AIで議事録を自動作成する方法｜録音→文字起こし→要点整理まで完全ガイド

会議の議事録作成って、実際にやってみるとかなりの時間を取られますよね。手作業での文字起こしと要点整理は、特に長い会議だと丸一日潰れることもあります。ただ、ここ数年のAI技術の進化で、この作業が自動化できる段階に来ました。本記事では、会議の録音から議事録の完成まで、僕が実際に試した方法を順を追って説明します。

AI議事録自動作成の全体像

議事録をAIで作る流れは、シンプルに3ステップで考えるといいです。

まず会議を録音して音声データを用意する。次にその音声をテキストに変換する。最後に、テキストを整理して実用的な議事録に仕上げる。この3つですね。各ステップにはいくつかの選択肢があって、組み合わせ方で効率が大きく変わるというのが肝心で、自分の環境に合った選択が重要になります。

ステップ1：会議の録音方法

高品質な音声データの準備

ここで大事なのは、出来上がりの議事録の質は、入力する音声の質で決まるということです。不鮮明な音声からは、いくら優秀なAIでも正確な文字起こしは難しいので、最初の録音段階で手を抜かないことがポイントです。

専用デバイスを使用した録音

僕がよく使うのはハンディレコーダーです。ズームやローランドのものなら、会議室のサイズに対応した音声が取れます。スマートフォンの内蔵マイクは確かに手軽ですが、雑音が入りやすいというのが実感です。デスク上で使うなら、USBマイクをパソコンに直接接続するのがいい選択肢になります。

会議システム内での録音

オンライン会議を使ってるなら、わざわざ別のツールで録音する必要はありません。Zoomなら自動トランスクリプション機能があるし、Microsoft Teamsも同じように会議終了後にテキストを取得できます。これらを活用すれば、別途の録音機器は不要になるケースが多いです。

音声データの保存形式

AIのサービスは複数の形式に対応してますが、それぞれ特性が違います。

形式	特徴	推奨用途
MP3	ファイルサイズが小さい	クラウドにアップロードするとき
WAV	音質が高いがサイズが大きい	パソコンで処理するとき
M4A	iPhoneの標準形式	モバイルで録音したとき
FLAC	音質を保ったまま圧縮	高精度が必要なとき

ステップ2：AI音声認識による文字起こし

主要な文字起こしサービス

Google Cloud Speech-to-Text

Google謹製のサービスで、精度が高いのが特徴です。

何ができるか：
120以上の言語に対応してるし、リアルタイムでも非同期でも処理できます。会社の専門用語をあらかじめ登録しておくと、認識精度が上がるというのがいいポイントですね。

使い方：
Google Cloudコンソールでプロジェクトを作って、APIを有効にします。認証用のキーを取得すれば、プログラムから使えるようになります。

from google.cloud import speech_v1
import io

def transcribe_audio(audio_file_path):
    client = speech_v1.SpeechClient()
    
    with io.open(audio_file_path, "rb") as audio_file:
        content = audio_file.read()
    
    audio = speech_v1.RecognitionAudio(content=content)
    config = speech_v1.RecognitionConfig(
        encoding=speech_v1.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=16000,
        language_code="ja-JP",
    )
    
    response = client.recognize(config=config, audio=audio)
    
    for result in response.results:
        print(result.alternatives[0].transcript)

transcribe_audio("meeting.wav")

Amazon Transcribe