インタビュー 文字起こしで、誰の発言か確かめながら分析を

95MBまでのファイルは1回のmultipartリクエストで送れます。それより大きい録音は分割アップロードを使います。話者分離などの設定はどちらも同じです。

アップロードする前に、録音にセッションIDを付け、参加者を記録してください。冒頭と途中を聞いて、対象の録音と音声トラックに間違いがないか確認します。分析中も聞き直せるよう、元の録音は手元で保管します。

ダッシュボードでは「Identify speakers」を有効にします。APIでは、下の例のようにdiarize=trueを指定します。language=autoで言語判定を行うか、わかっている言語を指定してください。

Speaker 1などのラベルは、録音ごとに付きます。別のセッションでも同じ参加者に同じ番号が付くわけではありません。参加者との対応は録音を聞いて確認します。

TXTは分析用のツールや文書に貼り付けやすい形式です。タイムスタンプを付けると、各行の先頭で発言の時刻と話者を確認できます。

音声を聞いて、Speaker 1、Speaker 2を研究で使う参加者IDと対応付けます。その対応表は作業中の文字起こしと一緒に残してください。質問者の声が小さい箇所や、発言が重なる箇所では、話者の切り替わりを聞き直します。

分析用の文書に移すときも、セッションIDと時刻を残します。引用した部分を後から確かめやすくするためです。下の例は表示形式を示すためのもので、実際の参加者の発言ではありません。

独自のツールで分析する場合は、JSONの文字起こしを使えます。話者の一覧に加え、各セグメントに話者、言語、開始・終了時刻が入ります。

研究のコードや解釈は、元の発言を上書きせず、別に保存します。同じ発言に複数のテーマを付けることも、ほかのセッションを読んで解釈を見直すこともあります。出典IDと時刻の範囲に注釈をひも付けておくと、発言自体を変えずにコードを修正できます。

セグメントは文字起こし上の区切りで、分析上の意味のまとまりとは限りません。回答が複数のセグメントに続くことも、同じセグメントに複数の話題が入ることもあります。引用箇所だけでなく前後も読み、質問が意味に関わる場合は一緒に残してください。

繰り返し、言いかけた文、聞き取れない言葉をどう残すか、複数の録音を見直す前に決めておきます。全セッションで同じ方針を使い、引用の受け取り方が変わる修正は記録してください。

インタビューの書き起こしは、自動処理だけで完成とはなりません。専門用語、方言、小さな声を誤認識することがあります。間、笑い、身振りを研究用の記法ですべて記録する機能もありません。手法上必要な観察は録音から補い、認識された発話と区別します。

ダウンロード直後のファイルと確認済みの版を両方残すと、修正をたどれます。読みやすく整えた版を、修正前のテキストと混同しないようにしてください。公開する引用は、話者と前後のやり取りも含めて録音と照合します。

アップロードした録音は、ジョブがcompleted、failed、canceledのいずれかになった24時間後に削除します。文字起こしは自分で削除するまで残ります。後から聞き直す研究では、元の録音を自分で保管してください。ダウンロードしたコピーも、研究のアクセス権限や保管期間の方針に従って管理します。

複数のインタビューは録音ごとにジョブを作り、研究のセッションIDと対応付けます。Webhookで完了を集める場合も、失敗した録音を空の「完了済みインタビュー」に置き換えないでください。取得できなかった資料として区別します。

AI文字起こしは録音ごとに5時間まで、分割アップロードは2GBまでです。アカウントの上限も適用されます。