会議の録音、インタビュー、講義、ポッドキャスト、動画素材。

気づけば、パソコンやスマートフォンの中にたくさんの音声・動画ファイルが保存されていませんか？

「あとで内容を整理しよう」と思って保存したものの、結局そのままになっている。必要な発言を探すために、何十分も録音を聞き直す。そんな経験がある方も多いと思います。

私たちも、まさに同じ悩みを抱えていました。

そこで開発したのが、AI音声・動画文字起こしツール ViiTor Live です。

今回は、どんな課題を解決したくて開発したのか、そして実際にどんなことができるのかをご紹介します。

録音を残しても、結局聞き直さなければならない

会議やインタビューを録音しておくと、後から内容を確認できるので安心です。

ただ、録音があることと、必要な情報をすぐに見つけられることは別の話です。

例えば、こんな経験はありませんか？

あの発言は何分何秒のところだったかな？

複数人の会話を文字にしたら、誰が話したのかわからなくなった。

人名や会社名、専門用語が正しく認識されていない。

長い文字起こしを読んでも、結局どこが重要なのかわからない。

動画に字幕を付けたいけれど、文字起こしと字幕編集を別々のツールで行うのが面倒。

特に1時間以上の録音になると、必要な箇所を探すだけでもかなりの時間がかかります。

私たちが作りたかったのは、単に音声を文字に変換するツールではありません。

音声・動画を文字に変換したあと、その文字を使って確認・編集・整理・活用までできるツールです。

ViiTor Liveでできること

ViiTor Liveは、音声・動画ファイルをアップロードするか、対応する公開メディアのURLを貼り付けるだけで、AIが文字起こしを行うオンラインツールです。

主な特徴を紹介します。

① 音声・動画ファイルをアップロードするだけ

MP3、WAV、M4A、MP4、MOVなど、一般的な音声・動画形式に対応しています。

1ファイルあたり最大500MBまでアップロードできます。

例えば、次のような素材に活用できます。

社内会議やオンラインミーティングの録音

ユーザーインタビュー

授業や講演会の録画

ポッドキャスト

動画インタビュー

音声メモ

また、ローカルに保存したファイルだけでなく、YouTube、Bilibili、TikTok、抖音などの公開コンテンツも、対応するURLから取り込めます。

※リンクの取得可否は各プラットフォームの仕様や公開状態によって異なります。取り込めない場合は、利用権限のあるファイルをダウンロードしてアップロードする方法もあります。

② 誰が話したのかを自動で区別

複数人が参加する会議やインタビューでは、発言内容だけでなく、誰が話したのかも重要です。

ViiTor Liveでは、文字起こしの際に話者識別を有効にできます。

あらかじめ参加人数の目安を設定すると、AIが発言者ごとに内容を分類してくれます。

文字起こしが完了したあとも、作業画面から話者名を確認・修正できます。

例えば、インタビューなら「インタビュアー」「ゲスト」、会議なら「司会者」「参加者A」「参加者B」のように整理できます。

これなら、長い会話を読み返すときも、誰が何を話したのか把握しやすくなります。

③ タイムスタンプから元の音声をすぐ確認

個人的に便利だと感じているのが、タイムスタンプとの連携です。

一般的な文字起こしでは、文章が正しいか確認したいとき、元の録音を最初から再生したり、再生バーを何度も動かしたりする必要があります。

ViiTor Liveでは、文字起こしされた各部分が元の音声・動画の時間位置と対応しています。

気になる文章を見つけたら、その箇所から元の音声を再生して確認できます。

つまり、文字を読みながら、必要な部分だけ音声で確認できるということです。

長時間の会議やインタビューを整理するときに、特に役立つ機能です。

④ 専門用語や人名を登録できる

AIの文字起こしで意外と困るのが、固有名詞の誤認識です。

例えば、会社名、製品名、人名、業界特有の専門用語など。

一般的な単語なら問題なく認識できても、普段あまり使われない言葉は、別の単語に変換されてしまうことがあります。

ViiTor Liveでは、事前に人名・ブランド名・製品名・専門用語などを登録できる「ホットワード」機能を用意しています。

専門的な内容を扱うインタビューや業界会議などでも、認識精度の改善に役立ちます。

⑤ AIで長い録音の要点を整理

文字起こしができても、何時間もの文章を最初から最後まで読むのは大変です。

そこで、ViiTor LiveではAIによる要約機能も利用できます。

長い録音から重要なポイントを整理し、全体の内容を把握しやすくします。

例えば、

会議で話し合われた主な内容

インタビューで出てきた重要な意見

講義やセミナーのポイント

ポッドキャストの主要なトピック

などを確認できます。

まずAIの要約で全体像を把握し、詳しく知りたい部分だけタイムスタンプから元の音声を確認する。

この流れなら、長い録音を効率よく整理できます。

文字起こしだけで終わらない。Word・字幕へのエクスポート

文字起こししたデータは、そのまま保存するだけではありません。

ViiTor Liveでは、用途に応じて複数の形式でエクスポートできます。

形式

主な用途

DOCX

会議議事録、インタビュー記事、講義ノート

TXT

テキスト保存、検索、資料整理

SRT

動画字幕の作成

例えば、インタビューの文字起こしをDOCXで出力して記事の下書きに使ったり、動画の文字起こしをSRT形式で出力して字幕制作に活用したりできます。

文字起こしから次の作業へ移るときに、別のツールへ何度もデータを移す手間を減らせます。

文字を編集すると、音声も編集できる？

ここは、ViiTor Liveでぜひ試していただきたい機能の一つです。

通常、録音した音声の不要な部分を削除したい場合、音声編集ソフトを開き、波形を確認しながら編集する必要があります。

しかし、ViiTor Liveでは文字起こしされた文章を使って音声を編集できます。

例えば、インタビューの中に不要な発言があった場合、その文章を見つけて削除することで、対応する音声部分も編集できます。

また、文章の一部を修正し、AIで生成した音声に置き換えてプレビューすることも可能です。

つまり、音声を波形だけで編集するのではなく、文字を読みながら音声を編集するという使い方ができます。

ポッドキャスト、講義、インタビュー、ナレーションなど、人の声を中心としたコンテンツの編集に向いています。

※現時点では、文章単位での音声削除・置換を想定した機能です。プロ向けのマルチトラック音声編集や、フレーム単位の動画編集を行うソフトではありません。

実際の使い方はとてもシンプル

例えば、3人で行ったインタビューを整理したい場合、次のような流れで使えます。

STEP 1：音声・動画をアップロード

録音したファイルを選択するか、対応する公開メディアのURLを貼り付けます。

STEP 2：言語と話者設定

録音の言語を選択し、必要に応じて話者識別を有効にします。参加人数の目安も設定できます。

STEP 3：専門用語を登録

人名、会社名、製品名など、認識してほしい単語をあらかじめ登録します。

STEP 4：AI文字起こし

処理が完了すると、タイムスタンプと話者ラベル付きの文字起こしが生成されます。

STEP 5：確認・修正・要約

元の音声を再生しながら文章や話者名を確認し、必要に応じて修正します。その後、AIで要約を作成できます。

STEP 6：必要な形式でエクスポート

DOCX、TXT、SRTなど、用途に合った形式で出力します。必要であれば、文字から音声を編集することもできます。

このように、録音から文字起こし、校正、要約、編集、エクスポートまで、一つのワークフローで進められます。

100以上の言語に対応

ViiTor Liveは、100以上の言語の文字起こしに対応しています。

日本語や英語はもちろん、中国語では普通話・広東語・呉語なども選択できます。

海外のインタビューや外国語の講義、複数の言語が使われるコンテンツなど、さまざまな素材の整理に活用できます。

ただし、認識結果は録音環境によって変わります。

音質が悪い場合、背景ノイズが大きい場合、複数人が同時に話している場合などは、誤認識が発生することがあります。

専門用語の登録も認識を改善するための機能であり、すべての単語が必ず正確に認識されるわけではありません。

重要な数字や契約内容、外部に公開する文章については、必ず元の音声と照らし合わせて確認してください。

開発者として、これから改善していきたいこと

ViiTor Liveはオンラインサービスです。文字起こしの処理には、音声・動画ファイルをサーバーにアップロードする必要があります。

そのため、高度な機密情報や厳格な管理が必要な素材については、組織のセキュリティポリシーを確認したうえで利用をご判断ください。

また、実際に使っていただく中で、まだ改善できる部分もあると考えています。

例えば、

専門用語や固有名詞の認識をさらに改善したい

話者の識別をもっと正確にしたい

文字起こし後の編集をもっと簡単にしたい

字幕のエクスポートをさらに使いやすくしたい

音声編集の操作性を改善したい

などです。

私たちは、開発者だけで機能を決めるのではなく、実際に使ってくださる方の意見を聞きながら改善していきたいと思っています。

もし文字起こしの誤りやURLの読み込みエラー、話者識別の問題などがあれば、ぜひコメントで教えてください。

「こんな使い方をしたい」「この作業がもっと簡単になったら便利」といったアイデアも大歓迎です。

まずは一度、試してみてください

会議の録音を整理したい方、インタビュー記事を作成する方、講義やセミナーの内容を保存したい方、ポッドキャストや動画の字幕を作りたい方。

もし、録音を何度も聞き直す作業に時間を取られているなら、ViiTor Liveを一度試してみてください。

音声を文字にするだけでなく、その文字を使って確認し、整理し、編集する。

そんな新しい音声・動画の活用方法を目指しています。

▼ ViiTor Liveはこちら

皆さんのご意見やご感想をお待ちしています！