公開した動画をすべて 再利用できるテキスト資産 に変える

SozAIはまず、アップロードされた動画またはYouTubeのリンクを文字起こしします。クリエイターはその文字起こしから注目すべき発言を探し、話者ラベルでホストとゲストのコメントを分け、ソーシャル投稿用の引用を選びます。同じ文字起こしを動画説明文、ブログ構成案、字幕ファイルなどの公開用原稿にも利用できるため、録音全体を何度も再生する必要はありません。

SozAIは、アカウントを作成しなくてもウェブサイト上でYouTubeのリンクを文字起こしできます。生成された文字起こしは話者の交代を確認するために見直せるほか、説明文やブログ原稿の元データとして使用し、TXT、DOCX、PDF、SRT、VTTで書き出せます。SRTの書き出しには字幕作業に使える単語単位のタイムスタンプが含まれます。

SozAIは実時間の約10xの速度で文字起こしを行います。50-minuteの録音なら、通常は約five minutesで準備できます。ここで示す処理時間は文字起こしの段階に限ったものです。説明文、ブログ構成案、引用候補、完成版の字幕を作るには、生成されたテキストをクリエイターが確認・編集する必要があります。

SozAIは話者ダイアライゼーションを使って話者ラベルを付けており、アプリで作成された文字起こしの99%にラベルが含まれます。ラベルにより、クリエイターは引用を選んだり、インタビューを記事にまとめたりする際に、ホストとゲストの発言を区別できます。ただし、すべての話者の識別や話者交代が正しいことをSozAIが保証するものではありません。

SozAIはSRTおよびVTT形式で字幕を書き出せます。字幕の書き出しには単語単位のタイムスタンプが含まれ、発話と動画再生を同期させるのに役立ちます。クリエイターが編集可能なテキスト、確認用の文書、共有しやすい文字起こしを必要とする場合は、TXT、DOCX、PDFでも書き出せます。

SozAIは100以上の言語に対応し、録音の言語を自動検出します。クリエイターは文字起こしを、翻訳した公開用テキストや字幕の元データとして利用できます。精度は録音状態と発話内容に左右されます。特に、話者が重なって話す場合、訛りが強い場合、周囲に雑音がある場合、音声が電話から録音されたものである場合は注意が必要です。