① なぜ音声を文字起こししたいと思ったか
私はふだん、記事や文章を書く機会がそれなりにあります。ただ、書きたいことや経験したことを、その都度キーボードで文字にしていくのは、地味に手間がかかります。そこで、「思いついたことや話したいことを、まず声で残しておいて、あとから文字にできたら、書くときの素材になって楽なんじゃないか」と考えました。声で話すほうが、キーボードを打つより気軽ですしね。
それが、音声を文字起こしする仕組みを試してみようと思ったきっかけです。といっても、まだ本格的に使い始めたわけではなく、これから、という段階です。
② 手元のPCでAI文字起こし環境を作ってみた
結論から言うと、専門知識がなくても「自分のパソコンの中でAIに文字起こしをさせる」環境は、思っていたより手が届く範囲でした。
今回使ったのは Whisper（ウィスパー） という、音声を文字に変換してくれるAIです。ネット上のサービスに音声を送るのではなく、自分のパソコンの中（ローカル）で動かすやり方を選びました。
- ローカルで動かすとは、外部のサービスにアップロードせず、手元のパソコンだけで処理を完結させること
- そのため、画像や動画の処理と同じように、パソコンの計算力（GPU＝画像や大量計算が得意な部品）を使って動かします
私はプログラミングもターミナル（黒い画面にコマンドを打って操作するツール）も初心者ですが、AIに日本語で相談しながら、少しずつ準備を進めました。細かい手順の全部をここで解説はしませんが、雰囲気としては——
- 「文字起こしをするAI（Whisper）を、自分のパソコンで動くように用意する」
- 「試しに手元の音声ファイルを1つ渡してみる」
- 「出てきた文字を確認する」
という流れです。専門家でなくても、順番に進めれば「とりあえず動かしてみる」ところまではたどり着けました。
実際に自分の声のメモを渡してみると、ちゃんと文字になって出てきました。もちろん完璧ではなくて、細かい文字の間違いや、自分の言い間違いまではさすがに拾いきれない部分もあります。でも「話した内容が、あとから読み返せる文字になっている」という一点だけで、想像より十分に使えるな、というのが正直な感想でした。
一番「お、すごい」と思ったのは、特別な設定をいじったわけでもないのに、動かしてみたら普通にちゃんと文字が起こされて出てきた瞬間です。難しく身構えていたぶん、あっけなく動いたことに拍子抜けするくらいでした。
③ 実際にテストしてみたら…
いちばん驚いたのは、精度でした。私は自分でも自覚があるくらい早口で、正直、自分の声のメモは聞き返しても聞き取りづらいことがあります。試しにその”聞き取りづらいはずの自分の声”を渡してみたのですが——出てきた文字は、早口の部分まで、ちゃんと正しく起こされていました。「え、こんなに正確なんだ」と、素直にすごいと思いました。
自分でも聞き取りに苦労するような声が、そのまま読める文字になって出てくる。その体験は、思っていた以上の手応えがありました。
④ どんな人に便利そうか
まだ試した段階ですが、「これは使えそうだ」と感じた場面をいくつか挙げてみます。
- 音声メモをよく取る人：思いついたことを声で残しておいて、あとで文字にしたい人
- 会話や打ち合わせを振り返りたい人：自分用のメモとして、話した内容を文字で残しておきたいとき
- 書くのが苦手・面倒な人：まず声で話して、それを文字の下書きにしてしまう使い方
- 私のように「あとで見返すのが面倒」な人：声のままだと探しにくいものを、検索できる文字にできる
私自身、「面倒くさがり」なところがあるので、「一度声で出しておけば、あとは文字にしてくれる」という流れは相性が良さそうだと感じました。
⑤ まとめ
今回は「自分のパソコンでAIに音声を文字起こしさせる環境を作って、試しに動かしてみた」ところまでの記録でした。まだ本格的に使い込んだわけではありませんが、手元で音声が文字に変わるという体験そのものが、素直に面白かったです。
実はこの記事を書くにあたっても、頭の中の考えを一度声に出して録音し、それを文字起こししてから整理する、という使い方を試してみました。キーボードに向かうより先に、思ったことを喋ってしまうほうが、私にはラクだったんです。まだ使い倒しているわけではないけれど、こうして「声から下書きをつくる」のは、この先ブログやnoteを書くときにも役立ちそうだ、という手応えがあります。
じゃあ何から始めればいいの？と思う人に、私がひとつだけ言えるのは——まずは「声を録るところ」から始めるのがおすすめ、ということです。文字起こしのツールを完璧に用意することより、「とりあえずスマホで自分の声を録音してみる」ほうが、ずっとハードルが低い。録音は、文字を打つよりよっぽど簡単だからです。手元に音声が1つあれば、それを文字にしてみる、という次のステップに自然につながります。だから最初の一歩は、道具選びより「声を残してみる」こと。ここから始めれば、文字起こしのありがたみが一番わかりやすいと思います。
初心者でも、AIに相談しながら進めれば「まず動かしてみる」ところまでは届く——それが今回いちばんの収穫でした。
これから実際に使いながら、「どんな場面で本当に役立つのか」「うまくいかない所はどこか」も見ていきたいと思います。次回は、もう少し使い込んだ第2弾として、実際に活用してみた記録をお届けできたらと考えています。
コメント