要点
音声そのものは検索できません。検索できるのはファイル名と日付だけなので、1年分の録音が入ったフォルダは実質「書き込み専用」になってしまいます。解決策はすべてを文字に起こすことではありません。週1回の通話を1年分録音すると、それだけで約50時間、単語数にして約45万語にもなり、テキストとして扱うには多すぎます。文字起こしすべきなのは、まだ動いている案件に関わる録音――契約、まだ解決していないトラブル、退職予定の同僚との会話など――です。ファイル名は日付を先頭にして正しく並ぶようにし、話者ラベルを付けて「誰が何を言ったか」で検索できる文字起こしにしましょう。
ドライブやクラウドのフォルダに録音データがたまっていて、そのほとんどが recording_047 のような名前になっている。そのどこかに、クライアントが価格に合意した電話や、後になって誰かが異議を唱えている決定がなされた会議の録音が埋もれている。起きたことは分かっている。どのファイルに入っているかが分からない。
これは録音の問題ではありません。音声はすでに手元にあります。問題は「探し出せない」ことであり、必要な解決策も思っているものとは違います。録音の性能を上げることではなく、すでに持っているものを見つけられるようにすることです。
音声をそのまま検索できない理由
パソコンの検索機能――Spotlight、Windowsの検索、クラウドドライブの検索欄――は、どれもテキストを照合する仕組みです。ファイル名はテキストです。日付もテキストです。しかし音声ファイルの中で実際に話されている内容はテキストではなく、どの検索欄もその中身を見ることはできません。問題はこの一文に尽きます。ファイルの中身は不透明で、手がかりはファイル名と日付しかないのです。
だからこそ、1年分の録音は「眺めることはできても検索できない」アーカイブになってしまいます。日付で並べ替えることはできますが、それは録音した日をたまたま覚えている場合だけです。ファイル名から見当をつけることもできますが、それは録音した人が番号以外の名前を付けていた場合だけです。それ以外の方法は、ファイルを片っ端から開いて聴くことしかなく、それこそ午後いっぱい使う余裕などない作業です。
文字起こしをすればこの状況は一変します。録音がファイル名と同じ種類のテキストになるからです。しかも今度は、検索欄がクライアントの名前や、価格、決定事項、実際に話されたどんな言葉にもマッチするようになります。録音そのものは変わっていません。それをどう扱えるかが変わるのです。
すべてを文字に起こす必要はない
何かを文字起こしする前に、まず範囲を正直に見積もっておく価値があります。週1回、1時間の通話を1年間録音すると、音声は約50時間分になり、通常の話す速度で計算すると単語数はおよそ45万語です。これは生成するにも、読むにも、保存するにも大量のテキストであり、そのほとんどは二度と検索されません。大半の通話はもともとルーティンで、ルーティンのまま終わっているからです。
文字起こしする価値がある録音は、まだ動き続けている何かに結びついたものです。まだ有効な契約、まだ解決していない対立、退職を控えていてその人の頭の中にしかない経緯を持つ同僚。そうした通話こそ、半年後に「実際には何に合意したのか」と誰かが尋ねてもおかしくないものです。過去12か月間、誰も参照していない録音は、来月必要になる録音である可能性も低いでしょう。
つまり本当の第一歩は、アーカイブ全体を文字起こしすることではありません。その中から実際に重要な意味を持つ数本の通話を選び出すことです。それ以外は音声のまま、必要になるまで手を付けずに置いておけばよいのです。
実際のコストを見積もる
おおよその時間数が分かったら、始める前にかかる時間とコストを把握しておくと安心です。文字起こし料金・時間シミュレーターを使えば、選んだ分だけの数字が出せます。それは通常、1年分すべてを一気に文字起こしするよりもずっと小さく、現実的な数字になります。
話者ラベルが使い勝手を左右する
話者ラベルのない文字起こしは、文字の壁でしかありません。正確で、キーワード検索もできますが、本当に知りたい質問には向いていないことが多いのです。たとえば「『デポジット』という言葉が話されたか」ではなく「デポジットを免除すると言ったのは誰か」を知りたい場合です。言葉そのものより、誰が言ったかを検索することの方が圧倒的に多いのです。
これは3人以上が参加する通話でより重要になります。話者ラベルのない文字起こしは、登場人物の名前を消したまま台本を読んでいるようなものになるからです。2人だけの通話であれば、文脈から誰が話しているか推測できることが多いので、重要度は下がります。しかし契約トラブルについての複数人の会議では、ラベル付きの文字起こしとラベルなしの文字起こしの差は、10秒で答えを見つけられるか、全体を2回読み直す必要があるかの差になります。
録音を、話者を紐づけた文字起こしと要約に変換すること――これがまさに文字起こしアプリの音声のテキスト化機能が作られている目的です。ファイルを渡せば、誰が何を言ったかで整理された、検索可能なテキストが返ってきます。
検索が実際に機能する命名と整理の方法
文字起こしの見つけやすさは、ファイル名の付け方次第です。これは逆に聞こえるかもしれませんが、実はそうではありません。テキスト化した後も、結局は同じ検索欄に戻ってくるからで、そこではやはりファイル名と日付が最初に照合される仕組みです。解決策は、一貫して適用する命名規則を持つことです。まず日付を「年-月-日」の順で書き、そのあとに話題を続けます。この並び順が崩れないのは、他のどの方式――「月-日-年」でも、「話題を先頭にする」方式でも、録音機器のデフォルト任せでも――も、いずれ関連するファイルが隣り合わなくなるフォルダを生み出してしまうからです。
文字起こしと並んで、短い要約があることでアーカイブは「検索できる」だけでなく「読み進められる」ものになります。会議ごとに1段落の要約があれば、50時間分の通話を、午後の間に最初から最後まで実際に読み通せるものに変えられます。これは特定の単語を検索することとは違う、しかしそれ以上に役立つことも多い作業です。要約に目を通して正しい会議を見つけ、詳細が必要なら本文の文字起こしを開く、という使い方になります。SozAIのアプリは、話者付きの文字起こしと要約の両方を生成し、アーカイブの中にあなたが主に使わない言語で行われた通話があれば、翻訳も付けてくれます。
- 新しく録音するものは、忘れる前に日付を先頭にして名付けましょう。
- まだ片付いていない件に関わる通話を文字起こしし、積み残し全部を一気にやらないようにしましょう。
- 3人以上が参加する通話では話者ラベルを必ずオンにしておきましょう。
- 会議ごとに1段落の要約を書くか生成して、アーカイブをざっと見通せるようにしましょう。
これでは解決しないこと
文字起こしは、聞き取れない録音を復元してはくれません。安価なマイクや、うるさい部屋でのスピーカーフォン通話は、何を使って文字起こししても、はっきりと欠落のある文字起こしになります。また文字起こしは自動的には整理されません。ファイル名が悪い文字起こしは、音声だったときと同じくらい見つけにくいままです。だからこそ命名のステップは省略できるものではなく、実際に成果につながる部分なのです。
そもそも保存容量がボトルネックだったことは一度もありません。これははっきり言っておく価値があります。圧縮された音声なら、1時間分の会話でもごくわずかな容量しか使いません。アーカイブが実際に消費しているのは、あなたの「注意」であり、すべてを文字起こししてもそこは解決しません。未読の山を音声からテキストに移すだけです。選んで文字起こしをする意味は、すべてを含む大きな山の代わりに、重要な通話だけをまとめた、ラベル付きで要約もされた小さな集合を手にできることにあります。
ゼロから始めるなら、そしてアーカイブ全体に手を付ける前に、話者付きの文字起こしと要約が実際どういうものか見てみたいなら、ダウンロードページからアプリを入れて、まず1本のファイルで試してみるのがいいでしょう。
