話者分離の仕組みと使い方

話者分離は、音声内の異なる話者を識別し、各セグメントに「話者1」「話者2」などのラベルを付けるAI機能です。

話者分離とは？

話者分離では、声の高さや音色、話し方などの特徴を分析し、誰がいつ話したかを推定します。

話者分離を有効にすると、一続きの文章ではなく、次のように話者ごとに分かれて表示されます。

• 話者1： こんにちは。ポッドキャストへようこそ。
• 話者2： お招きいただきありがとうございます。
• 話者1： さっそく始めましょう。

話者分離を有効化する方法

1. 1音声ファイルをアップロード
2. 2アップロード設定で「カスタムモード」に切り替え
3. 3「異なる話者を識別」のチェックボックスをオン
4. 4話者数を「自動」にするか、2〜10人の範囲で指定
5. 5「文字起こしを開始」をクリック

自動検出と手動カウント

自動検出（推奨）：

• AIが話者数を自動で推定
• ほとんどの場合に最適
• 実際より多く、または少なく識別される場合がある

人数を指定（2〜10人）：

• 実際の話者数を指定
• 人数が分かっている場合はより正確
• インタビューやパネルディスカッションなど、人数が分かっている録音に適している

話者分離のしくみ

AIは次のような特徴を分析します。

• 声の特徴 - ピッチ、トーン、音色
• 話し方のパターン - 速度、リズム、ポーズ
• 音響特徴 - 周波数、エネルギー

次に同じ人物が話したセグメントをグループ化し、「話者 1」「話者 2」などのラベルを割り当てます。

話者分離で最良の結果を得るには

• 話者ごとにマイクを用意する - 一人ずつ別のマイクで録音すると識別しやすくなります
• 発言を重ねない - 複数人が同時に話すと正しく分けにくくなります
• 声の違いが明確な録音を使う - 声の特徴が似ていると誤ってまとめられることがあります
• 音質を保つ - 音質が低いと話者分離の精度も下がります
• 背景雑音を抑える - 雑音が声の特徴の分析を妨げます

話者ラベルの表示

話者分離付きの文字起こし完了後：

1. 1文字起こしを開く
2. 2「文字起こし」タブを開く
3. 3「話者1」「話者2」などの話者ラベルが表示されます
4. 4各セグメントが話者ごとに色分けされます
5. 5タイムスタンプには各話者が話し始めた時刻が表示されます

話者ラベル付きでエクスポート

エクスポート時、対応する形式には話者ラベルが含まれます。

• TXT - 「話者1：」などの表記が付いたプレーンテキスト
• DOCX - 話者名付きで書式設定
• PDF - 話者を識別しやすいレイアウト
• SRT - 話者ラベル付きの字幕（動画向け）

話者分離が苦手なケース

• 似た声 - 声がよく似た2人は混同される場合がある
• 重複する発話 - 複数人が同時に話すと分離が困難
• 音質が悪い - 背景ノイズや低品質録音
• 話者が多い録音 - 人数が増えるほど識別が難しくなる
• 短いやり取り - 非常に速い掛け合い

話者分離の活用シーン

• ポッドキャスト・インタビュー - 誰が何を話したかを確認
• 会議の議事録 - コメントを発言者に紐付け
• フォーカスグループ - 異なる参加者の応答を追跡
• 法的証言録取 - 証人と弁護士を識別
• パネルディスカッション - 複数の話者を区別
• 顧客との通話 - 担当者と顧客の発言を区別