TurboScribeは、ウィスパーを基盤に音声や動画を98言語以上のテキストへ変換するブラウザ型の文字起こしサービスです。話者の識別、字幕の書き出し、翻訳機能を備え、無料枠では1日3ファイル、無制限プランでは件数の上限なく処理できます。
このツールを使いましたか？評価してください
TurboScribeは、ブラウザ上で動く文字起こしサービスです。音声や動画のファイルを、読んで編集できるテキストへ変換します。録音をアップロードし、言語と品質モードを選ぶと、数秒から数分で整形済みの原稿が返ってきます。読む、検索する、修正する、翻訳する、そして文書や字幕ファイルとして書き出す、といった作業がそのまま行えます。
この製品を特徴づけているのは精度そのものではなく、この分野を支配してきた従量課金という仕組みを取り払った点にあります。公式サイトは自らを「世界で唯一の無制限文字起こしサービス」と説明し、上限も割り当てもないことを前面に出しています。有料プランが売っているのは分数や時間数の詰め合わせではなく、無制限の文字起こしそのものです。研究プロジェクトの最中に分単位の請求額がじりじり膨らんでいくのを見た経験がある方なら、この価格構造上の判断が、小数点以下の精度差よりはるかに重い意味を持つとわかるはずです。
技術面では、独自の音声モデルを開発しているわけではありません。オープンエーアイのウィスパーをそのまま動かしており、その事実を公式サイトで率直に明記しています。これは技術的な脚注以上の意味を持ちます。得られる文字起こし品質は本質的にウィスパーの品質であり、その特性は公開された研究に十分記録されています。この会社自身の技術的な貢献は、演算資源、速度、話者ラベル付け、翻訳、ファイル管理、そして料金設計の経済性にあります。
運営しているのは小規模なチームです。公式サイトのよくある質問は創業者本人が一人称で書いており、自らをレイフと名乗り、メタなどの企業で十年近く人工知能システムの構築に携わってきたと述べています。サポートの問い合わせ先は本人の個人メールです。大企業向けのベンダーと比較する際には、この点を先に押さえておく価値があります。購入するのは、正式な調達手続きや交渉可能なサービス品質保証を備えた大組織ではなく、目的の絞られた製品と創業者との直接のやりとりだからです。
音声テキスト変換の市場は、おおむね四つに分かれます。分単位で課金し、ほぼ完璧な精度を数時間から数日後に返す人手による文字起こし。通話にリアルタイムで参加し要約を作る会議アシスタント。原稿を映像編集のタイムラインとして扱う制作ツール。そして、ファイルを入れればテキストが出てくる純粋な文字起こしツールです。
TurboScribeは四番目の系統に明確に属し、支出あたりの処理量という一本の軸だけを徹底的に磨いています。会議には参加せず、動画も編集せず、共同作業の場になろうともしません。月額固定でファイルを大量にテキストへ変えるだけです。この線引きを理解することが、自分の業務に合うかどうかを判断する最短の道です。この製品への失望の大半は、残り三つのいずれかであることを期待したところから生まれています。
無制限プランは、ファイル単位・分単位の割り当てを撤廃します。公式のよくある質問は、その意味を珍しいほど率直に説明しています。全体の使用量に上限はなく、利用者は日常的に月あたり数百時間を処理しており、唯一の決まりはアカウントを他人と共有しないことだ、というものです。
さらに、曖昧な言い回しに逃げず技術的な目標値を公開しています。システムは月あたり少なくとも720時間の音声・動画を処理できるよう設計されているとし、それは30日間ずっと24時間休みなく文字起こしを回すのと同等だと自ら補足しています。その水準を超える利用者、つまり上位0.1%と表現される層に対しては、サービスを止めるのではなく活用の手引きを案内する運用です。無制限をうたいながら利用規約に制限条項を埋め込む業界の慣行と比べれば、はるかに誠実な姿勢と言えます。
このサービスはモデルを不透明な箱にせず、精度と速度の釣り合いをファイルごとに選ばせます。三つのモードは、規模の異なるウィスパーのモデルにそのまま対応しています。
既定値はホエールであり、これは妥当な既定値です。三者の違いは後処理の磨き込みではなくモデルの容量そのものなので、モード選択は利用者が握れる品質の梃子として最も大きなものになります。訛りがある、専門用語が多い、音質が万全でない、といった素材であれば、ホエールを維持することは選択肢ではなく必須です。
話者認識はアップロード前にチェックを入れて有効化し、原稿の各区間に誰が話しているかを表示します。参加人数を自分で指定でき、画面では2名から8名までの選択肢が用意されているほか、自動検出に任せることもできます。公式の説明では、音声1時間あたり1〜2分ほど処理時間が延びるとされています。
ここでの実務的な助言は、人数がわかっているなら自分で指定することです。自動検出は声がいくつあるかを音声そのものから推測しなければならず、既知の値で探索範囲を絞ったほうが、区切りの境界はたいてい整います。
翻訳は文字起こしとは別の工程として動きます。この構造上の切り分けは実務で効いてきます。原稿ができた後に翻訳ボタンを押すと専用の画面が開き、目的の言語とファイル形式を選べば、翻訳された原稿や字幕ファイルが得られます。公式には130言語以上に対応すると説明されています。
これとは別に、アップロード時に適用される「英語へ変換」の選択肢もあります。対応するどの言語の音声でも、いったん元の言語で書き起こすことなく直接英語のテキストにできます。二つの経路は結果も用途も異なります。直接英語にする方法は一手で済む手軽さがあり、書き起こしてから翻訳する方法は、検証できる元言語の原稿が手元に残るという利点があります。
本当に音質が悪い録音に対しては、音声修復の機能が背景雑音を取り除き人の声を強調してから変換します。使いどころについての公式の案内はむしろ抑制的で、音質の悪いファイルに限った最後の手段としてのみ推奨すると明記し、素材1時間あたり2〜3分の処理時間が加わるとしています。雑音除去を既定ではなく予備手段として位置づけるのは技術的に妥当です。もともと必要のない録音に強い補正をかけると、かえって別の歪みを生むからです。
原稿はPDF、DOCX、TXT、CSV、およびSRTとVTTの字幕ファイルとして書き出せます。CSVは見落とされがちですが、構造的な分析を行う人には価値があります。時刻情報の付いた区間を表計算ソフトや分析用の処理へそのまま読み込めるためです。
一括処理は複数ファイルの書き出しを担い、フォルダ単位では一度に最大1,000件の原稿を扱えます。無制限プランでは一度に50個のファイルをアップロードできます。これらが組み合わさって初めて、大規模な資料整理が理屈の上の話ではなく実際に回る作業になります。
一般的な音声・動画のコンテナ形式はほぼ受け付けます。MP3、M4A、MP4、MOV、AAC、WAV、OGG、OPUS、MPEG、WMA、WMV、AVI、FLAC、AIFF、ALAC、MKV、WEBMなどが含まれます。実務的には、アップロード前に変換作業がほぼ不要という意味であり、元ファイルの形式がばらばらな資料整理では、地味に面倒な工程がひとつ消えます。
この節はとりわけ丁寧に見る価値があります。この製品に関して最も多く引用されながら、最も検証されていない事実が、まさにあの看板の数字だからです。
公式サイトの各所で99.8%という精度が目立つ形で掲げられています。この数値はメーカーが自ら公表したものであり、独立した監査を受けていません。 試験方法、データセット、音響条件、誤りの数え方のいずれも公開されていません。この分野の多くのメーカー数値と同じく、雑音のない明瞭な一人の話者を、対応の手厚い言語で録音した理想的条件から得られた最良値と読むべきであり、手元の素材にそのまま当てはまる保証とは言えません。
ホエールが動かしているのはウィスパー ラージv2なので、そのモデル自体に対する公開ベンチマークが直接の参考になります。第三者機関アーティフィシャル・アナリシスの独立評価では、ウィスパー ラージv2の**単語誤り率は4.1%**でした。このベンチマークは対話音声、議会での発言、決算説明の通話録音を組み合わせて構成されています。換算するとおよそ95.9%の単語精度であり、自動音声認識としては非常に優秀な成績である一方、99.8%とは明らかな開きがあります。
この差は不誠実さの証拠ではありません。精度はモデルに固有の値ではなく音響条件の関数である、というよく知られた事実を示しているにすぎません。雑音のない英語のスタジオ収録であれば実際にその高い数字へ近づき得ますが、現実の混ざり合った素材ではそうはなりません。
ウィスパーに関する公開研究は、うまくいかない場面を明確に記録しています。同じモデル系統である以上、その結論はそのまま当てはまります。
言語による差については、メーカー自身が透明です。よくある質問で音声テキスト変換の精度は言語によって異なると明記し、性能の高い言語の一覧を公開したうえで、まず無料枠で試すよう勧めています。この助言は文字どおり実行する価値があります。
利用者側の実地報告は一貫した像を描いています。雑音のない一人の音声では優秀、丁寧に録音された二人の対談では話者の切り分けも整い、三人以上が言葉を重ね始めると話者ラベルが乱れます。誤りが実害につながる用途、すなわち法務、医療、報道での引用、法令順守の領域では、原稿は最終的な記録ではなく、元の音声と突き合わせて検証すべき質の高い下書きとして扱うべきです。
聞き取り調査を行う研究者は、構造的な費用の問題に直面します。文字起こしは分単位で課金される一方、厳密な質的研究は長時間の記録を生むからです。定額制は研究設計そのものを変えます。録音を控えたり、一部だけ書き起こしたりする動機が消えるためです。公式サイトに掲載された大学教員の声は、その差の大きさを物語ります。かつては音声1時間につき学生に8時間の作業を割り当てていた、と述べられています。
ここで最も効くのは話者認識とCSV書き出しです。質的データの整理では、発言を特定の対象者に紐づけ、区間を分析ソフトへ移す作業が中心になるためです。
記者に必要なのは素早く検索できるテキストであり、価値は原稿そのものの掲載ではなく、90分の会話から特定の一言を見つけ出すことにあります。ホエールに話者ラベルを組み合わせれば、録音は数分で検索可能な文書になります。ここで守るべき規律は、公表前にすべての引用を元の音声と突き合わせることです。自動文字起こしは固有名詞で確実に誤りますし、幻覚や取り違えによる引用は重大な職業上の過失になります。
制作者は原稿を各回のページ、検索での露出、短尺の切り抜き、そして情報保障に使います。無制限という形は、過去回が積み上がった週次番組によく合います。過去のエピソードに後から原稿を付ける作業こそ、従量課金が最も厳しく罰する種類の仕事だからです。話者の切り分けに最も向くのは二人の対談形式で、発言が頻繁に重なる複数人の座談では話者ラベルの手直しが必要になります。
SRTとVTTの書き出しに130言語以上の翻訳が加わることで、追加の道具なしに字幕作業が一通り完結します。制作者は動画を書き起こし、原稿の誤りを直したうえで、複数の市場向けに翻訳字幕を作れます。翻訳の前に校正する順序が決定的です。そうしないと、書き起こし段階の誤りがすべての言語へ複製されます。
録画された会議や講義は、おおむね良好に変換されます。構成がはっきりしていて進行役がおり、録音条件も無理がないためです。ただしこのサービスは通話にその場で参加せず、事後のファイルだけを扱います。つまり、もともと録音する習慣があって初めて成り立ちます。組織で見れば、録音という工程が業務手順に先に存在していることが前提になります。
メーカーはこれらの領域を明確に想定しています。セキュリティに関する文書は、データの安全性と機密保持が決定的に重要な法律や医療の分野で働く顧客が多い、という一文から始まり、プライバシー設計もその位置づけを十分に支えています。ただし精度に関する注意はここで最も強く効きます。専門用語と重要な細部は人の目による検証が必要ですし、規制のある業務では、データが米国内に置かれること、そして正式な契約書がないことの二点が自らの順守義務を満たすかを確認しなければなりません。
公式サイトは最初の変換にアカウントが不要だと案内しており、ファイルをドラッグして投入し、費用をかける前に出力品質を確かめられます。必ず実態を代表する素材、それも手持ちで最も音質の良いものではなく最も悪いものを使ってください。この道具が本当に使えるかを決めるのは、その録音だからです。
既定値に任せず、元の言語を自分で選びます。言語は「よく使われるもの」「精度の高いもの」「その他」の三群に分けて提示されており、この分類自体が有用な精度の手がかりになります。自分の言語が三番目の群にあるなら、期待値を下げて慎重に試す必要があります。
既定であり最も精度の高いホエールから始めてください。品質より速度が本当に重要な場合にのみドルフィンやチーターへ下げます。たとえば、使える文書を作るのではなく長い録音の中から特定の箇所を探すような場面です。節約できる時間は分単位ですが、品質面の代償は数時間の校正として返ってくることがあります。
複数人の録音では話者認識を有効にし、人数がわかっていれば指定します。この設定はアップロード時に適用されるため、誤ると同じファイルをもう一度処理し直すことになります。
音声修復は本当に劣化した録音に限って使います。処理時間が増えますし、メーカー自身が助言しているとおり、既定の品質改善策ではなく最後の手段です。
音声と突き合わせながら原稿を読み、固有名詞、専門用語、そして不自然なほどなめらかに読める箇所を直します。条件の悪い区間で異様に流暢な文が現れたら、幻覚の合図かもしれません。そのうえで必要な形式へ書き出します。翻訳や字幕生成の前に校正を終えることで、誤りが後工程で増幅されるのを防げます。
原稿を直すより、録音を良くする。 元の音声が良くなるほど、校正の手間は何倍にもなって減ります。個別のマイク、静かな部屋、発言が重ならない進行。この三つは、画面上のどの設定よりも結果を大きく変えます。
資料の処理はまとめて行う。 無制限プランは同時に50ファイル、フォルダ単位で最大1,000件の書き出しに対応するため、溜まった作業は一件ずつではなく計画的なまとまりとして処理するのが得策です。
言語ごとの試行を先に行う。 多言語の案件に本格投入する前に、無料枠で言語ごとに短い見本を変換してみてください。公開されている言語の順位はあくまで出発点で、結果を実際に左右するのは自分の話者、訛り、分野特有の語彙です。
幻覚は理論上の話ではなく、実在する危険として扱う。 資源の少ない言語や、ほぼ無音の区間では、話されていない文が生成され得ます。周囲の音声と比べて不自然に整った箇所は、録音に立ち返って確かめる価値があります。
アカウントを共有しない。 無制限プランに付く唯一の明示的な規則です。チームでは各自の契約が必要で、団体向けの案内も別途用意されています。
最も向くのは利用量の多い個人です。研究者、記者、ポッドキャスト制作者、学生、講師、そして多くの録音を扱いながら費用を見通したい専門職が該当します。定額に対して無制限という構造上、使うほど有利になります。
多言語の制作者にもよく合います。98以上の変換言語と130以上の翻訳言語を、ひとつの製品の中で扱えるためです。
機密を重んじる専門職にとっては、この価格帯としては異例なほど適合します。理由は後述する自社設備での処理と、学習に使わないという約束にあります。
一方、会議をその場で記録し要約したいチーム、原稿に映像編集のタイムラインが付くことを期待する編集者、そして署名済みのデータ処理契約や稼働保証、米国外での保管を求める組織には向きません。 人の確認なしに認証水準の逐語的正確さが必要な場合も適しません。この製品を含め、どの自動サービスもそれを提供できないからです。
TurboScribeはウェブブラウザ上で動作します。ソフトウェアの導入は不要で、ファイルはブラウザの画面から送るため、環境ごとの専用版なしに各種デスクトップ環境で利用できます。
有料プランのアップロード条件は寛容です。1ファイルあたり最長10時間、最大5GBまで対応し、一度に50ファイルまで送れます。無料枠は1ファイル30分、同時に1件までという制限です。
触れておくべき連携がひとつあります。メーカーは、チャットジーピーティー上で原稿を要約したり質問したりできる専用の拡張を公開しています。これは原稿の隣に備わる内蔵の要約機能ではなく、外部の助手へ橋を架けるものです。標準で要約が付くと考えていた場合、この違いは重要です。団体向けの課金の詳細については、公式の案内を確認してください。（情報未検証：団体向けの席数と課金の詳細は公式の記載を基準としてください）
メーカーは二つのプランを公開しており、金額を見るのにログインは不要です。
無料プランは費用がかからず、1日3件の原稿を作成できます。1ファイルは最長30分、一度に1件です。無料の処理は優先度が低く、混み合う時間帯は待ちが長くなります。注目すべきは、無料枠が品質面で削られていない点です。最高精度のホエールを無料利用者にも開放したと公式に告知されています。そのため無料枠は、機能を削った体験版ではなく、実際の評価に使える経路になっています。
無制限プランは年払いで月あたり10ドル、年額120ドル、月払いでは月20ドルです。1名分の無制限変換、10時間・5GBのアップロード、同時50ファイル、全モード、134言語以上への翻訳、一括書き出し、容量無制限の保存、最優先処理が含まれます。解約はアカウント設定からいつでも可能で、支払い済みの期間の終わりまで利用が続きます。
こうした表現を掲げる製品には必ず問うべき点であり、ここでの根拠は平均より確かです。公開されている利用規約を確認したところ、変換量を制限する独立した公平利用条項は見当たりませんでした。 実際に存在する制約は、アカウントを随時停止・終了できるという一般的な権利、再販の禁止、そして明記されたログイン情報の共有禁止です。
使用量の目安に最も近い記述は、システムが月あたり少なくとも720時間を支えるよう設計されているという説明で、それを超える上位0.1%の利用者には活用の手引きが案内されます。これは隠れた上限というより容量の説明として読めます。ただし評価サイト側の情報を添えるなら、混雑時に想定外の利用制限や大きなファイルの処理エラーに遭遇したという報告も一部にあります。極端な使用量では、宣伝ほど絶対的ではない可能性があります。
より一般的な不満は課金面です。評価サイトには想定外の請求、自動更新、解約のしにくさが繰り返し挙がっています。年次更新日の前に予定を通知する設定をし、支払い周期は慎重に選んでください。
文字起こしの道具にとって、この節は形式的な確認事項ではありません。会議の録音、顧客との面談、医療や法律の会話は、組織が扱う中でも最も慎重を要する素材であり、その音声がどこへ行くのかが、この道具を仕事で使えるかどうかを決めます。公開されている約束は、この分野の平均より明らかに強い内容です。
第三者による処理がない。 メーカーははっきり述べています。第三者の変換用の接続先やサービスは使わず、音声・動画の変換はすべて自社が所有または管理する機材で実行する、というものです。音声が外部の音声認識サービスへ転送されないという意味であり、取引先の危険性を評価する立場からは、データの流れの把握が大きく単純になります。
利用者のデータでモデルを学習しない。 セキュリティの文書はこの問いに直接「いいえ」と答え、利用者の媒体ファイルや原稿で人工知能や機械学習のモデルを学習させることはないと明記しています。学習済みの公開モデルを使っており、自社の仕組みを改善するために顧客データを必要としない構造である以上、この約束は表明にとどまらず構造的にも信頼できます。
保存時と通信の暗号化。 原稿と媒体ファイルは保存時にAES-256で暗号化され、暗号化された通信が強制されるほか、公開網を経由する非暗号化の接続はすべて拒否すると明言されています。
アクセス制御。 意図して共有しない限り、媒体ファイルと原稿を閲覧・編集できるのは契約者本人だけです。利用者の内容に対して日常的な人の目視確認が行われている形跡はありません。
保存期間は利用者が決める。 ここが理解しておくべき微妙な点です。メーカーは固定の削除期限を公開していません。プライバシーに関する方針では、アップロードされた内容はサーバーに保存され、利用者が削除しない限り、アカウントが有効な間は保持され得るとされています。削除は即座に効き、取り消せません。削除したファイルは復元できず、アカウントを削除すればすべてのファイルが直ちに恒久的に消えます。つまり既定では保存期間は無期限であり、能動的に管理して初めて短くなります。慎重を要する音声を扱う組織は、自動的に期限が来ると想定せず、削除の工程を手順に組み込むべきです。
データは米国内に置かれる。 主要な設備は米国にあり、プライバシー方針も、欧州連合や英国を含む米国外の利用者が提供した情報は米国へ転送され保存されると明示的に注意しています。データを欧州連合内や自国内に置く義務がある場合、他の約束がどれほど堅牢でも、これは越えられない制約になります。
支払い。 決済はストライプを通じて処理され、クレジットカード番号を自社のサーバーに保持しないと明言されています。
オッターが狙うのは別の仕事です。会議にその場で参加し、即時のメモと要約を作り、予定表や会議ツールと連携します。その場での記録と共同作業が必要ならオッターを、大量のファイル変換が必要ならTurboScribeを選ぶことになります。
レブは自動と人手の両方を提供し、人手の方はどの自動処理も届かない精度を出します。価格は分単位です。特定のファイルがほぼ完璧である必要があり、正確さが費用に優先する場面ではレブが、量が個々の完成度に優先する場面ではTurboScribeが理にかないます。
ディスクリプトは原稿を編集画面として扱います。文字を直すことが映像を直すことになる方式です。編集と文字起こしをひとつにまとめたい制作者にとっては、TurboScribeが手を出していない領域を埋めてくれます。
自前で動かすウィスパーが最も直接的な比較対象です。文字どおり同じモデルだからです。自分で動かせば時間あたりの費用は発生せず、音声は自分の機材から出ないため、プライバシーの姿勢としては最も強い形になります。代償もはっきりしています。相応の機材が必要で、ラージ級のモデルは要求が重く、話者ラベル付け、翻訳、字幕の書き出し、保存、ファイル管理をすべて自分で組み立てることになります。TurboScribeの誠実な価値は、自分でも動かせるはずのモデルの周りに、演算資源と製品としての体験を用意して売っている点にあります。
精度の主張は検証されていない。 99.8%はメーカー自身の数値で、方法論の公開も独立監査もありません。基盤であるラージv2に対する独立ベンチマークは、現実の混ざった音声でおよそ4.1%の単語誤り率を示しています。宣伝文句ではなくベンチマークを前提に計画してください。
品質は固定値ではなく条件次第。 訛り、発言の重なり、背景雑音、資源の少ない言語は結果を実際に下げます。言語による差はメーカー自身も認めています。
条件が悪いと幻覚の危険がある。 ウィスパーは話されていない文をなめらかに作り出すことがあり、資源の乏しい言語では特に顕著です。流暢さは正しさの証拠になりません。
ホエールはラージv3ではなくラージv2。 公開研究はラージv3が訛りと非母語の発話で改善したと指摘しています。訛りの強い素材を扱う利用者は前の世代を使うことになります。
その場の会議用の道具ではない。 アップロードされたファイルを処理するだけで、通話に参加も実時間の記録もしません。
要約は外部の機能。 原稿の要約は別途公開された拡張を通じてチャットジーピーティー上で行い、標準機能ではありません。
既定の保存期間は無期限。 アカウントが有効な限り、削除していないファイルは残り続けます。慎重を要する業務には明確な削除手順が必要です。
データは米国内のみ。 欧州連合内や自国内での保管を求める組織には越えにくい制約です。
課金まわりの摩擦が最も一貫した不満。 評価サイトには想定外の請求、自動更新、解約の難しさが繰り返し挙がります。更新日は能動的に管理してください。
小規模チームの製品。 創業者が直接応じる体制は反応の速さという点で本当の強みですが、企業の調達手続きや契約上のサービス保証、交渉可能なデータ契約とは別物です。
無制限は1人単位。 このプランは1名を対象とし、アカウントの共有は明確に禁止されています。
はい、実用に足る無料枠があります。1日3件、1ファイル最長30分、同時に1件、処理は低めの優先度です。重要なのは、無料の利用者でも最高精度のホエールを使える点です。したがって無料枠は縮小版ではなく実際の出力品質を試すものになります。支払う前に自分の音声で評価する、正しい方法です。
無制限プランは年払いで月あたり10ドル、年額120ドル、月払いでは月20ドルです。年単位の契約にすると実質単価が半分になります。1名分の無制限変換、10時間のアップロード、全モード、翻訳、一括書き出し、最優先処理が含まれます。いつでも解約でき、支払い済みの期間の終わりまで利用できます。
メーカーが自ら公表した数値で、独立した監査を受けておらず、方法論も公開されていません。最高精度のモードが使うウィスパー ラージv2に対する独立ベンチマークでは、現実の混ざった音声でおよそ4.1%の単語誤り率、すなわち約95.9%の精度でした。99.8%は雑音のない明瞭な一人の英語音声における最良値と理解し、必ず自分の録音で試してください。
公開されている利用規約に、変換量を制限する独立した公平利用条項はありません。メーカーは全体の使用量に上限がなく、利用者が月に数百時間を処理しており、システムは月あたり少なくとも720時間を支えるよう設計されていると述べ、それを超える場合も遮断ではなく手引きで対応するとしています。唯一明示された規則はログイン情報を共有しないことです。ただし混雑時に想定外の制限に遭ったという報告もあり、極端な使用量では宣伝ほど絶対的でない可能性があります。
ファイルと原稿は保存時にAES-256で暗号化され、通信は暗号化された接続が強制されます。変換はメーカーが所有または管理する機材で実行され、第三者の変換用接続先は介在しません。共有しない限り本人だけがアクセスできます。保存期間は既定では期限がなく、アカウントが有効で削除しなければ保持され、削除は即時かつ恒久的です。
いいえ。利用者の媒体ファイルや原稿で人工知能や機械学習のモデルを学習させることはない、と明確に述べられています。学習済みの公開モデルを動かしており、自社の仕組みの改善に顧客データを必要としない構造である以上、この約束は製品の実際の作りとも整合しています。
変換は98以上の話し言葉に対応し、原稿と字幕は130以上の言語へ翻訳できます。品質は明確に均一ではありません。精度は言語によって異なるとメーカー自身が述べ、英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、日本語、ロシア語、アラビア語、ヒンディー語、韓国語などの良好な言語一覧を公開しています。それ以外、とりわけ資源の少ない言語では誤りと幻覚の危険が高まります。
できます。話者認識はアップロード前に有効化し、原稿を話者ごとに区切って表示します。2名から8名までの指定または自動検出に対応し、音声1時間あたり1〜2分が加わります。丁寧に録音された二人の対談では整った結果になりますが、三人以上で発言が頻繁に重なると表示が乱れ、手作業での修正が必要になります。
アップロードは一般的な音声・動画形式をほぼ網羅し、MP3、M4A、MP4、MOV、AAC、WAV、OGG、OPUS、MPEG、WMA、WMV、AVI、FLAC、AIFF、ALAC、MKV、WEBMなどに対応します。書き出しはPDF、DOCX、TXT、CSVおよびSRT/VTTの字幕に対応し、複数ファイルを一度にまとめて出力できます。
プライバシー設計は機密性の高い素材によく適合します。自社設備での処理、第三者接続先の不使用、モデル学習への不使用、AES-256による暗号化、そして利用者が管理する削除がその理由です。ただし前提が二つあります。ひとつは精度で、専門用語と重要な細部は元の音声と突き合わせて人が検証する必要があり、いかなる自動原稿も法的・臨床的な事実の記録としてそのまま用いるべきではありません。もうひとつは順守面で、データは米国にあり、規制下の多くの組織が求める正式な契約書や監査による認証を備えていない小規模チームの製品です。導入前に、この二点を自らの義務と照らして確認してください。
