【祝2,000評価★】話者分離された文字起こしに対応しました！✌️（無限もじおこし）

2025年6月23日 10:24

久しぶりのアップデートとなっており、恐縮です！

ここ数ヶ月、時間の合間を見て、話者を識別して文字起こしする機能を実装しておりました！いわゆる話者分離の文字起こしです！

非常にご要望の多かった機能でしたので、こうしてリリースまで至れて反応が楽しみだなと思っています！

ちょうどタイミングよく、AppStoreの評価も2,000を突破しましたので、祝2,000評価★と合わせてリリースしました！笑

さて、この記事では話者識別文字起こしの機能について紹介します！

月10回まで、話者識別文字起こし利用可能！

最大話者数を合わせて選択すると、より話者識別の精度が上がります！

例えば、話す人が2人と事前にわかっている場合、最大話者を2人としておくと、誤って3人以上が識別されて文字起こしされる可能性が低くなり、より識別精度が高まるようになっています。

実際にどのよう文字起こしされるかというと、

こんな感じで、その発言が「いつ」「誰が」話したものかが分かるようになっています！

ちなみに裏側は Gemini 2.5 Flash というモデルを利用しています。文字起こしの精度面でかなり優秀なのですが、一方でコストがこれまでの文字起こしより8倍ほど高くなっています。。

そのためコストの兼ね合いで、プレミアムプラン限定の機能となっております。またどれくらい費用が跳ね上がるか未知数でしたので、一旦月10回という制約を設けさせております🙏

最初は話者のラベルが「話者1」「話者2」…みたいな感じで文字起こしされています。なので必要に応じて、話者名を適切な名前に変更してもらう形になります。

やり方は、文字起こし画面右下に「話者管理」ボタンがあります。ここから話者の一括置換ができます！

また文字起こし内の青色になっている話者名をタップすると、その箇所だけ変更することもできるようになっています！

一括で変更したい場合と、部分的に変更したい場合。どちらにも対応ができるようになっていますので、ご安心ください！

「その発言箇所を再生したい！」という要望も多かったので、先行的に話者識別モードの文字起こしの場合にタイムスタンプを紐付けるようにしました！

タップするとその箇所が再生されるようになっています！

皆さんの反応を見ながら、今後通常の文字起こしでもタイムスタンプを紐づけられたらいいなと思っています！

ぜひ皆さん、お試しいただけたら嬉しいです！今後ともどうぞよろしくお願いします！