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専用インスタンスを使用します。

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に対するAI文字起こしの精度を向上させます。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る可能性が低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の出力で用語が誤って適用されていないか確認してください。

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。

話者識別機能付きのテキスト文字起こしが生成され、ケーススタディの作成やウェブ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、プロジェクト作成をクリックします。

プロジェクト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。
オプションで、アップロードされたファイル内の話者<1>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。
- 新しい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。
- Public projectの選択を解除して、プロジェクトオーナーのみに表示される非公開プロジェクトを作成します。非公開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。
Source Languageを手動で選択するか、Auto-detect source languageを有効にして自動検出します。
必要に応じて、Localization Optionsの下でTranslate subtitlesを有効にし、翻訳するファイルの言語を選択します。
- translation engineは設定可能です。
- Dub into target languagesが選択されている場合、ファイルは即座に文字起こし、翻訳、およびdubbedされ、事前に翻訳を確認する機会はありません。
Subtitle profileを選択して、字幕の表示ルールを決定します。

Use different subtitle profiles for specific languagesを有効にして、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を有効にして、吹き替えワークフロー用の既存のpronunciations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。
- Subtitlesセクションを開き、原文と言語のSRT or VTT format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て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Translation engineを選択します。
  - Phrase Language AIが選択されている場合、MT ProfileおよびTranslation Memory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 Translation Agentが選択されている場合、Translation Memory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。
- 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で開き、文字起こしタブと翻訳タブで表示します。両方のテキストは、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

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

AIモデルを使用して、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。

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

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している箇所を反映させたり、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。