講義の録音を文字起こし

取らなくてよかったノート

聞きながら書くと注意が分散し、多くの学生は断片的な半ページのメモと、二度と再生しない録音だけを手にする。文字起こしはこれを逆転させる。講義は話された時間の4分の1で読み終わり、定義は正確で、試験に出そうな一語を探すのに一秒しかかからない。このページでは録音の最初の5分間をテキスト化し、全体の文字起こしがどのようなものになるかを確認できる。

文字起こししやすい講義の録り方

精度はエンジンよりも録音自体に左右される。教室の前方3分の1に座り、スマートフォンはバッグの中ではなく机の上に置き、休憩中は録音を止めて椅子の音などで音声が埋まらないようにする。ラベリアマイクを付けた講師が最良のケースで、大きなホールの後方にスマートフォンを置くのが最悪のケースだ。会場からの質問は音声として小さすぎて文字起こしできないことが多いが、それに対する回答はそうではない。

プレビューがファイルに対して行うこと

ブラウザが録音を読み込み、最初の5分間だけを保持する。それより長いファイルはブラウザ側で音声を切り出し、その部分を16kHzモノラルのWAVに再エンコードするため、90分の講義がまるごとアップロードされることはない。その5分間は暗号化された通信で、SozAIアプリの背後にある文字起こしエンジン（AssemblyAI）へ送られる。言語は99言語の中から自動で判定されるため、スペイン語の化学講義もドイツ語の法律講義も設定なしで扱える。さらに講師と、他に発言する人の声とが区別される。テキストが画面に表示された時点で、音声と文字起こしは提供元のサーバー上で削除される。

対応フォーマットと制限

• M4A、MP3、WAV、AAC、FLAC、OGG/OPUS、WEBMに対応し、25MBまではそのまま処理される。それより長い録音はまずブラウザ内で5分間に切り出される（パソコンでは30MBまで、スマートフォンでは12MBまでのファイルに対応）。
• 1台のデバイスにつき1日3回までのプレビュー、アカウント登録は不要。
• スマートフォンで録音した90分の講義は通常60〜90MBほどになり、ブラウザ内での切り出しには大きすぎるため、そこはアプリの領分になる。

毎週の講義をまるごと

SozAIアプリはセッション全体を録音するか、既存のファイルを取り込み、話者にラベルを付け、文字起こしを要約と学習用ノートに変換する。すべての講義が検索可能なライブラリに保存されるため、試験対策は音声を早送りすることではなく、用語を検索することになる。最初の30分間は無料で利用できる。