想通りだなって思ったりとか その次に仮説が多くて実践メモ社会メディア考察とか
そういう 特性があるんだなってことがねあります
ちょっと話が前後しましたしますけど これを持ってねこの分析を持って
自分のその 思考パターンが見えるかどうかっていうとそれは多分違うなど僕は思ってるわけですよね
ちょっとあの話が
要点が変わってくるかもしれませんけど何が言いたいのかというと これはその純粋な自己分析のツールには別になっていないっていう
僕も最初からそれをしようと思っているわけじゃなくて 何をしようかというと本当に単なる自分の音声配信の遍歴をね
まあ 客観的な形で
資格化してみようという そういう試みです
でまぁ最初も言ったようにこの データを使って何をね
どこに切り口を当ててどう分析するのかっていうのは それはでこれから考えていけばいいかなって思っているんですよ
で今日伝えたいこともそうだし
一番その基礎になるっていうのは その今までデータになると思ってなかったものがデータになったっていうね
それが今回の主題なんですね つまりそのただ喋っていた
一応ね音声配信として配信していたから残っているっていうのはあるんですけどそれを データにしてする
いろんな風に使える材料になったっていうね 今まで材料と思っていなかったものが材料になったっていうところが多分今回のね
一番大きなところかなと思っています それちょっとさっき話がどんどん脱線していきますけど最初のスタンドfm を
文字起こしする方法を言いましたけどこの配信はねスタンド fm をしてるんで リッスンにすればリッスンで登録すれば
誰でも僕が今言ったね方法で文字起こしを生成できると思います 多少ねそのプログラム
プログラムの知識じゃないまあ必要ないけどまあ ai を使って何かを作るっていうその経験 みたいのは多少はいるかもしれませんけど
でも僕もねその プログラムとかそのツール作りっていうのをほとんどやっていなかったので今回これを
やりながら覚えていったみたいなところはあるんで 何か作りたいものがあるとね
RadioTalkをWhisperで文字起こしする方法
学習できるっていうのねあると思います これはちょっと話が脱線しましたがそれで次にそのラジオトークの
文字起こしの方法ねこれはちょっとあのいろいろ試行錯誤したんでこれについても話して みたいと思うんですが
まずラジオトークはスタンデフと何が違うかっていうと リッスンと紐づいていない
ん まあ紐づいていないというのはそれは僕の場合で僕の場合は普通に普通にというか
リッスンはスタンド fm と紐づけていたので ラジオトークの
最初の方の奴は podcast では配信していたけど文字起こし にはなっていないっていうことですね
多分今もラジオトークは文字起こしサービスをしていないと思うんで ただそれを文字起こししようと思うと自前で何とかするしかないっていうことですね
まあ結論から言うと僕はその1回その音声を全部取り込んでそれを自分のそのパソコン の文字起こしツールを使って
一本一本処理したっていうねこれ結構偉い時間がかかりましたね 具体的に何をしたのかというとまず
ね音声を取り込むのはこれは自動でできたんですよね ちょっとこれもいろいろやり取りがあったので具体的にこれをこうしたっていうのは
すぐには思い出せないんですけど 確かその
ラジオトークのそのサイトがあって その中にねラジオトークのサービス自体に音声をダウンロードできるね
多分サービスがあったんですねそれを使って ダウンロードしました
全部で200300本近くあったので まあそれもね結構な手間はかかったと思いますけどでもこれは
ai を使ってね自動でできるんでこれもだからチャットじゃできないけどこの時もコーデックス を使いましたが
なんていうの
こういうのなんていうでしょうね ai エージェントというかそのパソコンを聞く を操作できる ai ツールを使えばこれができますと
それを使って文字起こしを文字起こしじゃない 音声をまずダウンロードして音声がダウンロードでできたらね
あとはもうそれを何を使って文字起こしするかっていうことなんで これもあれですよねいろんなツールがありますけど僕は
マック パソコンはマックを使っているのでマックにもともとついている
多分ウィスパーかなを使って文字起こしを作っていきました これは別なの制度的には
文字起こしの クオリティ的には全然使えますんで
他にもグーグルの サービスとかねいろいろあると思いますけど
ものによってそのお金がかかったりとかすごい時間がかかったりとか 精度があんまり良くなかったりとかね
音声 文字起こしツールはたくさんあると思いますけど
マックを使っている人だったらね大量に処理するんだったら ウィスパーを使えばいいんじゃないかなと思います
Windowsの人はどうなんでしょうね こういうのはなるべくそのお金をかけない方がいいから
有料のツールを使えばねいくらでもやりようはあると思いますけど ちょっとWindowsで無料で何がいいのかっていうのは僕は
知識がないですけど調べれば何かあると思います この時に大事なのはまず
お金をかけずにやるってことを前提においた時に何が大事なのかっていうと 時間はいくらかかってもいいから
それなりの精度 別な最高精度を求める必要はないけど
少なくともその 文脈を間違っていたりとか全然違う文字起こしをしないようなツールを選ぶ
っていうことですよね 多分今のね文字起こしツールは
ほとんどそんなことはないと思うんだけど中にはね昔のやつは酷いのとかありますから それを使わないっていうことですかね
でなぜその 時間はいくらかかってもいいのかっていう話をしましたけどなぜそうなのかっていうと
これは別にほっとけばいいからってことですよ AIに
指示を出してこれやっといてっていうと勝手にその裏側でどんどん処理を進めてくれるんで
別に6時間かかろうが 10時間かかろうがそんなに別に
まあ急ぐ人は問題あるかもしれませんけど僕は別に趣味でやってたんで全然急がない というのもありますね
それでまあパソコンのそのメモリーというか CPUをたくさん使うっていうのは多分あると思うんで
性能によってはねそれをやりながら普段の作業をやりながらそれをやるっていうのは多分 遅くなっちゃったりすることがあると思うので
できればこれね夜とかね 寝てる間とか自分がパソコンを使っていない時にこれをやってもらうのがいいと思います
特にその音声配信でね文字起こしにね多分 時間がかかりますよね
音声を全部ダウンロードするのは結構一瞬というか数十分でできたと思いますけど その300本ぐらいの音声を文字起こしするのは相当時間がかかったと思います
多分ね 6時間で終わらなかったんじゃないかなと思いますね
そう考えるとそれをね自動でやってくれているリスンというサービスはすごいなと改めて思いますけど ありがとうございましたね
誰にも伝わっていないところで伝えておきますが とまぁそんなわけで
音声データ活用の今後と10分ワンテーマの理想
とりあえず今日喋ってみたかったことは 自分の過去にやってきた音声配信が
データにできるよっていう こういう話ですね
そのデータを使って何をするかっていうのは僕の場合はこれからだけど 一つ思っていることがあるのは
自分の音声をどう分析するっていうのは あの正直そんな興味がないっていうかここまでここまでやることが楽しかったっていうかね
何を言っているのかあれですけど
で僕は何をこの後考えているのかというと この方法論を使ってねいろんなことができるようになって思ったんですね
いろんなことっていうのはまぁ喋れることと喋れないことがありますけど 例えば他の人の音声配信を
なんていうんだろう データ化してあげるサービスとか
もしくはなんかその 音声配信じゃないけどひたすらその喋った給
データがあるというかその音声がある人の データベースを作るとか要するにまぁデータベースを作る
その材料を作るね サービス
もしくはその材料作る材料の作り方を 教えてあげるサービスみたいなそういうこともね展開できるなぁと思ったので
これ聞いて真似をする人もいるかもしれませんけど 結構
そこからどうするかという話だと思うんで もし思いつくことがあったらね全然そのパクってもらっていいですけど
もしね可能だったら こういうアイディアがあるみたいなね
一緒にやっていけるといいかなと思ったりしますがはいその辺はね また別の話ではないかと思っています
はい 結局
すごく長く 喋りましたね
喋りがねあの下手になればなるほどっていうか喋りに慣れていなければいないほど 喋りが長くなるっていうのはねあるんで
これは 永遠の課題だなと思います
僕の理想は10分ワンテーマで 喋りきるって言うね
こと なのでそれをやるには準備が必要で
それをねあの無意識にできるっていうのは本当にすごい才能だなぁと 才能っていうかすごい技術だなぁと思うんで
いずれそういう高みにも到達したいなとは思ってるんですがそれもはいまた別の話 でした
はい今日はだからそんな話で自分の音声配信をデータにしてみたって話をしてみました いかがでしたでしょうか
ありがとうございましたでは また良い1日をお過ごしください
さようなら