音声文字起こし (Studio)

本コンテンツはPhrase Language AIの機械翻訳により、英語から翻訳されています。

音声文字起こしは、音声を入力として受け取り、自動音声認識および自動話者識別を使用してテキスト出力を作成します。具体的には、システムはOpenAI Whisper自動音声認識システムの独自インスタンスを使用します。

単言語の用語ベースを設定ページで作成し、専門用語や難解な用語のAI文字起こし精度を向上させることができます。用語ベースは、同じ組織のすべてのユーザーと読み取り専用モードで自動的に共有されます。

Phrase Studioは動画ローカリゼーション時間を消費します。

使用例

MP4ファイルとして記録された45分間のお客様インタビュー。

話者識別付きのテキスト文字起こしが作成され、ケーススタディの作成やWebサイト用の引用文の抽出に使用できます。

音声文字起こしプロジェクトを作成するには、以下の手順に従ってください。

Phrase Studioから、新規プロジェクトをクリックします。

新規プロジェクトを作成ページが開きます。
ファイルをアップロードフィールドにドラッグするか、ファイルをアップロードをクリックしてシステム上のファイルを選択します。

アップロードされたファイルが表示されます。
必要に応じて、アップロードされたファイルの話者数を指定します。
- 話者数を手動で設定するには、ドロップダウンを開き、1から5までの値を選択します。ファイルに5人以上の話者が含まれている場合は、デフォルトの自動検出オプションを使用します。
プロジェクト名を入力し、必要に応じてプロジェクトの公開範囲を設定します。
- 新規プロジェクトはデフォルトで公開されます。公開プロジェクトは、Studioにアクセスできる組織内のすべてのユーザーに表示されます。
- パブリックプロジェクトの選択を解除して、プロジェクトオーナーのみが閲覧できるプライベートプロジェクトを作成します。プライベートプロジェクトであっても、必要に応じて選択したユーザーと共有できます。
原文言語を手動で選択するか、原文言語を自動検出を有効にして自動検出を行います。
必要に応じて、ローカリゼーションオプションの下で字幕を翻訳を有効にし、ファイルが翻訳される言語を選択します。
- 翻訳エンジンは設定可能です。
- 訳文言語に吹き替えが選択されている場合、ファイルは文字起こし、翻訳され、事前に翻訳を確認する機会なしに直ちに吹き替えされます。
字幕プロファイルを選択して、字幕の表示ルールを決定します。

言語ごとに異なる字幕プロファイルを使用を有効にして、言語ごとにプロファイルを選択します。
オプションで、発音ルールを適用してテキスト読み上げの精度を向上を有効にして、吹き替えワークフロー用の既存の発音および関連ペアを選択します。
必要に応じて、追加のオプションを設定します。
- 字幕セクションを開き、原文と言語のSRTまたはVTTファイル形式で既存の字幕ファイルをインポートします。
  
  システムは話者識別を伴う自動音声文字起こしをスキップし、既存の字幕を動画に合わせます。SRT/VTTファイルには話者情報が含まれていないため、ユーザーは手動で話者を作成し、割り当てる必要があります。
- 自動翻訳セクションを開き、アカウントレベルの設定を上書きして、プロジェクトレベルで優先する翻訳エンジンを選択します。
  - Phrase Language AIが選択されている場合、MTプロファイルと翻訳メモリのドロップダウンメニューが表示されます。
    
    利用可能なMTプロファイルから1つを選択し、必要に応じてTMを選択します。
  - AI翻訳エージェントが選択されている場合、翻訳メモリドロップダウンメニューが表示されます。
    
    利用可能なTMから1つを選択します。
- リソースセクションを開き、既存の用語ベースを選択するか、文字起こし中に類似した響きの単語を検出して一致させるために使用される用語を追加します。
- AI生成の要約とインサイトセクションを開き、アップロードされた録音に対して生成する要約とインサイト、および関連するAIモデルを選択します。
プロジェクト作成をクリックします。

ファイルがアップロードされ、マイレコーディングページに表示されます。

レコーディング名をクリックしてエディタで開き、文字起こしタブと翻訳タブで表示します。どちらのテキストも、必要に応じて編集できます。

ダウンロードをクリックして、文字起こしと翻訳を選択し、システムにダウンロードします。音声のみのトラックをMP3ファイル形式でダウンロードすることも可能です。

AI要約

AIモデルを使用して、字幕から要約、感情、品質フラグ、安全性の問題などの構造化された有意義なインサイトを抽出します。

設定ページで作成されたインサイトは、同じ組織のすべてのユーザーと読み取り専用モードで自動的に共有されます。

使用例

お客様のサポート通話を要約したり、安全でない可能性のある通信や品質の低い通信を特定したりします。Phrase Studioは要約を返し、レビューのためにセクションにフラグを付けます。

話者識別

音声ファイル内の異なる話者を検出しラベル付けすることで、文字起こしや字幕をより明確にします。

字幕ファイルをインポートしたプロジェクトでは、自動話者識別は使用できません。

使用例

複数の参加者がいるポッドキャストが処理され、各話者が自動的にタグ付けされます（例：「話者 1」、「話者 2」）。

文字起こしメニューの下にある話者の管理をクリックして、話者名を編集したり、他の話者を追加したりします。

エディタの下部にある結合/話者トグルを使用して、単一の波形と各話者の個別の波形を切り替えます。複数の話者が検出された場合、セグメントをドラッグして行内で重ねて発話された内容を反映させたり、別の行に移動して割り当てられた話者を変更したりできます。