録音を選び、テキストを確認して保存します
手元に元の録音があるなら、そのファイルから始めます。圧縮し直しても失われた音は戻らず、かえって聞き取りにくくなる場合があります。冒頭と途中を少し再生し、目的の録音で、声が聞こえることを確認してください。
録音ファイルを選びます
ダッシュボードでmp3、wav、m4a、flac、ogg、opusをアップロードします。対応する拡張子と、実際の音声が必要です。別のファイルの名前を.mp3に変えても変換にはなりません。
言語と話者分離を設定します
言語はautoのまま始められます。分かっていれば言語のヒントを指定します。インタビューや対談なら「Identify speakers」を選びます。1人のボイスメモなら、テキストと時刻だけでも使えます。
名前や数字を聞き直します
テキストを読み、不確かな箇所は録音と照合します。人名、数字、専門用語は、メモや研究、公開用の文章に使う前に、保存したテキストで修正してください。
用途に合わせて保存します
短いメモならコピー、文章を直すならTXT、構造を保って処理するならJSONを使います。プレーヤーや動画に合わせる場合はSRT・VTTも選べます。
MP3・M4A・WAVは、元の形式のまま使えます
MP3やM4Aはインタビューやボイスメモによく使われる形式です。同じ長さでもWAVやFLACはファイルが大きくなることがあります。料金を決めるのはサイズではなく、実際に測定した録音の長さです。分単位で切り上げます。
対応形式なら、文字起こしのために変換する必要はありません。ノイズの多いMP3をWAVにしても、雑音が消えたり失われた言葉が戻ったりはしません。書き出し直した場合は、無音や別のマイクの音になっていないか、送る前に聞きます。
| 手元にある録音 | 送る前の確認 |
|---|---|
| ボイスメモ | 元のM4Aなど、対応する形式のファイルを使い、冒頭と末尾を確認します。 |
| 長いWAVのインタビュー | ファイルサイズと録音時間を両方確認して、送信方法を選びます。 |
| 複数回に分かれた録音 | 録音ごとに送信し、どの回か分かる識別子を残します。 |
| 声がほとんど聞こえない録音 | 先に音声を確認します。拡張子の変更だけでは聞き取りやすくなりません。 |
話者ラベルと参加者の名前を対応付けます
話者分離を使うと、Speaker 1、Speaker 2のようなラベルで発言を整理できます。毎行に発言者を書き足す手間を減らせますが、実名は判定しません。最初のやり取りを聞き、手元の文書で参加者と対応付けます。別の録音では、Speaker 1が同じ人とは限りません。
声が重なる箇所、割り込み、遠くからの発言は、誰が話したか分かりにくい場合があります。大事な引用には元のタイムスタンプを残してください。後で話者を直す必要が出ても、音声に戻って確認できます。
長い録音は、サイズと時間の両方を確認します
ダッシュボードでは分割アップロードを使い、アカウントの上限内で2GBまで送れます。AI文字起こしは5時間までです。小さく圧縮しても録音時間の制限は変わらず、非圧縮の録音は先にサイズの上限に達する場合もあります。
APIでは95MBまでを1回のmultipartリクエストで送れます。それより大きいファイルは、予約、チャンクの送信、完了通知の順に進めます。通信が切れたら進捗を確認し、不足分から再開します。毎回新しい予約を作る必要はありません。
自分で録音を分ける場合は、各ファイルが元の録音のどこから始まるか記録します。タイムスタンプは送信したファイルの先頭から数えるため、後半のファイルにある引用を元の録音で探すには、その開始位置を足す必要があります。
確認用の原文と、読みやすく直す文書を分けます
話し言葉には、言いかけ、繰り返し、その場にあるものへの言及が含まれます。取得したままの文字起こしを残し、読み物にする場合は別のコピーを編集します。発言どおりに残すのか、要点をまとめるのかを先に決めると、引用と編集が混ざりません。
難しい用語はタイムスタンプから聞き直し、話題の切り替わりで段落を整えます。多言語の録音も言語情報を使って整理できますが、翻訳は別の作業です。言語のヒントを変えても翻訳にはなりません。
アップロードした録音は、処理終了から24時間後に削除します。文字起こしテキストは自分で削除するまで残ります。後で聞き返せるよう、元の音声は手元にも保管してください。音声の長期バックアップとしては使えません。