Macの仮想音声デバイスを使って音声認識でオンラインミーティングの自動字幕作成

英語でのオンラインミーティングの議事録を作るのが面倒なので，オンラインミーティングの音声を，自動字幕生成の入力にしてしまい，発言をリアルタイム自動字幕で残すことを考える．

準備

• 仮想音声デバイスBlackHoleのインストール
  • https://github.com/ExistentialAudio/BlackHole
  • 以前にはsoundflowerがあったがもう開発されてない
• 自動英語字幕作成サービス otter.ai
  • アカウント作成しておく
• 日本語の音声認識ならGoogle DocでもOK

BlackHoleのインストール，設定

• githubのreleasesからBlackHole.vx.x.x.pkgをダウンロード，インストール
• githubの説明に従って複数デバイス作成 https://github.com/ExistentialAudio/BlackHole/wiki/Multi-Output-Device
  • 参考：[Mac] 仮想オーディオデバイス BlackHole Virtual Audio Driver

こうなればOK

サウンドで出力先を，作成した「複数出力装置」に設定

音声の入力先はBlackHole．

なにか動画を再生して，
- 内蔵スピーカーから音が出る
- サウンドの入力レベルが動く
ならOK

otter.aiで自動字幕

オンラインミーティングの代わりにyoutubeの動画を再生して，その音声に自動字幕をつけてみる．

動画は，OxfordSparksのWhat is Machine Learning?．ライセンスはCreative Commons．英語字幕がもともと付いているので，自動字幕と比較ができる．

以下がotter.aiの自動字幕．きれいな動画音声なので，ほぼほぼ正確．

終了

使い終わったら入力・出力デバイスを内蔵デフォルトに戻しておく．

問題

• たまに音が聞こえない．何度かデバイスを切り替えるとなぜかできる．．．
• たぶんマイクの音を拾わないので，聞いているだけのミーティングならOK．発言する場合には，別デバイスを使うのが早い（設定すればできそうだけど）．

misc

• macの音声認識に流すときにサウンドが消えないようにする How to keep sound from muting while using dictation?