材料メーカーの研究開発部が、海外の共同研究先との英語の会議の録音を文字にし、日本語の議事メモにして出席しなかった研究員へ回す
海外の共同研究先との英語の定例会議の録音を、話者ごとの英語の文字にします。決まったこと・宿題・試料のやり取り・未決の論点を日本語の議事メモに訳してまとめ、出席した研究員が確かめてから、出席しなかった研究員へ回します。
- 生成AI
- Azure OpenAI Service/Claude/Gemini
- AIサービス
- Azure AI
- 連携・自動化
- Power Automate/Python
- 対象業界
- 医療/製造
- 対象部門
- 研究開発
- 対象業務
- 要約/記録・議事録作成
- 主な課題
- 引き継ぎができていない/書類作成に時間がかかる/期限・対応漏れが起きる
- AIで行う処理
- 翻訳
- 主な効果
- 対応スピード向上/属人化解消/工数削減
- 導入難易度
- ★★★☆☆
- 実装レベル
- 半自動化
- 費用感
- API連携(中)
- 人間の確認
- 条件付き
01導入前 / 導入後の業務フロー
- 窓口の研究員が会議に出て、手元でメモを取る
- 会議の後、録画を聞き直し、聞き取れなかった数字や材料の名前を確かめる
- 英語のメモを、日本語の議事メモに書き直す
- 宿題(誰が・何を・いつまでに)と試料のやり取り(何を・どれだけ・どちらからどちらへ)を表に書き出す
- チームの SharePoint に置き、出席しなかった研究員と試料・分析の担当に知らせる
- 読んだ人から「この条件は確定ですか」と聞かれ、録画を聞き直して答える
- 人窓口の研究員が、会議の録画をチームの SharePoint の決まったフォルダに保存する
- 自動保存をきっかけに、録画から音声を取り出し、形式・長さ・大きさを確かめる
- 自動Azure AI Speech の高速文字起こしが、英語の音声を話者の番号・時刻・信頼度の付いた文に分けて返す
- 人窓口の研究員が、話者の番号に出席者の名前を割り当てる(1〜2分)
- 自動Azure OpenAI が、文字起こしを読み、決まったこと・宿題・試料のやり取り・未決の論点を日本語に訳して項目に分ける。項目ごとに英語の原文と時刻を付ける
- 自動Python が、原文が文字起こしに実際にあるか、数字が原文と訳で同じかを確かめる
- 人窓口の研究員が下書きを読み、引っかかった項目を原文と録画で確かめて直す
- 人確かめたメモを SharePoint に置き、出席しなかった研究員と試料・分析の担当に知らせる
各工程の詳しい説明を読む
- 窓口の研究員が会議に出て、手元でメモを取る
- 会議の後、録画を聞き直し、聞き取れなかった数字や材料の名前を確かめる
- 英語のメモを、日本語の議事メモに書き直す
- 宿題(誰が・何を・いつまでに)と試料のやり取り(何を・どれだけ・どちらからどちらへ)を表に書き出す
- チームの SharePoint に置き、出席しなかった研究員と試料・分析の担当に知らせる
- 読んだ人から「この条件は確定ですか」と聞かれ、録画を聞き直して答える
(a)聞き直しに時間がかかる。 60分の会議の録画を、早送りと巻き戻しで聞き直します。数字と材料の名前の確認がいちばん時間を取ります。 先方の研究者の訛りや、通信の途切れた箇所は、何度も聞き返します。
(b)メモが出るまで数日かかる。 窓口の研究員も自分の実験を持っています。メモが出るのが会議の3日後になり、その間、試料を作る研究員は条件を待っています。
(c)約束と可能性の区別が書き手で違う。 We'll try to を「やってくれる」と書く人もいれば、「検討する」と書く人もいます。読んだ人は、書き手の癖を知らないと、どこまで当てにしてよいか分かりません。
(d)宿題が出席者の頭の中に残る。 会議の終わりにまとめて確認しなかった宿題は、メモに書かれずに抜けます。次の会議で先方から「あのデータは?」と聞かれて、初めて気づくことがあります。
- 【人】 窓口の研究員が、会議の録画をチームの SharePoint の決まったフォルダに保存する
- 【自動】 保存をきっかけに、録画から音声を取り出し、形式・長さ・大きさを確かめる
- 【自動】 Azure AI Speech の高速文字起こしが、英語の音声を話者の番号・時刻・信頼度の付いた文に分けて返す
- 【人】 窓口の研究員が、話者の番号に出席者の名前を割り当てる(1〜2分)
- 【自動】 Azure OpenAI が、文字起こしを読み、決まったこと・宿題・試料のやり取り・未決の論点を日本語に訳して項目に分ける。項目ごとに英語の原文と時刻を付ける
- 【自動】 Python が、原文が文字起こしに実際にあるか、数字が原文と訳で同じかを確かめる
- 【人】 窓口の研究員が下書きを読み、引っかかった項目を原文と録画で確かめて直す
- 【人】 確かめたメモを SharePoint に置き、出席しなかった研究員と試料・分析の担当に知らせる
7番目が、この設計の分かれ目です。 下書きをそのまま回すと、聞き違いと訳し違いが確かめられずに広がります。ただし全文を読み直すのではなく、原文の照合で引っかかった項目と、数字・試料の項目を重点的に見ます。
02今回想定するシステム構成
英語のオンラインの定例会議(Teams の録画。先方の了解を得て録る) │ 窓口の研究員が SharePoint の決まったフォルダに保存 ▼【トリガー】フォルダへの保存 Azure Functions ├──▶ 録画から音声を取り出す(形式・長さ・大きさの確認) ▼ Azure AI Speech(高速文字起こし。en-US、話者の分離、フレーズリスト) │ 話者の番号・開始の時刻・長さ・文・信頼度 ▼ 【人が話者の番号に名前を割り当てる】 ▼ Azure OpenAI(Microsoft Foundry。Responses API、構造化出力、store=false) │ 決まったこと/宿題/試料のやり取り/未決の論点を日本語に訳して分ける │ 項目ごとに英語の原文と時刻 ▼ Azure Functions(Python)── 原文の照合、数字の照合 ▼ 【人が引っかかった項目を原文と録画で確かめる】 └──▶ SharePoint の議事メモ、試料の受け渡しの台帳への写し
| 役割 | 想定する製品 | 代替候補 |
|---|---|---|
| 処理 | Azure AI Speech(高速文字起こし、話者の分離、フレーズリスト) | Google Cloud Speech-to-Text、Amazon Transcribe |
| 生成AI | Azure OpenAI(Microsoft Foundry。日本語への訳と項目への分け方。構造化出力) | Claude API、Gemini API |
| 差異計算 | 原文が文字起こしにあるか、数字が原文と訳で同じかの照合(Python。Azure Functions で動かす) | ─ |
| 連携 | Azure Functions(保存を起点に音声を取り出し、文字起こしと訳を呼び、結果を書き出す) | Power Automate |
| 保管 | SharePoint のチームのサイト(録画、文字起こし、議事メモ) | Azure Blob Storage |
文字起こしには、Azure AI Speech の高速文字起こしを使います。 公式ページでは、5時間未満・500MB 未満の音声のファイルを、WAV・MP3・OPUS/OGG・FLAC・WMA・AAC・WebM などの形式で受け付けます。60分の定例会議の音声は、この範囲に余裕を持って収まります。
選ぶ理由は3つあります。 1つ目は話者の分離で、指定すると文ごとに speaker の番号が付きます。2つ目はフレーズリストで、公式ページでは API の版 2025-10-15 から使えるとされています。材料の名前、試料の番号、先方の研究者の名前を渡して、聞き違いを減らします。3つ目はデータの扱いで、公式ページでは、高速文字起こしでは Microsoft は顧客が渡したデータを保持・保存しないとされています。
訳とまとめには、Azure OpenAI を使います。 公式ページでは、Responses API で構造化出力が使え、応答のデータは既定で30日保持されるとされています。会議の内容は共同研究の秘密情報なので、store=false で呼び、保存させません。
03どうやって実装するのか
処理の起点を決める
チームの SharePoint の決まったフォルダに、会議の録画が保存されたことを起点にします。 会議の当日のうちに下書きが出て、窓口の研究員が記憶の新しいうちに確かめられるようにします。下書きを確かめるのが翌週になると、引っかかった項目の多くを録画で聞き直すことになり、聞き直しの時間が戻ってきます。
フォルダは共同研究ごとに分け、ファイル名の先頭に共同研究の番号を付けます。 フレーズリストと出席者の名簿は、共同研究ごとに違います。番号から、その共同研究のフレーズリストと、契約の台帳の秘密保持の条件を引きます。
録画を置くのは、先方の了解を得た会議だけにします。 了解の有無は、会議の案内に書いた一文と、会議の冒頭の確認で残します。フォルダに置く前に、窓口の研究員が「了解あり」の印を付けた会議だけを処理します。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| 会議の録画 | 映像と音声。会議の日時、共同研究の番号 | SharePoint のフォルダ |
| フレーズリスト | 材料の名前、試料の番号の書き方、装置の名前、先方の研究者と大学・企業の名前 | 共同研究ごとの表 |
| 出席者の名簿 | 名前、所属、こちら側か先方か | 会議の案内 |
| 前回の議事メモの宿題 | 誰が・何を・いつまでに、の表 | SharePoint の前回のメモ |
| 文字起こし | 話者の番号、開始の時刻と長さ、文、信頼度 | Azure AI Speech |
質を決めるのは、フレーズリストです。 材料の会議では、BaTiO3、PVDF、d50、XRD のような略語と、Lot B-27 のような試料の番号が何度も出ます。これが一般の英単語に聞き違えられると、訳の段で意味の通らない文になるか、もっと悪いことに意味の通る別の文になります。 共同研究ごとに、窓口の研究員が数十語を書いておきます。
前回の宿題の表を入れるのは、報告の聞き漏らしを防ぐためです。 前回「先方が XRD のデータを送る」と決めていれば、今回の会議でその報告があったかを見ます。報告が文字起こしに見つからなければ、「前回の宿題の報告が無い」として一覧に出します。
データの取得方法を決める
録画から音声だけを取り出し、対応する形式に変えます。 Teams の録画は動画のファイルなので、音声を MP3 か FLAC に取り出してから送ります。
| 取るもの | どこから | 何に使うか |
|---|---|---|
| 話者ごとの文 | 応答の phrases(speaker、offsetMilliseconds、durationMilliseconds、text) | 訳の材料、原文の照合、録画の時刻 |
| 文の信頼度 | phrases の confidence | 聞き違いの疑いのある文の印 |
| 全文 | combinedPhrases | 全体の流れの確認 |
| 単語ごとの時刻 | words | 数字の箇所の時刻を細かく示す |
呼び出しの設定は、次のとおりです。 言語は locales: ["en-US"] と1つ決めます。公式ページでは、1つの言語を指定するとその言語で文字にするとされています。話者の分離は diarization: {"enabled": true, "maxSpeakers": N} で、N は名簿の人数にします。フレーズリストは phraseList に、その共同研究の語を入れます。
音声はリクエストに直接添えて送ります。 公式ページには公開の URL から渡す方法もありますが、会議の音声を公開の URL に置くことはしません。 60分の会議の MP3 なら、添えて送れる大きさです。
AIへ渡す前に整形する
- 了解の印の確認 … 窓口の研究員が「録音の了解あり」の印を付けた会議だけを処理します
- 音声の取り出し … 録画から音声を MP3 か FLAC に取り出します
- 長さと大きさの確認 … 5時間未満・500MB 未満であることを確かめます。終日の会議は分けます
- モノラルにそろえる … 公式ページでは、チャンネルを分けて文字にする指定は話者の分離を使わない場合に2つまでとされ、モノラルではチャンネルの指定は無視されます。話者の分け方は話者の分離に任せ、1つのチャンネルにします
- 記録しない区間の除去 … 先方が「ここは記録しないで」と言った区間は、窓口の研究員が時刻を指定して音声から切り取ります
- フレーズリストの用意 … 共同研究の番号から語の表を引きます
5番目を省かないでください。 未発表のデータの話を記録から外すよう求められることがあります。音声に残したまま文字にすると、外すと約束した内容が文字のファイルになって社内に回ります。 切り取るのは文字起こしの前です。
AIに処理させる
Azure AI Speech にさせるのは、英語の音声を話者ごとの文にすることだけです。 訳し、項目に分けるのは Azure OpenAI です。原文の照合と数字の照合は Python の規則です。
| 項目 | 中身 | 判断できないときの扱い |
|---|---|---|
| 決まったこと | 双方が合意したと分かる発言(Agreed、Let's go with、OK, we'll do that など) | 合意の言葉が無ければ未決に置く |
| 宿題 | 誰が・何を・いつまでに。誰がは話者の名前 | 期限の言葉が無ければ期限を「未定」に |
| 試料のやり取り | 何を・どれだけ・どちらからどちらへ・いつ | 量が無ければ「未定」。可能性の話なら tentative |
| 未決の論点 | 検討する、確かめる、次回までに考える、の発言 | ─ |
| 前回の宿題の報告 | 前回の宿題の表の項目ごとに、報告があったか | 見つからなければ not_reported |
どの項目にも、英語の原文と開始の時刻を付けさせます。 原文は文字起こしからそのまま写させ、要約した英語を原文として書かせません。 後段の Python が、原文が文字起こしに実際にあるかを文字列で照らします。
| させないこと | 理由 |
|---|---|
| 可能性の発言を「決まったこと」にする | 相手が約束していないことを待つことになる |
| 数字・単位を換算する、丸める | fifteen grams を「約15g」と訳してよいが、「約20g」にしない。 換算はしない |
| 聞き取れなかった箇所を前後から補う | 聞き違いが訳で隠れる |
| 研究の結果を解釈する、評価する | 結果の読み方は研究員が決める |
| 発明に当たるか、試料を出してよいかを書く | 知財・法務の担当が決める |
2行目は、材料の会議で特に起きやすい失敗です。 fifteen と fifty は音が近く、聞き違えた数を訳でもっともらしく直すと、誤りが2段重なって見えなくなります。 数字は原文の綴りのまま残させ、訳の数字と原文の数字を Python で照らします。
指示内容を固定する
あなたは材料メーカーの研究開発部で、海外の共同研究先との英語の会議の
議事メモを日本語で作る担当です。文字起こしに書かれていることだけを使います。
【入力】
- 文字起こし:{phrases}(各文に話者の名前、開始の時刻、文、信頼度)
- 前回の宿題の表:{previous_actions}
- 用語の訳語の表:{glossary}
【分け方】
- decisions:双方が合意したと分かる発言だけ。「やってみる」「検討する」
「たぶん」「できれば」の発言は decisions に入れず open_issues に入れる。
- action_items:誰が・何を・いつまでに。期限の言葉が無ければ due を「未定」。
- samples:試料の名前・量・単位・送り手・受け手・時期。
確約でなければ status を tentative にする。
- open_issues:結論の出なかった論点。
- previous_actions_check:前回の宿題の表の各項目に、報告があったか。
【厳守事項】
- 各項目の source_quote には、文字起こしの文をそのまま写してください。
言い換えたり、要約したりしないでください。
- 各項目の start_ms には、その文の開始の時刻を入れてください。
- 数字は英語の原文のまま numbers_in_quote に書き出し、訳の数字と
同じにしてください。換算・丸め・補いをしないでください。
- 信頼度の低い文や、意味が通らない文を、前後から補って訳さないでください。
その項目は low_confidence を true にしてください。
- 材料の名前・試料の番号・装置の名前は、用語の表にあれば表の訳語、
無ければ英語のまま書いてください。
- 研究の結果の良し悪し、発明に当たるか、試料を出してよいかは書かないでください。
- 迷ったときは decisions ではなく open_issues に入れてください。
「迷ったときは open_issues に」を最後に置くのが要点です。 会議の終わりの Sounds good, let's see how it goes のような発言は、合意にも保留にも読めます。決定に寄せて訳すと、こちらは先方の作業を待ち、先方は何も約束していない、という食い違いが生まれます。 未決として回せば、次の会議で確かめる項目になります。
出力形式を固定する
構造化出力で、次の形のJSONを受け取ります。
{
"meeting_id": "",
"decisions": [
{ "ja": "", "source_quote": "", "speaker": "", "start_ms": 0, "low_confidence": false }
],
"action_items": [
{ "owner": "", "task_ja": "", "due": "", "source_quote": "", "start_ms": 0,
"low_confidence": false }
],
"samples": [
{ "name": "", "quantity": "", "unit": "", "from": "", "to": "", "timing": "",
"status": "agreed | tentative", "numbers_in_quote": [], "source_quote": "",
"start_ms": 0, "low_confidence": false }
],
"open_issues": [
{ "ja": "", "source_quote": "", "start_ms": 0 }
],
"previous_actions_check": [
{ "previous_item": "", "result": "reported | not_reported", "start_ms": 0 }
]
}
1つ目の理由は、source_quote と start_ms を必ず持たせられることです。 公式ページでは、構造化出力ではすべての項目を required にし、additionalProperties を false にするとされています。原文の無い項目は、この形では作れません。
2つ目は、後段の検査を規則で書けることです。 公式ページでは、minLength・pattern・minItems などの指定は使えないとされているので、文字列の長さや数の形はスキーマで縛らず、Python で確かめます。 照合は次の3つです。
| 照合 | 引っかかったときの印 |
|---|---|
source_quote が文字起こしの文にそのまま含まれるか | quote_not_found |
numbers_in_quote の数字が原文にあり、訳の数字と同じか | number_mismatch |
| 原文の文の信頼度が決めた値より低いか | low_confidence |
3つ目は、samples を試料の受け渡しの台帳に写せることです。 ただし、写すのは窓口の研究員が確かめた後で、tentative のものは「予定」の欄に置きます。
システムへ連携する
| つなぎ先 | 方式 | 内容 |
|---|---|---|
| SharePoint のフォルダ | 保存を Azure Functions が検知 | 録画の受け取り |
| Azure AI Speech | 高速文字起こしの REST(API の版 2025-10-15) | 話者ごとの文、時刻、信頼度 |
| Azure OpenAI | Responses API、構造化出力、store=false | 日本語の議事メモの下書き |
| SharePoint の議事メモ | Functions が下書きを書き、人が確かめて公開 | 共同研究ごとのメモ |
| 試料の受け渡しの台帳 | 人が確かめた後に写す | 試料の名前・量・送り手・受け手・時期 |
| Teams のチャネル | 通知の投稿 | 下書きの完成と、引っかかった項目の数 |
Azure OpenAI は、store=false で同期で呼びます。 公式ページでは、バックグラウンドで動かす形は store=true が要るとされています。会議の内容を保存させないために、バックグラウンドの形を使いません。 60分の会議の文字起こしなら、同期の呼び出しで足ります。
試料の受け渡しの台帳には、この構成から直接書き込みません。 試料を出す前には、共同研究の契約と、試料によっては輸出の手続きの確認が要ります。台帳に載った時点で動き出す段取りがあるので、写すのは人が確かめた後です。
人が確認する
窓口の研究員が、会議の当日か翌日に下書きを確かめます。 全文を録画と見比べるのではなく、次の順で見ます。
- 話者の名前を割り当てる … 文字起こしの最初の数分を読み、番号に名前を当てます。こちら側と先方を取り違えると、宿題の持ち主が逆になります
quote_not_foundとnumber_mismatchの項目を見る … 原文を文字起こしで探し、数字を録画で聞き返しますsamplesを全部見る … 量・単位・送り手・受け手を、start_msから録画で聞き返します。試料の項目は、引っかかっていなくても全部見ますdecisionsを読む … 合意でなかったものをopen_issuesに移しますnot_reportedを確かめる … 前回の宿題の報告が本当に無かったのか、聞き漏らしかを見ます- 直した項目を記録する … どの項目を、どう直したかを残します
3番目を省かないでください。 試料の量と送り先は、別のチームの研究員がそのまま作業を始める情報です。15gを50gと読み違えたメモで、試料の合成が始まってしまえば、取り返すのは実験の日数です。
目標は、40件をならして1件15分です。 名前の割り当てに2分、引っかかった項目と試料の確認に10分前後、回覧に数分という想定です。
例外に対処する
| 起きること | 対応 |
|---|---|
| 先方の音声が途切れる・こもる | 信頼度の低い文が増える。low_confidence の項目を録画で聞き返し、聞き取れなければ先方にメールで確かめる |
| 話者の分離で同じ人が2つの番号に分かれる | 名前の割り当てで2つの番号に同じ名前を付ける |
| 2人が同時に話す | 片方が抜ける。宿題・試料の項目の前後は録画で確かめる |
| 会議の途中にこちら側が日本語で相談した | 英語として文字にされ意味が通らない。その区間は議事メモの対象から外す |
| 5時間以上の会議 | 区切って送り、時刻をつなぎ直す |
quote_not_found が多い | 訳の段で原文を言い換えている。指示の書き方を見直す |
| 前回の宿題の報告が見つからない | not_reported。次の会議の議題に入れる候補として窓口に渡す |
| 先方が記録しないよう求めた区間が残っていた | 文字起こしと下書きからその区間を消し、消したことを記録する |
| 呼び出しが失敗する | フォルダに残し、処理済みへ移すのは成功時だけ |
4行目は、日本側が複数で出る会議で起きます。 公式ページでは、高速文字起こしの言語の識別は1つのファイルに主な言語を1つと想定しているとされ、複数の言語の音声には多言語の文字起こしを検討するよう書かれています。 日本語の相談が多い会議なら、最小構成で多言語の文字起こしと比べてから決めます。
記録を残す
- 録画と、了解の印・了解を取った方法
- 記録から外した区間の時刻と、外した理由
- Azure AI Speech が返した文字起こしの全文と、使ったフレーズリストの版
- Azure OpenAI の下書きと、照合の結果(
quote_not_found・number_mismatch・low_confidence) - 窓口の研究員が直した項目と、直した内容
- 確かめた議事メモと、回覧した相手と日時
2つ目で外した区間を残すのは、先方との約束を守ったことを後から示すためです。 外した区間の中身は残さず、時刻と理由だけを残します。
04実装レベルの3段階
半自動化で、1件60分が15分程度になり、これが本記事の想定です。 聞き直しとメモ書きがなくなります。名前の割り当てと、引っかかった項目・試料の確認、回覧は残ります。 本格構成は、半自動化を2か月回してからにします。 tentative の試料がどれくらいの割合で確約に変わるかが分かってから、台帳の「予定」の欄の扱いを決めるほうが、台帳が荒れません。
05工数削減シミュレーション
導入後 40件 × 15分 ÷ 60 = 10 時間/月
自社条件で導入効果を整理したい方へ
このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。
06向いている企業・向いていない企業
- 海外の大学・企業と複数の共同研究を同時に進め、英語のオンラインの定例会議が月に数十回ある材料・化学・医薬の研究開発部。会議に出た研究員が録音を聞き直して日本語のメモを書いており、メモが出るまで数日かかる場合。出席しなかった研究員・知財・試料の管理の担当に、宿題と試料のやり取りが伝わるのが遅れている場合。
- 共同研究の契約や相手先の決まりで、会議の録音や外部のサービスでの処理が認められていない場合。会議が月に数回で、メモを書く負担が小さい場合。出席者の全員が英語の議事録をそのまま読める部署。なお、研究の結果の解釈、発明に当たるかの判断、試料の提供や輸出の可否は、この構成では行わず研究員と知財・法務の担当が行います。
07最小構成で試す方法
- 先月の定例会議の録画から3本を選ぶ(うち1本は、先方の音声が聞き取りにくかったもの、1本は試料のやり取りが多かったもの)
- その3本について、窓口の研究員が書いた日本語の議事メモを正解として用意する
- Azure AI Speech の高速文字起こしを、フレーズリストありとなしで呼び、文字起こしを比べる
- 文字起こしを Azure OpenAI に渡し、第7章の指示で下書きを作る
- 正解と比べ、数字・材料の名前・試料の量が合っているか、決まったことと未決の分け方が正解と同じかを見る
ワークフローを組む前に、「数字と材料の名前が聞き取れるのか」を確かめます。
| 出てきた内容 | 判断 |
|---|---|
| フレーズリストありで材料の名前と数字が合う | 原文の照合と数字の照合に進む |
| 材料の名前が別の英単語になる | フレーズリストの語を増やす。試料の番号の読み方(B twenty-seven)も入れる |
| 先方の音声の信頼度が全体に低い | 先方のマイクと回線の問題。 先方に相談するのが先 |
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| 可能性の発言が「決まったこと」になる | 迷ったら open_issues。 合意の言葉が無ければ決定にしない |
| 聞き違えた数字が訳でもっともらしく直る | 数字は原文の綴りで残し、訳と照らす |
| 原文として要約した英語が書かれる | source_quote を文字起こしと文字列で照らす |
| 材料の名前・試料の番号が一般の英単語になる | 共同研究ごとのフレーズリストを作る |
| こちら側と先方の取り違えで宿題の持ち主が逆になる | 名前の割り当てを人が行う |
| 応答のデータが30日保持される | store=false で同期で呼ぶ |
| 構造化出力で長さや数の制約を書いて通らない | minLength・pattern・minItems は使えない。Python で確かめる |
| 記録しないと約束した区間が文字になる | 文字起こしの前に音声から切り取る |
| 試料の項目をそのまま台帳に写す | 人が確かめてから。tentative は予定の欄へ |
上の2行が失敗のほとんどです。 どちらも「もっともらしく整えた」ことで誤りが見えなくなる失敗で、先方との食い違いとして次の会議で表に出ます。
09セキュリティ・AIガバナンス上の注意点
この構成で扱うデータ: 共同研究の未発表のデータ、試料の組成と条件、出席者の名前と声です。共同研究の契約で秘密情報とされる内容です。
- 録音は先方の了解を得た会議だけにする … 会議の案内と冒頭の確認で了解を取り、了解の印の無い録画は処理しません
- 記録しないと約束した区間は、文字起こしの前に除く … 文字にした後で消すのではなく、外部へ送る前に音声から切り取ります
- 文字起こしのデータの扱いを確かめる … 公式ページでは、高速文字起こしでは Microsoft は顧客が渡したデータを保持・保存しないとされ、話者の分離の声の特徴の信号は、話者の印を付けるためだけに一時的に使われ、終わると捨てられるとされています。話者の分離は、ファイルをまたいで同じ人を追う機能を持たないともされています
- 訳の呼び出しで応答を保存させない … Responses API は既定で応答を30日保持するとされているので、
store=falseで呼びます - 共同研究の契約の秘密保持の条件と照らす … 外部のサービスで処理してよいか、処理の地域に条件があるかを、知財・法務の担当と契約の台帳で確かめてから始めます
- 研究の結果の解釈・発明の判断・試料の提供の可否を書かせない … 議事メモが出すのは、会議で話されたことだけです
誤りが起きた場合のリスクは、先方が約束していないことを待つことと、聞き違えた試料の条件で作業を始めることの2つです。 前者は可能性の発言を決定に寄せることで起き、後者は聞き違いを訳で直すことで起きます。どちらも、原文と時刻を項目に付け、人が試料の項目を全部聞き返すことで防げます。
10まず何から始めるか
1週目:取り決めとフレーズリストを作る
知財・法務の担当と、録音の了解の取り方、記録しない区間の扱い、外部のサービスで処理してよい共同研究の範囲を決めます。会議の多い共同研究を3つ選び、フレーズリストと用語の訳語の表を作ります。
2週目:3本で試す
先月の録画3本を文字にし、下書きを作ります。数字・材料の名前・試料の量が合っているか、決まったことと未決の分け方が正解と同じかを最優先で見ます。
3週目:照合の規則を作る
原文の照合、数字の照合、信頼度のしきい値を Python で書きます。名前の割り当ての画面を作ります。
4週目:フォルダから通知までをつなぐ
SharePoint への保存で Functions が動き、文字起こし・下書き・照合をして Teams に知らせるところまで作ります。この時点では手書きのメモも続け、下書きと並べて比べます。
2か月目以降: 引っかかった項目の内訳を見て、フレーズリストと指示を見直し、1件60分が何分になったかを実測します。会議の当日に、原文と時刻の付いた日本語の議事メモが出席しなかった研究員に届くようになった時点で、この構成は完成です。
11関連ユースケース
12この仕組みを理解するための記事
13技術仕様の確認日・参考情報
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
高速文字起こしが5時間未満・500MB 未満の音声を、WAV・MP3・OPUS/OGG・FLAC・WMA・AAC・WebM などの形式で受け付けること。要求の URL の API の版が 2025-10-15 であること。音声を添えて送るか公開の URL で渡せること。locales を1つ指定するとその言語で文字にし、言語の識別は1つのファイルに主な言語を1つと想定し、複数の言語には多言語の文字起こしを検討するよう書かれていること。diarization で文ごとに speaker が付くこと。チャンネルの指定は話者の分離を使わない場合に2つまでであること。フレーズリストが API の版 2025-10-15 から使えること。応答に combinedPhrases と、speaker・offsetMilliseconds・durationMilliseconds・text・words・confidence を持つ phrases があること | Microsoft Learn: Use the fast transcription API | 2026-11-17 |
| 高速文字起こしでは Microsoft が顧客の渡したデータを保持・保存しないこと。話者の分離の声の特徴の信号が話者の印を付けるためだけに一時的に使われ、終わると捨てられること。話者の分離がファイルをまたいで同じ人を追う機能を持たないこと | Microsoft Learn: Data and privacy for Speech to text | 2026-11-17 |
構造化出力が Responses API で使え、すべての項目を required にし additionalProperties を false にすること。項目の合計100・入れ子5段までであること。minLength・maxLength・pattern・format・minimum・maximum・minItems・maxItems などが使えないこと | Microsoft Learn: How to use structured outputs | 2026-11-17 |
Responses API の応答のデータが既定で30日保持されること。store=false で状態を持たない呼び出しができること。バックグラウンドの形は store=true が要ること | Microsoft Learn: Azure OpenAI Responses API | 2026-11-17 |
録音の了解の取り方と、外部のサービスで処理してよい範囲は、共同研究の契約と先方の決まりに従い、知財・法務の担当と決めてください。 本記事は上記の公開情報で確認できた範囲だけを扱っています。日本語と英語が混ざる会議での多言語の文字起こしの精度、高速文字起こしを使える地域は確かめていません。
実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。
自社の業務に使えるAI活用候補を整理します
このユースケース(UC-3656)についてのご相談はこちらから。
