会議の録音を議事録に変える方法

録音があります — スタンドアップ、クライアントとの通話、保護者面談 — そして必要なのは使える部分です：何が決まったか、誰が何をするか、どのセクションがどの話者のものか。実際の出力付きで、機能するワークフローを紹介します。

ステップ1 — ファイルをドロップし、何が欲しいかを伝える

入り口は3つ：音声ファイルをアップロード（MP3、WAV、M4A、FLAC — 1回で最大 1時間）、メッセージボックスのマイクボタンで口述または録音、またはファイルドロワー上部の録音ボタンを使う — どれでも録音はワークスペースに入ります。あとは、実際に必要なものを一文で伝えるだけです：

文字起こしだけ — 「これを文字起こしして」でテキストが得られます。
議事録 — 「アクションアイテム付きの議事録にして」で構造化されたドキュメントが得られます。
セクション分け — 「学校全体の部分とクラスの部分を分けて」も機能します — 文字起こしにはタイムスタンプが付いているので、エージェントは時間でセクションを切れます。

音声に複数の話者がいる場合は、その旨を伝えてください — 話者分離付きで文字起こしが実行され、出力の各ターンには<|speaker:0|>、 <|speaker:1|>というラベルが付きます。

ステップ2 — 実際の文字起こしの姿

32秒の2話者スタンドアップを合成し（私たちのポッドキャストパイプラインを動かしているのと同じ音声エンジン — なのでこのファイルは著作権的にクリーンなデモ素材であり、誰かの実際の会議ではありません）、それを通してみました。実際に聞いてみてください：

そして実際に生成された文字起こしがこちらです。話者ラベル付き：

<|speaker:0|> Let us start the sprint review. Marketing finished the landing
page refresh, and sign-ups are up 12% week over week.
<|speaker:1|> Good numbers. On my side, the new transcription pipeline
shipped yesterday. Meeting recordings up to 60 minutes now work in one
pass. Next, I want feedback on the minutes format before we announce it.
<|speaker:0|> One open item. Pricing for the minutes feature, I will
bring a proposal to Thursday. Anything else?
<|speaker:1|> Just one thing. We still owe the team an incident write-up
from last week. I will draft it today.

各ターンには開始・終了のタイムスタンプも付いています — それが、セクション分割や「価格について話し合われた部分を切り出して」を、聞き直しなしで可能にするものです。

ステップ3 — 議事録は文字起こしではなく整形のステップ

文字起こしは原材料、議事録は編集物です。エージェントに読者と形を伝えてください — 「チーム向けの議事録、決定事項は1つのセクションに、アクションアイテムには担当者を付けて」 — そうすれば、ダンプを整形するのではなく、ドキュメントを書きます。ある実際の実行では、1つの録音から2つのファイルが生成されました：学校レベルのサマリーとクラスレベルのサマリー — 会議のスコープが変わった時点で分割されました。

正直な限界

変わったコンテナの録音機はデコードに失敗することがあります。ファイルが失敗した場合、エージェントはffmpegでWAVに変換してリトライします — 「失敗した」と言えば対処してくれますが、スマホの標準的なMP3/M4Aが最もスムーズな道です。
複数言語が混在する音声には支配言語へのバイアスがあります。英語と中国語の混在はうまく機能しますが、多言語が激しく混ざる録音では、副言語の部分が文字起こしされず言語タグでマークされることがあります。
話者ラベルは名前ではなく番号です。文字起こしはspeaker:0とspeaker:1と言います。エージェントはコンテキストから正体を推測します（「校長」「クライアント」）— たいてい正解しますが、議事録を公開する前に名前を確認してください。
ハイフンと製品名は揺れることがあります。「meeting-to-minutes」が「meeting to minutes」で返ってくることがあります。固有名詞は一度目を通してください。

この先の展開

同じパイプラインは、文字起こしの下流にあるあらゆるものを動かします：メールのフォローアップ、会議内容からのスライドデッキ、スタンドアップの週刊ダイジェスト。これは永続的エージェントの1つの能力です — あなたのドキュメントを保持する同じワークスペースが、音声と文字起こし、そしてそこから作るよう頼んだものすべてを保持します。

試してみてください：ワークスペースを開き、録音をドロップして、「これを文字起こしして、議事録を書いて」と言うだけです。