スマホ、Zoom、YouTubeの講義録音を文字起こし。要約、タイムスタンプ付きの段落、質問への回答が付いたテキストになります。
講義の録音を文字起こししてノートにするには、音声や動画のファイルをアップロードするか、そのリンクを貼り付けます。文字起こしは、上部に短い要約、タイムスタンプ付きの段落、ラベル付きの話者とともに返ってきます。そのうえで検索したり、質問したり、ところどころ用語を直したりして、PDF、Markdown、テキストとして書き出し、復習に使えます。
このガイドは、録音がたまっている学生向けです。最前列で録ったボイスメモ、ZoomやTeamsの録画、YouTubeや大学の動画プラットフォームにある講義などを扱います。対象は録音済みの講義です。講義の最中に字幕を出したい場合は、教会・講堂・議会場のためのリアルタイム文字起こしをご覧ください。
VocalStackのダッシュボードでの手順は、簡単に言うと次のとおりです。
完了すると、文字起こし、タイトルと要約、そして任意の行から再生できる音声が手に入ります。
講義の録音は、たいていすでにファイルになっています。アップロードは音声と動画を受け付けます。MP3、M4A、WAV、FLAC、OGG、MP4、MOV、WebMはそのまま読み込め、他のほとんどの動画形式も使えます。iPhoneのボイスメモはM4Aで、Androidの録音アプリは通常MP3かM4Aで保存します。どちらも変換なしでそのまま使えます。
動画の場合、VocalStackは音声を文字起こしし、映像は録音とともに保持するので、ある発言のときに画面に出ていたスライドを見ることができます。動画の保持期間はプランによって異なります(詳しくは費用の節をご覧ください)。
長い講義では、二つの上限に注意が必要です。従量課金では、1ファイルは最大2 GB、1回の文字起こしは音声2時間までです。Premiumでは5 GBと8時間になります。従量課金で3時間のゼミを扱うには、二つに分けて、それぞれを別の文字起こしにする方法があります。
講義がオンラインにある場合は、ダウンロードせずにリンクを貼り付けます。VocalStackはまずリンクを確認し、タイトルと長さを表示してから、音声を自分で取得します。
リンクから使えるもの:
動画サイトからは、音声だけを取得します。文字起こしの横に表示される映像は、そのサイト自身のプレーヤーです。
リンクから使えないもの:大学のサインインの先にあるものすべてです。Panopto、Echo360、Moodle、Canvas、Blackboard、大学独自のアドレスにあるKaltura MediaSpace、職場や学校のSharePointに保存されたTeamsの録画が含まれます。VocalStackはあなたの代わりにサインインできません。プラットフォームにダウンロードボタンがあれば、ファイルをダウンロードしてからアップロードしてください。講師はダウンロードをオフにできます。そうなっている場合は、講師にファイルをお願いしてください。
最後の手段として、ブラウザー拡張機能は、講義の再生中にタブの音声を録音し、デスクトップアプリはMac上の任意のアプリについて同じことができます。どちらもリアルタイム文字起こしを作成し、リアルタイムで実行されてライブ料金で課金されるので、入手できるファイルがないときだけ使ってください。
講義の録音は予想できる形で失敗し、その対策の多くは録音ボタンを押す前に済ませられます。
距離と反響。 12列目の机に置いたスマホは、講師の声を一度は直接、さらに何度も壁に反射した音として聞きます。このにじみが、単語の間違いのいちばん大きな原因です。前のほうに座り、スマホはポケットやバッグに入れずに、講師のほうを向けて机の上に置いてください。講義でマイクを使う場合は、スピーカーの近くに座りましょう。講堂自身のシステムから取った録音(大学が公開するバージョン)は、会場で録ったものより、ほぼ間違いなくクリアです。
後ろからの質問。 20メートル離れた学生の質問は、小さすぎて文字起こしできないことがよくあります。講師が回答の前にマイクで質問を繰り返せば、全員の助けになります。
専門用語。 薬品名からラテン語の解剖学用語まで、標準的な学術用語はそのまま認識されます。どんなツールにも事前には分からないのは、講師独自の略語、新しい造語、あまり知られていない姓です。録音の文字起こしでは、そうした言葉を数クリックで直せます(後述)。ライブの講義では、スライドや参考文献のリストを入れたリファレンススクリプトを使うと、話された時点で修正されます。これはリアルタイム文字起こしの記事で説明しています。
言語の誤り。 自動検出は、最初の発話部分から判断します。講義の冒頭に1分間の雑談があったり、講師の訛りが強かったりすると、別の言語として検出されることがあります。言語が分かっている場合は、開始前に指定してください。ノイズの多い録音にも役立ちます。
音声文字起こしの誤り:7つの原因と対処法では、それぞれの種類の間違いをより詳しく取り上げています。
90分の講義の文字起こしは、1万語をはるかに超えます。それを読んで勉強する人はいません。文字起こしのこれらの部分が、それをノートに近いものに変えます。
上部の要約。 文字起こしが確定すると、VocalStackはタイトルと、一、二段落の短い要約を作成し、出てきた名前や数字を残します。講義の概要のように読めるもので、どの週に何を扱ったかを思い出すには十分です。要約は文章で書かれますが、自分自身のノートも引き続き重要です。
タイムスタンプ付きの段落。 文字起こしは話題ごとに段落に分けられ、それぞれに開始時刻が付きます。復習するときの見出しとして使ってください。すべての行は録音内の時刻を保持しているので、その時点から再生して、理解できなかった部分をもう一度聞けます。
質疑応答のための話者ラベル。 話者ラベルはデフォルトでWhen Neededです。一人の声だけの講義は普通の文章として読め、二人目の声が聞こえると各行に誰が話したかが付きます。話者に名前を付けられるので、講師の発言には名前が付き、質問は区別されます。
講義について質問する。 Askは、ダッシュボード内で文字起こしをもとに質問に答えるアシスタントです。講義を開いて、「定理の三つの条件は何でしたか」「有糸分裂と減数分裂の違いはどこで説明していましたか」と尋ねてください。回答には、その根拠となった時点へのリンクが付きます。すべての文字起こしを一度に対象にして尋ねれば、どの講義がそのトピックを扱ったかが分かります。
すべての講義を検索する。 検索では、すべての文字起こしから正確な語句を探せるほか、言い方が違っても同じ意味の箇所も見つかります。言語をまたいで機能するので、日本語で検索して、スペイン語で行われた講義が見つかります。
修正。 聞き間違えた用語は、文字起こしの中で直接直します。修正は文字起こしに保存され、すべての書き出しに引き継がれます。
書き出し。 文字起こしを、PDF、Markdown、プレーンテキスト、Excel、JSON、あるいはSRTやWebVTTの字幕としてダウンロードできます。テキスト、Markdown、PDFの書き出しはタイトルと要約から始まり、タイムスタンプは段落ごと、行ごとに付けるか、付けないかを選べます。MarkdownはObsidianやNotionのようなノートアプリにそのまま貼り付けられます。
科目ごとのタグ。 各文字起こしにその科目のタグを付けると、文字起こしの一覧を一度に一つの科目へ絞り込めます。
VocalStackは100言語を文字起こしし、話されている言語を検出します。各文字起こしは最大10言語に翻訳でき、文字起こし、その要約、書き出しが、選んだ言語に切り替わります。ドイツ語で行われた講義を日本語で読んだり検索したりでき、用語を確認するためのドイツ語も残っています。
翻訳は、文字起こしに追加の費用がかかりません。
録音を聞けない学生にとって、文字起こしは録音そのものです。話者ラベル、段落、要約により、単なる記録ではなく、勉強に使えるものになります。大学には通常、録画された授業についてのアクセシビリティ規則があり、自動の文字起こしがそれを満たす場合も満たさない場合もあります。人が確認した字幕が必要とされることもあります。重要な箇所(名前、用語、数字)を文字起こしで直せば、差の大半は埋まります。講師は完成した文字起こしを公開リンクで共有できるので、学生はアカウントを作らずに自分の言語で読めます。
多くの大学には講義の録音に関する方針があり、多くの講師にも独自の方針があります。個人の学習なら認めるところ、許可を求めるところ、アクセシビリティ上の配慮としてのみ認めるところがあります。講義の資料は、大学や講師の著作物であることもあります。履修している科目の方針を確認し、迷ったら講師に尋ねて、共有する許可がない限り、録音と文字起こしは自分の学習のためだけに保管してください。これは一般的な案内であり、法的助言ではありません。
現在の料金では、録音済みのファイルは音声1時間あたり$0.20で、秒単位で課金されます。従量課金では、文字起こしごとに最低5分が課金され、Premiumには最低料金がありません。翻訳、要約、Ask、検索は含まれています。現在の料金は料金ページにあります。
この料金では次のようになります。
一部は可能です。新規アカウントには一回限りの$5のサインアップクレジットが付き、カードは不要です。ファイルの料金なら、録音した講義約25時間分、一つの科目の半学期ほどにあたります。その後は、必要に応じて$10からクレジットをチャージします。
学期分の講義を扱う場合に知っておくべき、従量課金の制限がいくつかあります。元の音声は30日間、アップロードした動画は3日間保持され、文字起こし自体は削除するまで保持されます。30日を過ぎても文字起こしを読む、検索する、書き出すことはできますが、音声は再生できません。従量課金には、1日30回のAskの質問と、1時間60回の意味にもとづく検索も含まれます。正確な語句の検索には制限がありません。Premiumは毎月クレジットが含まれるサブスクリプションで、契約している間は音声と動画が保持され、これらの制限がなくなります。各プランの現在の数字は料金ページにあります。
はい。YouTubeのリンクを新しい文字起こしに貼り付けてください。VocalStackが音声を取得し、ファイルとして、ファイルの料金で文字起こしします。動画は、文字起こしの横にYouTube自身のプレーヤーで再生されます。
リンクからはできません。これらのプラットフォームは大学のサインインを必要とするためです。講師がダウンロードを許可しているなら、プラットフォームから録画をダウンロードして、ファイルをアップロードしてください。
主に録音しだいです。マイクを使った講師を講堂のシステムから録音したものなら、間違いは少なく、その多くは珍しい名前や科目の用語です。反響のある講堂の後方に置いたスマホでは間違いがはるかに増え、聴衆の小さな質問は失われることがあります。言語が分かっている場合は指定し、できるだけ話者の近くで録音し、重要な用語を直してください。
素材は用意します。要約、タイムスタンプ付きの段落、話者ラベル、そして講義について質問すると該当の時点へのリンク付きで答えるアシスタントです。MarkdownやPDFに書き出して、そこから編集してください。暗記カードや箇条書きの復習ノートは作成しません。
はい。話されている言語は100言語から検出され、文字起こしと要約は追加費用なしで最大10言語に翻訳できます。
はい、リアルタイム文字起こしとして可能で、ファイルより1時間あたりの料金が高くなります。講堂でのリアルタイム文字起こしをご覧ください。
まずは、{{app}}/transcriptions/new/fileで最初の録音をアップロードしてください。サインアップクレジットで、約25時間分の講義を賄えます。