話者ラベル付きの文字起こし

名前ではなく、声の変化を手がかりに音声を分析します。ある声が止まり別の声が始まるところに区切りを置き、新しいラベルを割り当てます。人物について何か分かるわけではなく、ラベルは最初の発言から最後まで一貫して使われる番号です。

変えられます。ラベルは1回名前を変えれば、そのラベルを持つすべての発言が変わります。話者1、話者2で始まった録音も、打ち合わせで使った2人の名前で終われます。最終的なテキストは番号の記録ではなく、会話として読めます。

声の重なりが最も難しい場面です。たいていは一方の発言が残り、もう一方は短くなったり、別のラベルに付いたりします。該当箇所を一度読んでおく価値はあります。1つの取り違えが、誰の発言かの評価を変えてしまうからです。音声がきれいなほど、このずれは減ります。

数人の参加者がいる座談の録音も扱え、聞き分けられた声ごとにラベルが付きます。1本のマイクで録った非常に人数の多い集まりは声が混ざるので、ある程度の人数を超える回はテキストの確認が要ります。2人の聞き取りが最も簡単な例です。

残ります。テキストと一緒に話者の印が書き出したファイルへ移ります。プレーンの文書でも字幕ファイルでも同じです。名前の変更は書き出しの前に済ませるので、エディタを出たファイルには、番号ではなく読み手が期待する名前が入っています。

別にかかることはありません。話者の分離は文字起こしの設定の1つで、処理の前にオンにします。オフのままだとラベルのない続いたテキストになり、1人で語る録音では十分なことも多く、読むのも少し速くなります。

省けますし、たいていはそのほうが適しています。講義、音声メモ、1人の発表は、番号付きの発言から何も得ません。分離をオフにすると段落として読めるので、1行ずつのラベルの並びより、目で追うのも文書に貼るのも楽です。

ファイルの形式より、マイクからの距離のほうが重要です。1本の部屋のマイクで音量がばらつくと、確かな区切りが減ります。全員が別の入力を使う通話のほうが安定します。背景の音楽や部屋の反響も、声の切り替わりをぼかします。