AIの力を借りて、長時間のインタビューを秒で文字起こしした話

文フリの原稿を作ったときに、約2時間半にわたるインタビュー音声を文字起こしする必要がありました。いろいろ工夫して省力化したので、備忘としてまとめておきます。（有料ツールは使っていません）

作った原稿については以下の記事に書いています。インタビュー本です。

※いろんなツールや方法があると思いますが、自分は無料で使え、工数が少ないものを選んだつもりです。

文字起こし→原稿化にはだいたい以下の３ステップが必要です。

1.インタビューを録画（録音）する
2.録音した音声から文字起こしをする
3.文字起こしした文章を手直しする

このうち1と2は、AI音声認識アプリであるLINE CLOVA Noteを使って同時に解決しました。

スマホアプリにインタビューの会話音声を聞かせると、ガンガン文字起こししてくれて、テキスト形式でダウンロードできます。月300分まで無料。

ただ、あいづちの音声も拾ってしまったうえ、話者分離もいい加減だったので、このまま原稿にはできない感じでした。

※録音機材のせいもあるかもしれませんが、以下のような感じになってしまいました

このとっ散らかった文章をもう少しまともな原稿にするために、自然言語処理のエキスパートであるChatGPTくんの力を借りました。

※ChatGPTにデータを学習されたくない場合は、あらかじめオプトアウトの設定をしておく必要があります

以下のようなプロンプト（指示文）をChatGPTに投げ、それから先ほど文字起こししたテキストを与えました。「要約や省略は絶対にしないでください」というのが大事な指示だと個人的に考えてます。

そうすると以下のような、ある程度きれいな文章を出力してくれます。

ちなみに、2時間超のインタビューの文字起こしを一気に処理させようとしたら、未課金ユーザーではできないようでエラーが出てしまいました。なのでChatGPTくん本人に相談して、1万文字ごとに分割して入力することにしました。

こんな手順で、文字起こし＆ある程度まともな文章への修正を簡単に行えました。文明の利器すごい。

とはいえ、まだまだ人様に読ませられるレベルの文章にはなっていません。このあと、人力で以下の作業を行いました。

・文字起こしがうまく機能していない誤字を修正する（たとえば「彩ふ読書会」などの固有名詞は文字起こしされませんでした）
・話の流れが自然になるように順番を整理する
・話の流れに沿わない蛇足な部分はカットするか、より自然にはまる箇所へ移動する
・参加者は知っているから省略して話しているけど、読者は知らないであろう情報を補完する
・Wordの校閲機能で、誤字脱字の修正や表記揺れ修正をする
・参加者に読んでもらってレビューしてもらい、それに沿って修正を行う

これらの作業は人力なのでだいぶ時間がかかるんですが、原稿のクオリティを上げるためには不可欠だと思います。将来的にこの作業をAIができるようになったら、インタビューの原稿を書く人の仕事はだいぶ代替されるんじゃないかと考えています（それはさほど遠い将来の話ではないような気もしてます）。

以上、備忘としてまとめました。なにかの参考になれば幸いです。