メインコンテンツへスキップ
見出し画像

精度95パーセントの文字起こしは、1時間の会議で450語まちがえる

    議事録、AIにやらせたいんですけど。

    そう言ったときに返ってきた質問が、3つありました。

    録音していいんだっけ。 情報が外に出たりしない。 それ、精度どれくらいなの。

    3つとも、答えられませんでした。

    ツールの比較記事は10本くらい読んでいました。どれも精度が高いと書いてある。日本語に強いと書いてある。話者分離に対応と書いてある。

    でも、上司の3つの質問には1つも答えられなかった。

    比較記事が答えていたのは、どれを買うかでした。私が聞かれていたのは、買ったあとどう運用するかだったからです。


    この記事の対象

    • 会議や商談の議事録に時間を取られていて、AIに任せたい人

    • 上司や法務に止められて、話が進まなくなっている人

    • 導入したが、修正のほうが手間になって使われなくなった人

    この記事で手に入るもの

    • 精度何パーセントという数字が、実務では何を意味するのかの翻訳

    • 録音と同意の実務手順。何を言えばよく、何を残しておけばいいのか

    • 精度を上げる方法。設定ではなく録音側でやることが8割です

    • 話者分離が外れる仕組みと、外れる前提での運用設計

    • そのまま使える議事録テンプレートと整形プロンプト

    この記事ではツールの比較をしません理由は後で書きます。


    まず、精度95パーセントを翻訳します

    これがこの記事の出発点です。

    音声認識の精度は、語の誤り率で測るのが一般的です。95パーセントというのは、ざっくり20語に1語まちがえるということになります。

    では、1時間の会議に何語あるか。

    日本語の会話は、1分あたりおよそ300語前後と言われます。1時間なら約18,000語。複数人の会議で沈黙や重なりを差し引いて、実質9,000語から12,000語くらいが文字になります。

    9,000語で95パーセントなら、450語がまちがっている計算です

    原稿用紙1枚分を超える量の誤りが、1本の議事録に混ざっている。

    そして、ここからが本題です。

    まちがえる場所には、偏りがあります

    ランダムに450語まちがえるわけではありません。誤りは、特定の種類の語に集中します。

    • 社内の固有名詞。プロジェクト名、システム名、部署の略称

    • 人名。特に読みの珍しい姓

    • 数値。桁の取り違え、単位の脱落

    • 専門用語。業界の言い回し

    • 否定形。ないをある、しませんをします、と取り違える

    見てください。全部、議事録でいちばん大事な部分です

    雑談や接続詞の誤りは、読めば分かるので実害がありません。実害が出るのは、金額の桁がずれたときと、否定が肯定に化けたときです。

    だから、正しい理解はこうなります。

    AI文字起こしの精度が高いというのは、修正が要らないという意味ではない。修正すべき場所が絞れる、という意味です

    この理解でツールを選ぶと、選ぶ基準が変わります。何パーセントかではなく、まちがえた場所を見つけやすいかで選ぶようになる。


    なぜツール比較をしないのか

    理由は2つあります。

    1つ目。同じツールでも、録音の仕方で精度が倍くらい変わるからです

    後半で具体的に書きますが、マイクの位置とノイズの状態で、認識結果はまったく別物になります。ツールAが80点でツールBが85点だとしても、録音を直せばツールAが92点になる。

    先に効くのは、ツール選びではなく録音の設計です

    2つ目。3ヶ月で情勢が変わるからです

    音声認識の分野はモデルの更新が速く、比較表はすぐ古くなります。古い比較表を信じて選ぶより、自社の音声で30分テストするほうが確実です。そのテストの手順は後半に書きます。


    日本語の会議で、精度が落ちる5つの理由

    ここは音声処理の話になりますが、非エンジニアの方に分かる範囲で書きます。原因が分かると、対策が自分で立てられるようになるからです

    1. 発話の重なり

    日本語の会議は、相づちが多い。はい、なるほど、ええ、が常時入ります。

    音声認識は基本的に、一度に1つの声を文字にする設計です。誰かが話している上に相づちが重なると、その区間の認識が崩れます。

    重なった瞬間の1語や2語が消えるそしてその1語が、否定形だったりする。

    2. 発話区間の切り出しに失敗する

    音声を文字にする前に、どこからどこまでが発話かを判定する工程があります。声のある区間を検出する処理です。

    エアコン、プロジェクタのファン、紙をめくる音、椅子のきしみ。こうした定常的なノイズがあると、この判定がずれます。

    判定がずれると、文の頭が欠けます。主語が消えるのは、たいていこれが原因です

    3. マイクからの距離

    これが最大の要因です。

    音の強さは距離の二乗に反比例して減衰します。ノートPCのマイクの前で話す人と、テーブルの反対側にいる人では、届く音の強さが桁で違う。

    さらに会議室は反響します。距離が離れるほど、直接届く音より壁で跳ね返った音の比率が上がり、輪郭がぼやける。

    遠い人の発言だけ精度が悪いのは、ツールのせいではなく物理です

    4. 学習データにない語

    固有名詞と社内用語は、モデルが知りません。知らない語は、音の似た既知の語に置き換えられます。

    自社の製品名が、まったく無関係な一般名詞になって出てくる。これがそれです。

    対策は辞書登録ですが、登録できるツールとできないツールがありますここは選定時に効く数少ないポイントなので、後半で扱います。

    5. 数値と単位

    数値は、音の情報量が少ない割に意味の重みが大きい。

    日本語では特に、いち、しち、はち が混同しやすく、桁の助数詞も落ちやすい。

    議事録で最も致命的な誤りが、最も起きやすい場所に集中しているという、なかなか厳しい構造になっています。


    ここから先で扱うこと

    原因の説明はここまでです。ここから先は、実際の運用設計になります。

    有料パートの中身は5つです。

    • 渡す前に決める6項目録音の可否、同意、保存先、権限、修正責任、破棄までを決め切る形にしました

    • 同意の実務会議の冒頭に何と言えばいいのか、その文面を用意しました。オンラインと対面で分けてあります

    • 精度を上げる手順設定ではなく録音側です。今日から効くものだけを8つ挙げます

    • 話者分離が外れる仕組みと、外れる前提の運用設計

    • 議事録テンプレートと、整形プロンプト素の文字起こしを議事録に変える部分です

    先に断っておくと、この記事は法的助言ではありません。私は弁護士ではなくAIエンジニアで、専門は音声と動画の生成AIです。書けるのは、技術的に何が起きているかと、実務としてどう組むかまでです。法的な最終判断は法務または弁護士に確認してください。


    免責
    この記事は法的助言ではありません。筆者は弁護士ではなくAIエンジニアです。
    録音および会議記録の取扱いに関する法的な適否、業種固有の規制への適合性については、必ず自社の法務部門または弁護士に確認してください。
    各サービスの利用規約とデータの取扱いは頻繁に改定されます。本記事の記述ではなく、利用時点の最新の規約を確認してください。
    記載は2026年8月時点の公開情報および筆者の実務経験にもとづきます。精度に関する数値は目安であり、録音環境と会議の性質によって大きく変動します。

    関連記事

    AIで作った音声や動画を業務で使う場合、権利の確認が別途必要になります。



    筆者X

    AI最新情報(ポエム多め)を発信中!


     
     
    AIエンジニア、専門領域は動画を主としたコンテンツ生成 公式ドキュメントを読み込み、手を動かして検証した保存版ガイドをお届けします。一緒に環境構築の沼を抜けよう。

    あなたへのおすすめ