00:02
Mika Ueno
XCrossing、英語でスクランブル交差点を意味します。 趣味も世代も、住んできた街も違う3人が、スクランブル交差点で出会うように、様々な話題を聞かせる、おしゃべりの交差点です。
今日のXCrossingであなたが出会うのは、どんな話題でしょう?
こんにちは、上野美香です。 マーケティングとプロダクトマネジメントを支援しているフリーランスです。
Mika Ueno
この間お会いした友人がヘッドフォンを使ったんですけども、バンガードルフ線のすごい良さげなやつで、すごくいいと聞いたら9万円って言ってました。
Nobuhiro Seki
こんにちは、ニューヨークからお届けしております、関信浩です。
普段はスタートアップの投資とかですね、最近は投資関連で盛り上げるためのイベントとかやっております。
こちらではですね、日食で大騒ぎになっていたんですけれども、ニューヨークは9割ぐらい賭けるということで、ちょっと数時間ドライブすればもう会期日食見れるということで、天気が不明だったので行かなかったんですけれども、行った人じゃ皆さん超満足というところでちょっと羨ましいなと思いました。
本日は、及川さんお休みです。
Mika Ueno
一つ違うネタなんですけど、全然違うところなんですけど、新しくはないけど、アップルポッドキャストとかスポーティファイとか、ああいうメジャーなポッドキャスト配信プラットフォームで文字起こし、書き起こしっていうのがガンガン導入されてて、
でも使ってる人が多いところがあえて対応してくると便利だなとも思うんですよね。
やっぱり私たちもポッドキャストやってて思うんですけど、音って目に見えないし耳で聞くしかないから、聞き始めるっていうところにちょっとハードルがあったりするじゃないですか。
先に文字でサッと見たいなとかね、そういうのがあったりするし、文字で目で見える情報になると見やすくなったりとか、理解しやすくなったりっていうところもあると思うんですけど。
そのアップルポッドキャストの書き起こしがリンクを送りますね、これ。
アップルがアナウンスしてるやつですけど、これが徐々に出ていってロールアウトしてたのかな?
今iOSの17から確かデフォルトについてると思うんですけど、これでチャプターが含まれているときはそのチャプターのヘッダーとかそういうところに適用されたりとかそういうことらしいんですけど、
今、日本語とかにも対応…どうなんだろう?日本語対応するのかな?
こないだOSアップデートしたらポッドキャストの書き起こしの方が対応してますよーみたいなのが出てきたんで、いろいろ試してやってみたいなと思うんですけど、
スポーティファイの方は自分で体験したのがあって、好きなポッドキャストを見てたらスマホの下の方にスクエアのカバーとかあるじゃないですか、
その一個下にボーンってスクロールすると、そこにスクエアの中のど真ん中にでっかい文字でババババーって出てくるんですよ、文字起こしが。
それも表示余裕がすごいちっちゃいから、2分節とか3分節ぐらいしか表示できないんで、動画の切り抜き動画みたいな感じで出てくるんですけど、
03:08
Mika Ueno
それはそれで面白いなと思って、それは有名な人とかが出てるラジオ感覚みたいなやつだったんで、
読んでて忙しいなと思いつつ、なかなかクオリティ高かったんですよね。
Nobuhiro Seki
僕も今スポーティファイ使ってるんで、英語のやつはもうフルに文字起こしっていうか出るじゃないですか。
今見てるAppleみたいなやつじゃなくて、まさにすごいでかい文字出てくるんで。
Mika Ueno
めちゃめちゃでかいですよね、ダーンってね。
ただあんなとこにあると見ないよねっていうのがあって、字幕みたいには見ないじゃないですか。
Nobuhiro Seki
でも字幕っぽくちゃんとこう文字がずっとあって、そこに対してグレーアウトしてる字に白くどんどんなっていくみたいな感じなんで、
これを見せるっていうわけでもないんだけど、これ何のために出てるんだろうなって思ったりするんですよね。
Mika Ueno
あれが記録されてて、ホットゲストの番組の中に添付されるとかね、そういうふうにまとめて見れるんだったらっていうのは私も思いました。
ホットゲスト聞いてるときに、瞬間的に表示される短い文章を見ながら聞くかっていうと、それは聞かないので、
番組とかを見るときに、なんか文字起こしされてるんだっていう認識はあるんですけど、
それを文章としてまとめて後から見るとかね、もしくは聞く前に見るとか、そういう方の方がアクセスしやすいというかね、
水には合ってそうだなーなんていうのを見ながら感じましたけどね。
Nobuhiro Seki
ちょっと話違うかもしれないですけど、
ホットキャストやっててこういう書き起こし、LISTENの書き起こしもそうなんですけど、
やってると、これってやっぱ会議のやつだったら使えるよねって思うんですよね。
会議でやってて、特に普通の会議だったらこういう電子会議、ビデオ会議みたいなやつだと全部撮ってるじゃないですか。
だからこう話聞いて、ちょっと前に誰々が喋ったこの内容って数字1って言ってたっけ、2って言ってたっけとか、
URL見せたんだけどちょっと聞きそびれちゃったっていうのってまさに聞くんで、
このテクノロジーってホットキャストを聞いてるときには使わないんだけど、
会議とかの文字起こしみたいに文字そのものに後から使いたいとき、会議って結構話してる内容とかを撮ったらそれをサマリーしたりとか、
その中で抽出されたものを調べたりとかするじゃないですか。
だからそのときには使えるんだなと思ってて、
だからホットキャストでどんどんやって、ある程度当然トライアンドエラーっていうかアクセントがある人によって、
ちゃんと聞き取れるか聞き取れないかっていうのもあると思うんですけど、
そういうのもある程度大量にやってるとだんだん聞き取れていくんで、
Nobuhiro Seki
同じテクノロジーを使って、例えばこういった会議の内容とかを抽出してサマリーして、
場合によってはそこからタスクとかそういったものを抽出するみたいな、
そういうのを使うとビジネス効率アップツールには使えるなって思うんですけどね。
ホットキャストをそういうふうに使うっていう意味ではこのテクノロジーを使ってそういうのができるかなって。
Mika Ueno
ギジロク取るっていうのもあれも一つのスキルじゃないですか。
06:03
これは年齢関係なくなんですけど、ギジロクですって送られてきたやつがほぼ2行しかないとか3行しかないとか、
Mika Ueno
今日はこれに関して話したってトピックしか書いてないっていうのがあったりもするんで、
これは能力だなと思うんですけど、でもそれをまとめて、
今日のアクションアイテムは次はこれでしたね、今日の要約はここでしたねっていう、
全部文字起こし的にする必要はなくて、要約とかされてるよりいいじゃないですか、ギジロクとしてはね。
振り返ってここが何だったかって見返すためのものだから。
Mika Ueno
そういうのが自分が話すことに集中して、それが後からサクッとまとまって出てきて、
これだったんだなっていうのを確認できる。
ギジロクが本来のギジロクとタスクチェック、次のアクションアイテムの確認っていう本来の目的をカバーできるようになるっていうのはすごくいいことですよね。
Nobuhiro Seki
ちょっと手前ミスですけど、先生室ぐらいに書いたブログのやつ今シェアしたんですけど、
これ文字読んでるとあれなんですけど、途中の下の方にいくといくつか画面があって、
Mika Ueno
この入ってる画像がいいですね。
Nobuhiro Seki
どの画像?
Mika Ueno
生成したやつ。
Nobuhiro Seki
生成したやつね。
Mika Ueno
テーブルの中に人間が埋まってる。
Nobuhiro Seki
これ、普通はあんまり使わないんだけど、なんかすごい変なやつが出てきたからこれ使ったんですけど。
Mika Ueno
いい感じ。
Nobuhiro Seki
2つ目の矢印がついてるやつ。紫の矢印がついてるやつってわかります?
これクリックすると少し大きくなるんですけど、これフィード画面なんですよ。
誰々さんとミーティングっていうふうに顔が出てて、この真ん中に流れてるのがその会議でのサマリーとかオーバービューが出てるんですよね。
Mika Ueno
今議事録のドキュメントの画面を見ながら話していますね。
人のアイコンがあって、名前があって、この人がどういう発言したかっていうのが一行でまとまっているっていう感じ。
Nobuhiro Seki
それをクリックすると次の下の画面なんですけど、実際右側にトランスクリプトがあって、真ん中辺にアウトラインがあって、
これまでこの真ん中のアウトライン、このサイトにあったやつだとチャプターはイントロダクション&バックグラウンドがあって、
クリス・カニュー・ヒアミーとかみたいな方、全然イントロダクションじゃないじゃんって思うんですけど、
これAIがすごい勢いで賢くなって、これのページ作られたのが半年くらい前だと思うんですけど、今はもうちゃんとしたアウトラインになってるんですね。
LISTENとかもそうじゃないですか、ポトキャストのサービスやってるLISTENとかも、文字起こしした後に一番上の方にチャプターの目次ができて、その上にサマリーとか出てるじゃないですか。
今はこのツール使っている会議のサマリー、タイムライン、アクションアイテムみたいなやつに分かれてて、
そのアクションアイテムとかっていうところをクリックすると、実際にしゃべってる右側のトランスクリプトのパートに飛ぶんですよ。
飛んで、そこをクリックすると実際にしゃべってる内容が聞こえるっていうパターンで、一応右のところに行くと、さっき言ったポトキャストのスクリプトが流れている状況と一緒になるんですけど、
09:03
Nobuhiro Seki
そういう風にやってて、そういえばこの前の時の会議で、ここのところをもう少し詳しく聞きたいなと思ってチャッチャッチャッって行くと、
わりと30秒以内ぐらい目的の音声聞けるみたいな感じになってるんで、
Nobuhiro Seki
これ今ほとんど僕の場合リモートに済んでるんで、9割9分こういうリモート会議なんで、
英語のやつは全てこういう形で記録されていて、後からすぐ調べて話してる内容とかにはいけるんで、
記録になってると最後いろんな人が記録にしたやつを見ると、なんとなくはその話した内容って思い出すんですけど、
その音声が再生されるとすごいその時のことをつい1分、2分聞いちゃうんですよ、再生し直すと。
Nobuhiro Seki
確かにこんな熱量で喋ってたよねみたいなことっていうのが思い出されるんで、やっぱり文字になってると検索性もいいし一覧性もいいしすぐたどり着くんだけど、
その時喋ってるやつ聞くとなんとなくその時の熱量的なものも返ってくるんで、やっぱり文字と音声がうまく管理同期されてると、
会議とかの効率とかその後の仕事の仕方とかっていうのもかなり良くなるなっていうのはこれ実際に使って最近実感してるんですよね。
Mika Ueno
一番最初にコロナとかでビデオ会議にほぼなってリモートに人々がなって、会議を丸ごと録画するっていうところから入ってったりしたじゃないですか。
とりあえず録画しときましょう。Zoomもそうですよね。録画しときましょう。いつでも見返せますっていうのが多分バーっと導入されたと思うんですけど、
でも録画しても録音しても聞き返すことほぼないっていうのは1,2回やればすごいよくわかることで。
だから記録してるっていう安心感だけが欲しいんだなと思ったんですよね。
記録されててもそこから情報を抽出するっていうのが必要で、だから議事録とか予約したポイントをまとめたメモっていうのはまだまだ必要だったときはまだ数年前あって、
そこから文字起こしが出てきて、ウィスパーとかの登場とかに出てきて、それが要約されて、その内容を踏まえた上でこれがあなたたちのポイントですね、
ここがアクションアイテムですねっていう抽出までできるようになったっていうのが今で。
次関さんのブログに書いてあるドキュメントとかも、このミーティングの、これポッドキャストの例なのか?
ポイントが1,2,3,4,5個、5ポイントババババと書かれていて、しかもそれに込み出しがついてると。
こういう内容で話されましたねって込み出しのテーマがついてそこの説明文があって、それをクリックしていくとそれがバーンと開いていって、
一言一句ではないけどまたさらに小さいまとめで出てきてっていう。
人が上のカテゴリー、大カテゴリー、中カテゴリー、小カテゴリーみたいに情報が構造化されて分かりやすくなるじゃないですか。
Mika Ueno
ああいうような整理を全部やってくれるようになりましたというところがすごい進化ですよね。
会議が多い人なんかはそれすごく便利ですよね、参加者が多かったりとかね。
Nobuhiro Seki
ちょうどコロナになって2020年の12月ぐらいにもブログを3つぐらい書いてて、
12:04
Nobuhiro Seki
やっぱり議事録作成のタスクのTipsみたいなのが実は書いてるんですよ。
Google Docsを使ってそのままオンライン上で直接全員に共有しましょうみたいな。
これって今思うと当たり前にみんな使ってるじゃないですか。
会議してて実際に参加者がリモートにいるんだけど、
Nobuhiro Seki
同一のGoogle Docsでリアルで議事録とかが取られてる様子とかも見たりとか、
場合によってアジェンダがそこでどんどん加わったりとか、みたいなやつがあって、
そういう話っていうのもビデオ会議が当たり前になる前って必ずしもそうじゃないじゃないですか。
みんな集まって誰か初期で撮って、その日の後からとか翌日とかに議事録が送られてくるみたいなやつが多かったと思うんですけど、
そういう人たちからするとこういうのを実際に見せるとすごいみんなに驚かれるっていうか、
特にリモートになる前ってクラウド系のオフィス系の製品とかも、
情報漏洩とかもあって結構皆さん使うのに抵抗があるとか、
Zoomとかも最初の頃は使えなかったみたいな会社さんとかも結構あったりしてたんですけど、
やっぱりこういう、そういうのがあって、やってみるとこういうことできますよっていうのはあって、
4年、3年前の時にこれでも十分なんかいろんな人が見ててですね、
結構議事録のサンプルとか結構いろんな人がダウンロードしたり、
Nobuhiro Seki
時々そのドキュメントにいろんな人が書き込みしたりとかしててですね、
たまにこのブログ読んでる人いるんだなって思うんですけど、
たった3年でそういうものも全てがAIで終わってしまうみたいなことになるとはこの時は思わなかったですね。
Mika Ueno
早いですね、進化がね。
これって音がそのまま再生されるってことは音源も全部ファイルとして保存されてるんですね?
Nobuhiro Seki
全部されてます。ビデオも映像も撮ってるんですよ。
映像も撮っておくと。だから映像を撮っておくといいのはプレゼン聞いてる時なんですよ。
だからそうするとこの時に言ってたプレゼンとかも残るんで、
Nobuhiro Seki
それが出る前ってスクショとか撮ってたんですけど、
相手がスライド出して、今それがあると画像も出るんで本当に何もいらないですよね。
その時に話してて聞いたキーワードの記憶で、
例えばそこの温泉とかスクリプトに到達するとその時の画面も出るんですよ。
だから聞く人は喋ってるけどスライドに違うこと書いてあるってことも分かってます。
Mika Ueno
このファイアフライズとかって会議のデータそのものとか文字になったものとか、
いろいろ情報の方向だと思うんですけど、
Mika Ueno
これってプライバシーポリシーというかセキュリティポリシー的にはデータの扱いとか、
学習とかってどういうふうに定義されるとか知ってます?
Nobuhiro Seki
基本は他の人と漏れないようにという感じになってますね。
昔から会議にボットが入ってきて音とかを収集するじゃないですか。
だから記事にも書いてあるんですけど、最初の頃はボットが入ってきた瞬間に
15:01
これ何ですか?これ気持ち悪いからちょっと出してくんない?みたいなこと言われたりするんですよ。
Nobuhiro Seki
僕のノートテイキングしてくれるんですよとかって言うとOKって言う人も結構いる。
そのときは気持ち悪いけど、セキュリティ大丈夫って言われて大丈夫って言うと、
わかったみたいなことしてるじゃないですか。
その後に終わった5分後ぐらいに記事録が全部できるから、
まずは書き起こしはできるから、その5分後とかに書き起こしを送るんですよね、全員ね。
これ終わってさっき配信したノートテイカーが取ったトランスクリプトができましたって送ると、
そっから急にみんなポジティブになるんですよ。
2回目以降はノブのあれが入ってるんだったらもう記事録取らなくていいわねみたいな話になって、
なんでかって言うと、最初なんかわかんないけどセキュリティが不安とか、
本当にちゃんとどのぐらいのクオリティのものが取れるのかわからないから、
あんまり誰も信用してません。
でも1回やってその結果を送ると、こういうものは手に入るのってすごい便利じゃんって話になって、
半年ぐらいすると他の人とかも同じボットが入ったりするんですよ。
ファイアフライズ契約したんですねとか言ったら、そうなんですみたいな感じになったりとかして、
やっぱり参加した人が、記事録ってさっき言ったまさに2行しかない記事録をもらうときと、
Nobuhiro Seki
すごいちゃんとポイントを得た記事録をもらうとき、当然そのリアクションも違うんですけど、
やっぱりアウトプットがちゃんとすぐに入ってくる。
それでその製品を評価するっていうのが割と小さい中で行われるっていうのがあって、
それでなんとなく僕の知り合いの投資家系のグループの人、何人か明らかに使い始めて、
Nobuhiro Seki
最近AIがいろいろできて、いろんなことできるようになって便利になったよねみたいな話も出てくるみたいな。
Mika Ueno
この会議に対してのツールのアピュランスっていうか、この人が入ってる、こういうツールが入ってるっていう、
参加してる、存在してるっていうのももちろんだと思うんですけど、
裏側で取られてるデータ自身がどういうふうに学習に使われるとか、いろんなユーザーがいるじゃないですか。
例えばリスンとかでも時々起きますけど、私たちのポッドキャストのお越しをしてるんだけど、
全然違うところの表現が出てきたりするじゃないですか。自分たちが話してもいないようなものが出てきて、
でもそれっていうのは中に入ってるデータで、こう推測していったらこっちでしょっていうので出てくるじゃないですか、表現が。
他の学習されたデータから出てくるっていうのがちょっと前、気持ち悪いのあったりしましたけど、
この会議とかってものすごい否得情報とかも多かったりするし、
情報の扱われ方とか学習のされ方っていうポリシー的なところはどうなのかなと思って。
Nobuhiro Seki
そうですね、優勝サービスってそもそもトランスクリプトしないんですよ。
このサービスって無料のお試しのときは音声を録ってくれるんだけど、文字を交渉してくれないですね。
優勝ユーザーになって、いろいろデータの既得とかそういったものができるようになるには、
最初無料のやつとかでやってると、まさに既得データが向こう側に入っちゃって情報漏洩するんじゃないかとか、
18:05
Nobuhiro Seki
実際に情報漏洩したって話が、韓国のメーカーの人が2人使って情報が漏洩しましたみたいな話もあったんですけど、
一方でそういうことしないためにプライベートのAIのスペースを作って、
Nobuhiro Seki
例えばマイクロソフトがそれでビジネスになっているのは、
会社ごとにインスタンスを作って、その会社だけしか使ってない。
だからデータが横に漏れませんみたいな、いうのを結構使って、
それでAzureとか売り上げが増えてるはずなんですけど。
Mika Ueno
Firefliesもそんな感じ?
Nobuhiro Seki
基本的にはそういう感じですね。
そもそもの前もアクセス管理とかも結構あって、
ビデオ会議だとアクセスって誰々さんが入ってくるっていうのが、
一応IDで管理されてるじゃないですか、ZoomとかGoogleとか。
基本はこの会議を取った後のビデオとか、
さっきの詳細画面ですね、その会議画面っていうのは、
誰にアクセス可能にしますかって言って、
参加者とかFirefliesの僕のグループ、
大体普通は企業で、チームの中だけとか、
Nobuhiro Seki
アクセスコントロールもちゃんとされてるっていう感じになってるんで、
実際のこのページ、例えば絵には誰でもアクセスできますっていう風にすると、
リンクを上げるとさっきの画面の全員見れるんですよ。
例えば公開のウェビナーやって、それを全部撮りましたみたいなやつっていうのは、
終わった後にそのURLを公開すると、
さっきのFirefliesのトランスフィールドの画面は全部誰でもアクセスできると。
その後にアクセスコントロールして、参加者だけとか、
スピーカーだけとか、決めた人だけとかって変えると、
そのページでのアクセス権が遮断されるみたいな、そういうのが結構。
Mika Ueno
進化してますね。
多分使ってる方も多いと思うんですけど、
いろいろ、いろんなツールで特徴とか便利なところも違うだろうから、
ますますこれから進化していくんじゃないですかね、もっと便利に。
Nobuhiro Seki
今僕とかも結構英語と日本語の環境で、
2種類の会議やってるんですけど、
Nobuhiro Seki
今まで英語しかやってなかったですね。
でも最近一応日本語、
てか69言語で一応できます。
日本語のやつは日本語に、
事前に設定しておくと日本語のスクリプトが全部上がってくるんですよ。
で、一応サマリーとかも日本語になってるんですね。
とは言えなく、日本語なんだけど、
文章がまるで区切ったりとかできないので、
全部塊できちゃうんで、
まだそこら辺のところのノウハウはあまりないんでしょうけど、
でもサマリーとかしてくれるんですね、日本語で。
だから日本語でサマリーになってると、
それを翻訳するってそんな難しくないじゃないですか。
だから日本語でやった会議とかは、
日本語喋れない人にも一応こんな内容をやりましたっていうのは、
上がってきたサマリーの日本語のやつを、
英語にトランスレーションしてみせると多少わかるじゃないですか。
で、それをわざわざ記録しておくんなくても、
僕のやっているチームの日本語だけでやった会議と、
英語でやった会議とかっていうのは、
それぞれ他のチームの人も見れるんで、
21:02
Nobuhiro Seki
それを実際にアクセスして翻訳すると、
昨日やったやつ、日本語でやったんですけど、
こういう内容だったんですよねっていうのを、
プロアクティブに日本語喋れない人がアクセスして、
だいたい取っておくみたいなこともできるんで、
だからやっぱり一連の生成AIで、
サマリーする、持ち起こしする、
ある程度翻訳もできるっていうことによって、
むちゃくちゃミーティングの後の、
やっぱりいろんな、いろいろやらなきゃいけないことの手間は、
すごい減ってるなっていう感じがしますよね。
なんだかんだ言って翻訳してチェックするとか、
めんどくさいじゃないですか。できるのはいえ。
Mika Ueno
便利にあった会議まとめと議事録ツールのお話でしたね。
Nobuhiro Seki
なんか無理やりフォットキャスト、
フォットキャストの文字起こしからここに追ってきましたね。
Mika Ueno
同じ、両方とも文字起こしというかね、
喋ったことの無形の音声っていうのを、
どう扱うかっていうとこですよね。
じゃあこんなとこで。
はい、今日はそんな感じですかね。