にっしーですよ〜。最近ちょっと面白いことに気づいたんですよ。宮古島で会う事業者さんに「AI、使ってますか?」って聞くと、「テキスト打つのが苦手で…」って答える人が思ったより多い。確かに、スマホを片手に文字を打ち続けるのって、意外と体力も集中力もいるんですよね。
そこで「じゃあ声で入力すればいいじゃないですか」って言うと、「え、それでいけるの?」ってなる。いけます。というか、業務によっては声で入れる方が断然ラクで速いです。今日はその話をしたいんです。
「書く」をやめて「話す」から始まる話
文字起こしというと、なんとなく「会議の録音を後でテキストにするやつ」というイメージがあると思います。それも正しいんだけど、使いどころはそこだけじゃないと思ってて。
もう少し広く考えると、こういうシーンに全部使えるんですよ。
圃場でトマトの状態を見ながら「今日の第3ハウス、実の付き方がいつもより少ない、葉の色も少し黄色みが出てる、水の量変えてみる」ってスマホに向かって喋る。それが文字になる。農業の記録って、畑の中でメモ帳を開いて書くのは正直しんどいんですよ。でも声なら片手で終わる。
ガイドさんが1日のツアーを終えたあとに、その日気づいたことや次のガイドへの申し送り事項を音声でメモしておく。宮古島の海況情報とか、お客さんの反応が良かったポイントとか、文字にしておくと次に活きる情報がたくさんある。でも疲れた体でキーボードに向かうのはキツい。音声なら車の中で帰りながら喋れる。
飲食店の朝礼、テーブルのカドに置いたスマホで録音しておいて、後でそのままテキスト化する。決まり事や変更事項がすぐメモになる。「昨日言ったっけ?」がなくなる。
こういう使い方、「会議の議事録」とは全然ちがうところで使えると思ってるんですよね。
業種別でイメージしてみると
ピンときた業種のやつだけ拾ってみてください。
- 観光業（ガイド・ホテル）
- ガイド説明を日本語で録音してテキスト化しておき、それをAIに翻訳させて他スタッフへの引き継ぎ資料にする流れ、理にかなってると思うんですよ。
- 飲食業
- 朝礼でシェフが今日のスペシャルメニューを説明するとき、それをそのまま録音してテキスト化する。スタッフへの説明資料にもなるし、SNS投稿の下書きにもなります。
- 農業
- 農協への出荷記録や日誌を音声でつけるのが合ってると思います。夕方帰ってきてから「今日やったこと」を3分喋るだけで日誌になる。
- 士業・コンサル系
- お客さんとの打ち合わせを録音しておいて後でクライアント別に議事録を作る流れ。録音の許諾を事前にもらうのが前提ですが、同意を得た上で録ると「あの時こう決めましたよね」の根拠にもなります。
- メディア・コンテンツ制作
- 取材音声をテキスト化して記事の下書きにする流れ、プロのライターも使ってる方法です。話した言葉には書いた文章にはない自然なリズムがあって、それを下書きに使うとライティングが楽になる場面があると思います。
ツールの選び方、シーン別で考えると
文字起こしのツールは大きく3段階に分けると整理しやすいです。
まず試すなら：スマホ標準の音声入力
iPhoneのキーボードのマイクアイコン、Androidも同じ。LINEやメモアプリで試せるし、コストゼロ。精度は普通の発話なら十分使えます。専門用語が多い業種だと少し誤変換が出るけど、日常的なメモなら問題ない感覚があります。まずここから入るのが無難だと思ってます。
業務で使いたいなら：Notta / Otter.ai 系
NottaはAI文字起こしの専用サービスで、話者の識別（誰が話したかを自動で区別する機能）や、自動要約がついてきます。会議録や打ち合わせメモとして使うならここが現実的な選択肢だと思ってて。無料枠もあるので試しやすい。月額は有料プランで数千円の範囲です。
Plaud（プラウド）という録音専用のデバイス型もあって、名刺サイズのハードウェアをポケットに入れておくだけで録音から文字起こしまでできる。スマホを出さなくていいのが便利で、現場系の仕事に向いてると思います。
多言語に対応したいなら：Whisper API
OpenAIが開発したWhisperは100言語以上に対応している文字起こしのモデルです。精度が高くて固有名詞の認識が安定してる印象があります。直接使うにはAPI連携が必要ですが、NottaやNotebookLMなど一部のサービスがWhisperをベースに動いてるので、間接的に触れることはできます。多言語対応が必要な観光業なら、Whisperが裏で動いているサービスを選ぶと安定しやすいと思います。
音声→文字→AI整理の3段ロケット
ここ、僕が一番伝えたい話です。
文字起こしを「テキストに変換して終わり」で使うのは、正直もったいないと思ってて。文字になったあとに、AIやChatGPTに渡して整理させるところまでが1セットなんです。
流れとしてはこうです。
まず声で話す。録音してもいいし、リアルタイムで音声入力してもいい。
次にそれをテキストにする。さっきのNottaでもスマホの標準でも何でも。
最後にそのテキストをAIに貼って「これを箇条書きにまとめて」「これから今日の朝礼の要点を3行で出して」「この打ち合わせメモからアクションアイテムだけ抜き出して」と頼む。
話した言葉って、文章として見ると「えー」「あの」が混じってたり、順番がバラバラだったりするんですよね。それをそのままにするんじゃなくて、AIに整理させる。これが「3段ロケット」のイメージです。
プロンプトの基本的な頼み方についてはプロンプトの基本、これだけ押さえとけば動くで書いてるので、合わせて読んでもらえると組み合わせやすいと思います。
録音と文字起こしをうまくやるコツ
経験上、失敗しやすいポイントがあるので正直に書いておきます。
マイクの距離が思ったより大事
スマホのマイクから30センチ以上離れると、誤変換が増える気がします。車の中で後部座席に向けてボイスメモを録る、みたいな状況は特に精度が落ちやすい。机の上に置いてメモする場合は、スマホを口から20センチ以内くらいに置くのがちょうどいいと思ってます。
専門用語は事前に教えておく
Nottaなどのサービスには「辞書登録」や「カスタム語彙」の機能があります。宮古島の地名（池間、来間、与那覇前浜…）や自社の商品名、業界特有の用語をあらかじめ登録しておくと誤変換がぐっと減ります。最初の設定に10分かけるだけで、精度がかなり変わります。
間（ま）をちゃんと取る
早口で喋り続けると、音声認識が追いつかないことがあります。特に固有名詞の前後は少し間を開ける意識があると認識率が上がる気がします。「今日の〇〇農場の…（少し間）…第3ハウスは」みたいな感覚です。
AIに渡す前に少し見ておく
文字起こしが完成したら、そのままAIに貼る前に10秒でいいから目を通してみてください。名詞の誤変換が混じってることがあって、そのまま渡すとAIも混乱する場合があります。人名・地名・商品名だけでいいのでサッと確認するクセをつけると安定します。
まずは今日の終わりに1分だけ喋ってみて
音声入力と文字起こしに慣れてくると、「書く」という作業の比重が自然と減っていきます。「話すのは得意だけど文章を書くのは苦手」という人に、実はすごく向いてるアプローチだと思ってて。
まずはスマホの音声入力で、今日の仕事の終わりに「今日やったこと」を1分間喋ってメモするところから試してみてください。書くより速いし、やってみると意外と続くんですよ。それに慣れたら、NottaやWhisper系のツールに移ればいい。
音声からナレーションや案内音声に発展させたい場合は、ElevenLabsで日本語ナレーション、声をAIで動画に乗せる方法という話も書いてるので気になったら読んでみてください。会議録として使うなら議事録、録音→AIで要点まとめまで自動と組み合わせると効果的です。
ONEstaでも具体的な使い方の相談乗ってます。「うちの業種だとどう使う?」って話なら、もっとピンポイントで提案できると思うので、気軽に連絡してください。