録音をドロップするだけで、タイムスタンプ・話者分離・要約付きの文字起こしが手に入ります。アカウント不要、インストールも不要です。
1時間の音声を手で文字起こしすると、およそ4時間かかります。Audio Transcriptor なら約3分。しかも出てくるのは文字の壁ではなく、話者ごとに分かれ、タイムスタンプが付き、検索もブラウザー上での修正もできるテキストです。
MP3、WAV、M4A、AAC、OGG、FLACなど、録音したままの形式で、1ファイル10 GBまで対応します。言語は自動で判別するので、設定は必要ありません。
パソコンから選ぶこともできます。10 GBまで、一度に何ファイルでも大丈夫です。
録音時間のおよそ5%で完了します。1時間の会議なら3分ほどです。
気になる箇所はクリックして修正し、DOCX、PDF、SRT、CSV、JSONでダウンロードできます。
質問と回答を声で分け、引用の確認用に時刻も残ります。
要約に決定事項とタスクが並ぶので、議事録を書く手間がなくなります。
文字起こしが、番組のメモにも、記事にも、字幕にもなります。
3つあり、どれもアクセントではありません。1つ目はマイクの距離です。テーブルの真ん中に置いたスマホは、話している人の前に置いた同じスマホよりも、はるかに多くの部屋の雑音を拾い、その雑音が存在しない言葉になります。2つ目は、人の声が重なるかどうかです。2人の声が同時に入ると、どんなシステムも、人間でさえも、両方は聞き取れません。
3つ目は、固有の語彙です。会社名、姓、業界の略語がいちばん間違いやすいのは、あなたの録音以外のどこにも出てこないものだからです。テキストの修正機能で2分あれば直せて、精度が本当に上がるのはそこです。サービスを変えても上がりません。
まず検索です。もっともよく使われます。録音を聞き直さなくても、特定の話題が何分頃に出たかが分かります。話者が分かれていれば、誰が話しているかで絞り込むこともでき、1時間のインタビューなら作業が半分になります。
そしてここから書き出すこともできます。共有用のドキュメント、動画の下に付けるSRT、参加者ごとの発言時間を分析するスプレッドシート。いずれも文字起こしをやり直す必要はなく、必要なだけ、必要な形式で書き出せます。
アップロードするだけで、タイムスタンプ付きの文字起こし、名前付きで分けられた話者、要点をまとめた要約をお返しします。アカウントなしで始められます。