文字起こしは、会議の形と精度で選ぶ
オンライン会議なら自動参加型、対面なら録音してから起こす型。話者分離が要るか、要約まで任せるかで段が決まる。数字は月に起こせる時間で比べる。
オンライン会議か、対面の録音か
Zoom・Meet・Teams の会議なら、ボットが会議に参加して録音・文字起こし・要約までする「自動参加型」。対面の会議や取材は、スマホやレコーダーで録音したファイルを後から起こす「音声ファイル型」。同じサービスが両方できる場合もあるが、得意な側は分かれる。まず自分の会議がどちらかを決める。
話者分離
誰が話したかを分けて書き出す機能。会議の議事録では要り、ひとりの講演や自分用のメモでは要らないことが多い。対応の有無と、対応していても録音の状態で精度が変わる旨が各社の記載にある。一覧の「できること」表で有無だけを載せている。
要約まで任せるか
文字起こしと要約は別の工程。要約や整文を内蔵するサービスは月額が一段上がる場合がある。起こした文章を別の AI ツールに渡して整える形なら、文字起こし側は安い段で足りる。整文の道具は AI ツールのサイトへ。
データの扱い（学習に使われるか）
会議の音声は社外秘や個人情報を含みやすい。入力を AI の学習に使うかどうか、録音の保存期間、削除の方法は各社の規約に記載がある。設定で学習利用を止められるサービスもある。導入前に規約を読み、社内のルールがある場合は各所管に確認する。
リアルタイム字幕
聞こえにくい人がいる会議や、多言語の会議では、後から起こすのではなくその場で字幕を出す形。Zoom の字幕機能や UDトーク、Android の音声文字変換など、無料で使えるものが多い。対応言語と翻訳の有無で選ぶ。
API で安く起こす
取材や講義の音声を大量に起こすなら、OpenAI Whisper API や Google Cloud Speech-to-Text のような API を分単価で使う形。月額のサービスより単価が下がる場合があるが、ファイルの投入や結果の整形は自分で行う。画面のある道具が要るなら定額型へ。