学習塾で教室長と保護者の面談の録音を文字にして、学習状況・家庭の希望・受講の変更・約束したことを面談記録の項目に分け、次の面談までの宿題を教室の予定に載せる

処理の起点を決める

アプリで録音が保存されたことを起点にします。 教室長は面談を始める前に、アプリで生徒を選びます。選んだ生徒IDと面談の日時が、音声に付いて保存されます。 生徒を選ばずに録音を始めることはできないようにします。

録音を始める前に、保護者の同意を確かめる画面を出します。 同意が得られなかった面談は録音せず、「録音なし」として記録の欄だけを用意します。同意の有無と確かめた日時は、録音とひもづけて残します。

面談の当日中に下書きが届くようにします。 高速文字起こしは同期で返るので、30分の面談でも処理は面談の直後に終わります。下書きを見るのが翌日以降になると、直すための記憶が薄れます。

入力データを集める

質を決めるのは、教室の行事の予定です。 面談では期日を「次の模試の後」「夏期講習の前に」と行事で言います。行事の日付が引けないと、約束が期日のない宿題になり、予定表に載せられません。

前回の面談記録は、AIに渡しません。 前回の約束が今回果たされたかは、中継の処理が前回の約束の一覧を教室長の確認画面に並べて、教室長が印を付けます。AIに前回の約束を見せると、今回の面談で話していない約束を「継続」として書き足します。

データの取得方法を決める

文字起こしは、高速文字起こしのAPIに音声とその定義を送ります。

話者の分離は、1つのチャンネルの音声で使います。 公式の案内では、ステレオの音声で話者の分離を有効にしたとき、2つのチャンネルを分けて指定することはできないとされています。アプリはモノラルで録音する設定にします。

POST https://{リソース名}.cognitiveservices.azure.com/speechtotext/transcriptions:transcribe?api-version=2025-10-15
audio      = 面談IDを名前にした音声ファイル
definition = {
  "locales": ["ja-JP"],
  "diarization": { "enabled": true, "maxSpeakers": 3 },
  "phraseList": { "phrases": ["個別指導コース", "週2回", "定期テスト対策講座",
                              "<学校名>", "<志望校名>", "全国模試"] }
}

フレーズリストは、認識の直前に渡す語句の一覧で、モデルの学習は要りません。 2,000語句を超えないようにし、長いほど品質と待ち時間に影響するとされています。全教室の講座を渡さず、その生徒に関わる語句だけを渡します。

AIへ渡す前に整形する

1. 音声の長さを確かめる … 1分未満は録音の失敗として教室長に知らせます
2. 教室長の話者を決める … 冒頭の決まった言葉（「本日の面談を始めます」）を含む文の speaker を教室長とします
3. 保護者と生徒を分ける … 残りの話者のうち、発言の多いほうを保護者とし、決まらなければ family としてまとめます
4. 聞き取れなかった文に印を付ける … confidence がしきい値を下回る文を low_confidence にします
5. 氏名を記号に置き換える … 生徒・保護者・きょうだいの氏名を <生徒> <保護者> <きょうだい1> に置き換えてから生成AIへ渡します
6. 雑談の区間を残す … 面談の冒頭と終わりの雑談も消さずに渡します。約束が雑談の中で出ることがあるからです

2番目は、話者の番号が人を表さないことへの対策です。 話者の分離が返すのは0、1、2という番号だけで、どの番号が教室長かは分かりません。 決まった言葉で始める運用にしておけば、規則で決められます。

AIに処理させる

させるのは、話者つきの文字起こしから面談記録の項目を取り出し、それぞれに根拠の文を付けることだけです。

agreed の条件を厳しくするのが要です。 教室長が「では来月から週3回にしましょう」と言い、保護者が「お願いします」と応じた文の組があるときだけ agreed にします。「増やしたいんですが」「考えてみます」は requested と considering です。

3行目は記録の扱いに関わります。 保護者が「最近やる気がなくて」と言ったなら、保護者の発言としてそのまま残します。AIが「意欲の低下」とまとめると、教室の評価として記録に残ります。

指示内容を固定する

あなたは学習塾の教室長の補助として、保護者面談の文字起こしから
面談記録の項目を取り出す立場です。
文字起こしに書かれていることだけを使ってください。推測で補わないでください。

【話者】teacher（教室長）／ parent（保護者）／ student（生徒）／ family（保護者か生徒か不明）

【取り出す項目】
1. study_status … 学習の状況。発言した話者を speaker に書く
2. family_wishes … 家庭の希望（志望校、回数、曜日、科目など）。話された言葉のまま
3. course_changes … 受講の変更。status は agreed / requested / considering
4. promises … 約束。owner は school / family / both。due_text は話された言葉のまま
5. next_meeting … 次の面談の時期。話に無ければ null

【厳守事項】
- 受講の変更は、教室長の提案と保護者の承諾の両方が文字起こしにあるときだけ
  agreed にしてください。希望だけなら requested、検討なら considering です。
- 期日を日付に直さないでください。「来週中」「次の模試の後」はそのまま書いてください。
- 生徒の性格や意欲を評価する言葉を、あなたの言葉で書かないでください。
  保護者や生徒の発言は、発言として引用してください。
- 話に出ていない家庭の事情を推測しないでください。
- 各項目に、根拠にした文の番号 sentence_id と、その文を evidence にそのまま写してください。
- low_confidence の印が付いた文から取った項目は、low_confidence を true にしてください。
- <生徒> <保護者> などは置き換えた記号です。中身を推測しないでください。

【講座の一覧】{course_master}
【文字起こし（文番号・話者・信頼度の印つき）】{sentences}

agreed の条件を、両方の発言がそろうことに置いたのが要です。 生成AIは、面談の流れから「増やす方向で決まった」と読み取りがちです。決まったかどうかは、言葉で確かめられる形にしておきます。

期日を日付に直させないのは、行事の日付を渡していないからです。 渡せば直せますが、直した日付が誤っていても、教室長は気づきにくくなります。 計算は規則の側に置きます。

出力形式を固定する

次の形のJSONで受け取ります。 Azure OpenAI の構造化出力で、このスキーマに従わせます。

{
  "study_status": [{ "text": "", "speaker": "teacher | parent | student | family",
                     "sentence_id": 0, "evidence": "", "low_confidence": false }],
  "family_wishes": [{ "text": "", "sentence_id": 0, "evidence": "" }],
  "course_changes": [{ "course": "", "change": "",
                       "status": "agreed | requested | considering",
                       "sentence_ids": [0], "evidence": "" }],
  "promises": [{ "what": "", "owner": "school | family | both",
                 "due_text": null, "sentence_id": 0, "evidence": "" }],
  "next_meeting": null
}

構造化出力では、すべての項目を必須にし、省略したいものは null との共用体型で表します。 オブジェクトには additionalProperties: false が必要です。due_text を null にできる型にしておくと、「期日を言わなかった約束」を機械で拾えます。

中継の処理は、due_text を日付に直します。

due_unresolved と仮の期日は、確認画面で色を変えます。 期日のない約束は、予定表に載った時点で「いつかやること」になり、漏れていきます。

システムへ連携する

講師への連絡は、教室長が印を付けたものだけです。 確認画面で学習状況の各行に「講師へ」の印を付けると、確定の後に生徒の管理システムの連絡欄へ入ります。保護者の発言をそのまま講師に回すと、家庭の事情まで広く伝わることがあるため、選んで渡します。

予定の登録には、Microsoft Graph の予定の作成のAPIを使います。 ユーザーの指定した予定表に予定を作るAPIで、必要な権限は Calendars.ReadWrite です。transactionId を付けると、再送したときにサーバー側で余計な重複を減らせるとされています。 通信の失敗で再送しても、同じ約束が2つ載らないようにします。

予定の件名には、生徒の氏名ではなく生徒IDと約束の中身を書きます。 予定表は教室の職員全員が見ます。氏名は、予定から生徒の管理システムへのリンクを開いた先で見る形にします。

人が確認する

確かめるのは、面談をした教室長です。 面談の当日中に、確認画面で次の順に見ます。

1. course_changes を最初に見る … agreed が本当に合意だったかを確かめます。授業料に直結するので、ここだけは根拠の文を必ず読みます
2. promises の owner と期日を確かめる … 教室側の約束か家庭側の約束か、期日は合っているかを見ます
3. 前回の約束に印を付ける … 確認画面に並んだ前回の約束が、果たされたかに印を付けます
4. 記録を確定する … 確定した後に、予定表への登録と申請票の下書きが動きます

確認画面には、根拠の文の音声へのリンクを付けます。 low_confidence の文から取った項目は、文字だけでは確かめられないことがあります。数秒の音声を聞けば済むようにしておくと、確認の時間が延びません。

1番目を省かないでください。 requested を agreed に直すのは教室長の判断で、保護者に確かめずに直すと、第3章の（c）がそのまま残ります。 迷ったら considering のままにし、保護者への確認を約束として予定に載せます。

例外に対処する

上から2行目は、運用で減らします。 決まった言葉で始めることを、面談の手順書の最初に書きます。話者の取り違えは、学習状況を誰が言ったかを入れ替え、記録の意味を変えます。

記録を残す

• 録音の同意の有無と、確かめた日時
• 元の音声ファイル（記録の確定後、教室で決めた期間で消す）
• 文字起こしの全文と、文ごとの話者・時刻・信頼度
• 生成AIの出力と、教室長が直した箇所
• 予定表に登録した約束と、その結果（成功・再送）
• agreed の受講の変更と、申請票を出した日

音声を消す期間を先に決めておくのは、未成年の声を必要以上に持たないためです。 記録が確定し、受講の変更の申請が済めば、音声の役目はほぼ終わります。文字起こしと確定した記録で、後から経緯をたどれるようにしておきます。