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生成します。

単言語の用語ベースは、設定ページで作成でき、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。誤った一致を減らすため、用語リストは一般的な単語や数字と混同されにくい専門用語や難解な用語に限定し、短すぎる用語や一般的な用語の追加は避け、確定前に文字起こし結果を確認して誤って適用された用語がないかチェックしてください。

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は動画ローカライズ時間を消費します。

使用例

45分間の顧客インタビューがMP4ファイルとして記録されます。

話者識別機能付きのテキスト文字起こしが生成され、これを使ってケーススタディを作成したり、Webサイト用の引用文を抽出したりできます。

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6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てください。
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。
- 公開プロジェクトの選択を解除すると、プロジェクト所有者のみに表示される非公開プロジェクトを作成できます。プライベートプロジェクトであっても、必要に応じて特定のユーザーと共有できます。
ソース言語を手動で選択するか、ソース言語の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、Localization Optionsの下でTranslate subtitlesを有効にし、ファイルを翻訳する言語を選択します。
- 翻訳エンジンは設定可能です。
- Dub into target languagesが選択されている場合、ファイルは文字起こしおよび翻訳が行われ、翻訳を事前に確認する機会なく直ちにが実施されます。
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。

特定の言語向けに異なる字幕プロファイルを使用するを有効にして、各言語ごとにプロファイルを選択します。
必要に応じて、Apply pronunciation rules to improve text-to-speech accuracyを有効にし、既存のおよび関連するペアを吹き替えワークフロー用に選択します。
必要に応じて、追加のオプションを設定します。
- Subtitlesセクションを開き、ソース言語とターゲット言語の両方について、既存の字幕ファイルをSRTまたはVTT形式でインポートします。
  
  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および割り当てる必要があります。
- Automated translation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プロファイルおよび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プロファイルの1つを選択し、必要に応じて翻訳メモリも選択します。
  - AI Translation Agentが選択されている場合、翻訳メモリのドロップダウンメニューが表示されます。
    
    利用可能な翻訳メモリから1つを選択します。
- Resourcesセクションを開き、既存の用語ベースを選択するか、文字起こし中に似た響きの単語を検出して照合するために使用する用語を追加します。
- AI-generated summaries and insights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目的の要約とインサイト、および関連するAIモデルを選択します。
プロジェクトを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。

録音名をクリックしてエディターで開き、TranscribeタブとTranslationタブで表示します。必要に応じて、両方のテキストを編集できます。

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、安全上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

カスタマーサポートの通話を要約したり、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。

話者ラベル付け

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分かりやすくします。

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

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」）。

Transcribeメニューの下にある話者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。

エディター下部にあるCombined/Speakersトグルを使用して、単一の波形表示と各話者の個別波形表示を切り替えます。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ることで発話の重複を表現したり、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。

2人の話者が同時に話している状態を表現するには、2人目の話者用に別の行で新しいセグメントを追加し、最初のセグメントと重なる開始時間と終了時間を設定します。

ダビングは、各話者のセグメントに対して個別の音声を生成します。時間範囲が重なる異なる話者に割り当てられたセグメントは、同時音声としてダビングされます。

1人の話者のみに割り当てられたセグメントは、他の話者の対話が含まれていても、その話者の声のみでダビング音声が生成されます。セグメントの元の音声は置き換えられるため、別のセグメントに含まれていない対話はダビングには含まれません。