先日、ホームページに追加する内容についてお客様にお話を伺った際、記録として音声を録音させていただきました。今日はその音声データを文字起こしし、テキストを確認しながら編集作業を進めていました。

音声から文字起こしをしてくれるクラウドサービスは数多くありますが、今回はセキュリティ面を考慮し、ローカル環境で読み取れるよう設定して処理を行いました。それにしてもAIの進歩には驚かされます。打ち合わせ内容を文字として正確に振り返ることができるのは、本当に心強いものです。

今回うかがった内容は、私にとって決して易しい技術情報ではありません。知らない分野の話は、その場では理解したつもりでも、後から振り返ると抜け落ちていることがあります。実際、当日は印象に残らなかった言葉が、文字として読み返すことで浮かび上がってきました。手書きのメモだけでは、おそらく拾いきれなかったでしょう。おかげで編集の方向性が定まりましたので、明日から具体的な作り込みに入る予定です。

さて、文字起こしを通して改めて感じたことがあります。既存の音声認識サービスの精度は非常に高く、たとえばNotta（AI文字起こしサービス）は、文字起こしだけでなく議事録の要約まで自動で行ってくれます。頻繁に議事録を作成する方にとっては、頼もしい存在でしょう。一方で、機密情報を扱う場合や、利用頻度がそれほど高くない場合には、導入を迷うこともあるかもしれません。私は後者ですので、今回はローカル環境での処理を選びました。いずれもOpenAIの音声認識モデル「Whisper」を基盤としていると考えられます。

一般に「AI」というと、ChatGPTやGeminiのような対話型AIを思い浮かべる方が多いかもしれません。しかし実際には、AIの活用方法は多岐にわたります。特に分かりにくいのが、ChatGPTやGeminiの機能をAPIという仕組みで利用して開発されたアプリやツールとの違いです。後者は、設計者の思想や設計方針によって使い勝手が大きく変わります。ちなみに、当方のAI記事作成支援ツールもGeminiの機能をAPI経由で活用し、目的に合わせて設計したものです。こうした違いは意外と知られていないため、今回あらためて触れてみました。

当方では、AI記事作成支援ツールをはじめ、皆さまの魅力をWebサイト上でより的確に伝えるための各種サービスをご用意しております。ご興味がございましたら、下記もあわせてご覧ください。