会議の録音を、AIに文字にしてもらった。できあがった文章を読んでいたら、こんな一文が混ざっていた。
「ご視聴ありがとうございました」
会議なのに、動画の最後のあいさつのような言葉です。私も最初は「変なの」と笑っていました。ところが調べてみると、これはその時間の会話が丸ごと消えているサインでした。
私が2時間半をこえる打ち合わせを文字にしたときは、会話の半分以上が文字になっていませんでした。しかも、ぱっと見では気づけません。この記事では、何が起きているのか、どう見分けるのかを、順番に説明します。
そもそも「AIの文字起こし」とは
文字起こしは、録音した声を文字にする作業のことです。以前は人が聞きながら打ちこんでいましたが、いまはAIが自動でやってくれます。スマホのアプリや、パソコンで動かすもの、インターネット上のサービスなど、いろいろな種類があります。
とても便利ですが、AIは「聞こえなかったところ」を、それらしい言葉で勝手にうめてしまうことがあります。今回の話は、まさにそれです。
実際に起きたこと：158分の録音で、文字になっていたのは44%
ある定例会議の録音（158分）を、パソコンの中で動く無料の文字起こしAI「Whisper（ウィスパー）」にかけました。できあがった文章は、一見ちゃんとしています。時刻も最初から最後まで並んでいて、空白もありません。
ところが中身を調べると、実際の会話が文字になっていたのは全体の44%だけ。残りは、次のような決まり文句のくり返しに置きかわっていました。
- ご視聴ありがとうございました
- チャンネル登録よろしくお願いします
- 次の動画でお会いしましょう
ひどいところでは、47分ぶんの会話がまとめて消えていました。1時間近い話し合いが、なかったことになっていたわけです。
この現象は「幻聴（げんちょう）」や「ハルシネーション」と呼ばれます。AIが、聞こえていないのに聞こえたつもりで言葉を作ってしまうことです。
いちばんこわいのは「空白にならない」こと
文字起こしがぬけているときは、ふつう「時刻が飛んでいる」ことで気づけます。ところが今回の現象は、消えた時間にも、時刻つきの行がちゃんと入ります。ざっとながめただけでは「最後まで文字になっている」ように見えてしまうのです。
私も知らずにそのまま使っていたら、半分欠けた記録を正しいものとして、会議のまとめを書いていたはずです。
なぜこんなことが起きるの？
AIの文字起こしは、「さっき書いた文」を見ながら、「次はたぶんこうだろう」と予想して文字を書いています。話の流れを自然につなぐための仕組みです。
ところが、だれも話していない時間があると、AIは困ります。そこで、学習のときにたくさん聞いた「動画の最後のあいさつ」を書いてしまいます。すると次は、その文を見て「次も同じだろう」と、また同じ文を書きます。これがぐるぐる続くのが「ループ」です。
伝言ゲームで、最初の人がまちがえた言葉を、うしろの人がそのまま言い続けてしまうのに似ています。
とくに起きやすいのは、こんな場面です。
- みんなが資料を読んでいて、しばらくだれも話さない時間
- せきばらい、紙をめくる音、エアコンの音だけが続く時間
- 何人かが同時に話して、声が重なっている時間
だれでもできる見分け方：3つのチェック
できあがった文章を信じる前に、次の3つを確かめます。特別な道具はいりません。
- 決まり文句を検索する……文章を開いた状態で、キーボードの「Ctrl」キーを押しながら「F」キーを押します。小さな検索の窓が出るので、「ご視聴」と入れて探します。「チャンネル登録」「次の動画」でも試します。1か所でも見つかったら要注意です
- 同じ文のくり返しを探す……同じ一文が何行も続いていたら、そこはループしています
- 時刻の飛びを探す……行の頭についている時刻が、1分以上あいている場所を探します。見つけたら、その時間の録音を実際に聞いてみます。会話が入っていれば、文字にしそこねています
大事なのは、1と2で見つかった行の時間も「消えた時間」として数えることです。空白だけを探しても、今回のような場所は見つかりません。
もうひとつの目安が文字の量です。ふつうに話すと、1分でだいたい300文字くらいになります。1時間の会議なのに文章がやけに短いときは、まず今回の現象をうたがってください。
見つけたら、どうすればいい？
1. その時間の録音を聞き直して、メモで補う
いちばん確実な方法です。チェックで見つけた時刻のところだけ、録音を聞き直します。全部を聞き直す必要はありません。
2. 長い録音は、短く分けてから文字にする
2時間の録音を一度に文字にすると、ループが起きたときに何十分もまとめて消えます。10分くらいずつに分けておけば、おかしくなってもその10分だけで済みます。
録音するときに、議題が変わるたびに録音を止めて、新しく始めるようにしておくと、あとで分ける手間がかかりません。
3. 設定で防ぐ（くわしい人向け）
ちなみに私のノートパソコンでは、文字にするのにかかる時間は録音の長さの半分くらいでした。158分の録音で1時間弱です。そのあいだ、ほかの作業をしていれば気になりません。
インターネット上のサービスを使うときの注意
お金を払って使う文字起こしのサービスでも、出てきた文章をそのまま信じないという点は同じです。決まり文句の検索と、時刻の飛びのチェックは、くせにしておくと安心です。
もうひとつ大事なことがあります。会社の会議の録音を、インターネット上のサービスに送ってよいかどうかは、先に会社のルールを確かめてください。外に出してはいけない話が入っている会議なら、パソコンの中だけで動く文字起こしのほうが安全です。
今日からできる3ステップ
- 手元にある文字起こしを開いて、「ご視聴」で検索してみる（前に作ったものでOK）
- 見つかったら、その時間の録音を聞いて、会話が入っているか確かめる
- 次からは、長い録音を短く分けて文字にする
よくある質問
似た仕組みのAIを使っているものでは、起きることがあります。どのアプリやサービスを使っていても、「決まり文句を検索する」「時刻の飛びを見る」の2つは、そのまま使える確かめ方です。
短いほど起きにくく、起きても被害は小さくなります。それでも、だれも話さない時間が長い録音では起きることがあるので、検索だけはしておくのがおすすめです。
まとめ
- 「ご視聴ありがとうございました」は、その時間の会話が消えているサイン
- 消えた時間にも時刻つきの行が入るので、見た目では気づけない
- 原因は、AIが「さっき書いた文」を見て次を予想し、同じ文をくり返してしまうこと
- 決まり文句の検索・同じ文のくり返し・時刻の飛びの3つを確かめてから使う
- 長い録音は短く分けると、消える量もやり直しも小さくて済む
次回は、この文字起こしを使って、AIに会議のまとめ（議事録）を作ってもらう方法を紹介します。そのままコピーして使える頼み方の文例もつけます。
