ジャーナリスト向けの
文字起こしソフト

MirrorCaptionは、インタビュー中にジャーナリストへライブ文字起こしを提供します。音声はブラウザ内でキャプチャされ、発話が処理されると同時に字幕が表示され、あとから録音をアップロードする必要はありません。60以上の言語に対応し、左右並列の翻訳表示が可能で、文字起こしはブラウザ内にローカル保存され、インタビュー音声をMirrorCaptionのサーバーに保存することはありません。

ジャーナリストがMirrorCaptionを使う4つの方法

なぜジャーナリストは今も文字起こしに何時間も失うのか

1時間のインタビューでも、手作業で文字起こしすると数時間かかることがあります。特に音声に割り込み、訛り、背景ノイズ、複数の話者が含まれる場合はなおさらです。デジタルレコーダーは録音品質を改善しましたが、発話を使える引用に変える作業はなくなっていません。

主流の代替手段はいまも「録音してから処理する」ワークフローです。ファイルをアップロードする、会議エージェントを送る、あるいはキャプチャ後に文字起こしを確認する、という流れです。Revの公開ヘルプセンターの料金では、人力文字起こしは1分あたり$1.99、分課金のAI文字起こしは1分あたり$0.25とされているため、60分の人力文字起こしは税金や追加料金を除いて$119.40からになります。

これらのツールは便利ですが、多くのジャーナリストのワークフローでは、もっと限定されたものが必要です。フォローアップの時間が閉じる前に、インタビュー中に読める文字起こしです。

アップロードして待つ問題

多くの文字起こしツールは、制作ワークフロー、エピソードを編集するポッドキャスター、会議録音を保管する企業向けに設計されています。ジャーナリストのニーズは違います。多くの場合、まだその場にいるうちに何が言われたかを知る必要があります。

閣僚が「we are considering all options」と述べたとき、その言葉を話している最中に正確な表現を読めれば、本当に重要な追加質問ができます。インタビューや会議エージェントの要約が届いてからでないと検索できないなら、ソースはすでにいなくなっているかもしれません。

多言語対応のギャップ

キャプチャ後の問題は、移民コミュニティ、国際情勢、国境をまたぐソースを取材する記者にとってさらに深刻です。Otterは現在6つの文字起こし言語を掲載しており、Otter Chatを通じて翻訳できます。Trint Liveは30以上の言語をライブ検出できますが、Trintの言語ヘルプによると、翻訳はエディタ内で文字起こし後に行われます。Revはプランやサービスに応じてさまざまなAIおよび人力の言語オプションをサポートしていますが、料金と所要時間は変動します。

マイアミのハイチ系ディアスポラ、サンフランシスコの中国系コミュニティ、ブリュッセルの外交手続きを取材するジャーナリストには、別の通訳や24時間待ちなしで言語切り替えに対応できるツールが必要です。ライブのインタビュー業務で、多言語文字起こしツールがめったに解決しない、まさにそのギャップです。

続きを読む前に試してみてください: ブラウザでMirrorCaptionを開く、1時間無料、クレジットカード不要。

リアルタイム文字起こしがインタビューをどう変えるか

アップロードして待つ方式とリアルタイム文字起こしの違いは、単なる速度ではありません。会話中の働き方そのものを変えます。

誰かが話しているそばから文字起こしが表示されれば、正確な言い回しを追えます。口調が変わった瞬間も分かります（より形式的に、より慎重に、より緊張しているなど）。そして文脈が生きているうちに追加質問ができます。何が言われたかを見返しているのではありません。今まさに言われていることを読んでいるのです。

リアルタイムの文字起こしは、メモの取り方も変えます。聞くことと速記を書くことに注意を分ける代わりに、文字起こしを読みながら、分析メモを書きます。何を意味するのか、何を示唆するのか、次に何を聞くべきか。逐語記録は自動的に整います。

60以上の言語で、多言語ソースを文字起こし

ソースが記者の言語を話さないコミュニティを取材する記者にとって、標準的なツールキットはすぐに限界に達します。人間の通訳が理想ですが、常に利用できるとは限らず、費用面でも、機微な会話には適切でないこともあります。Google翻訳のような一般向け翻訳アプリは、ストリーミング音声ではなく短いテキスト向けです。アップロード型の文字起こしツールには、ライブ翻訳レイヤーがありません。

MirrorCaptionは、ソース言語と記者の言語の両方を、隣り合う列で並行表示します。翻訳された任意の単語をタップすると、元になった原語の単語を確認できます。 これは報道の正確性にとって重要です。ソースの言葉を「we had difficulties」と訳すと、実際には「we were threatened」を意味していた表現が見えなくなることがあるからです。左右並列表示なら、引用する前に表現を確認できます。

対応言語には、中国語（普通話）、広東語、日本語、韓国語、アラビア語、ヘブライ語、ヒンディー語、ハイチ・クレオール語、ロシア語、ポルトガル語、スペイン語、フランス語、ドイツ語、そして60以上のその他の言語が含まれます。無料トライアルにはライブ言語機能が含まれ、MirrorCaptionは言語ごとの追加料金を設定していません。

MirrorCaptionで対面インタビューを行う

現場記者は、常にZoomの画面や録音準備済みの環境を持っているわけではありません。インタビューは、裁判所の外の廊下、コミュニティセンター、あるいは台所のテーブルで行われることもあります。MirrorCaptionのTalkモードは、まさにこの状況のために設計されています。

Talkモードの仕組み

スマートフォンのブラウザでMirrorCaptionを開きます。「Talk」をタップします。使う2つの言語、自分の言語とソースの言語を選びます。スマートフォンを表向きにして、2人の間に置きます。どちらかが話すたびに、同じ画面上に両言語の文字起こしがリアルタイムで表示されます。ソースは自分の言語で自分の言葉を読め、あなたは自分の言語でそれを読めます。

録音に慎重なソースにとって、この構成は目に見えて透明です。話しているそばから、何が文字起こしされているかをその場で確認できます。隠れた録音機器も、アップロードされた音声ファイルもありません。ライブ音声は音声認識プロバイダーによって処理され、文字起こしはエクスポートまたは削除するまでブラウザ内にローカル保存されます。

アプリ不要、拡張機能不要、最小限のセットアップ

MirrorCaptionはブラウザベースのプログレッシブWebアプリです。デスクトップのダウンロードも、Chrome拡張機能も、会議ボットも不要です。見慣れないノートPCで記者会見に参加するなら、URLを開くだけです。借りたスマートフォンで担当分野を取材するなら、同じURL、同じインターフェースです。ホスト型の文字起こしでは、付属クレジットを使う前にサインインを求められることがありますが、無料トライアルならクレジットカードなしで1時間使えます。

日常的に使う記者にとって、プレミアムプランは€99の買い切りで、現在の掲載料金ではRevの標準サービスによる60分の人力文字起こし1回分より安価です。より詳しい比較を見たい場合は、最も広く使われているライブ翻訳ツールとの比較をご覧ください。

ソースのプライバシー、音声はどこへ行くのか？

機微なソースを扱うジャーナリストにとって、これはどの文字起こしツールでも信頼する前に尋ねるべき正しい質問です。

Revの人力文字起こしサービスでは、音声が人間の文字起こし担当者に確認される可能性があります。Otter.aiとTrintはアカウントベースのクラウドサービスなので、機微なインタビューの前には保持、管理、共有の制御を確認すべきです。AI会議ツールのプライバシー上の影響は、機微な業務でそれらを使う前に理解しておく価値があります。

MirrorCaptionは別のアプローチを取ります。音声はブラウザ内でキャプチャされ、MirrorCaptionの音声認識サービスでリアルタイム処理されますが、MirrorCaptionのサーバーには書き込まれません。文字起こしはブラウザのローカルストレージ（IndexedDB）に保存されるため、あなたが管理するコピーはデバイスとブラウザプロファイル内にローカルで存在します。

これは、機密扱いまたは法規制のあるソース保護ワークフローにMirrorCaptionが適しているという意味ではありません。そのような状況のジャーナリストは法務に相談すべきです。ただし、単にクラウド録音されたくないというソースに対しては、MirrorCaptionは「このツールは私の音声を保存しますか？」という問いへの、誠実で技術的に裏付けられた答えです。

ジャーナリストがすでに使っているツールとMirrorCaptionの比較

ジャーナリストの文字起こし業務でよく挙げられる4つのツールは、それぞれ異なる形で問題を解決します。

上記の料金と対応言語の記載は、Revの料金、Trint Live、Trintの言語サポート、Otterの料金、およびOtterの対応言語の公式ページで確認しました。

文字起こしの共有、チーム注釈、編集部フィード、会議エージェントのワークフローが必要な共同編集のニュースルームでは、専用のニュースルーム向け文字起こしプラットフォームが必要になる場合があります。また、時間的な緊急性が低い高リスク音声では、有料の人力文字起こしも選択肢です。ライブで多言語のインタビューなら、MirrorCaptionのほうが適しています。60以上の言語でブラウザ文字起こしを提供し、会議ボットもアップロードされた録音ファイルもなく、さらにMac、Windows、iPhone、Android向けのネイティブアプリも利用できます。

これらのツールの精度とプライバシーの違いを詳しく比較したい場合は、AI文字起こし精度比較が、この要約表よりも深く掘り下げています。

次のインタビューの文字起こしを始める方法

ジャーナリストが最もよく遭遇するシナリオ向けの3つのワークフローです。

リモートのビデオインタビュー（Zoom、Teams、Google Meet）

通話を始める前に、別のデスクトップ版ChromeまたはEdgeタブでMirrorCaptionを開きます。Meetモードでは、通話音声を含むキャプチャソースを選び、自分の声のためにマイクキャプチャを有効にしたままにします。会話がライブで進行している間、文字起こしが動作します。通話が終わると、全文がブラウザ内にあり、プレーンテキストまたはMarkdownとしてエクスポートできます。

電話インタビュー

デスクトップでは、スマートフォンをスピーカーにしてMirrorCaptionのマイクキャプチャで通話の両側を拾うか、同意と音質が重要な場合は2台目のデバイスを使います。同一デバイスでのモバイル通話音声はブラウザとプラットフォームに依存するため、デスクトップや2台目デバイスの構成より信頼性が低いものとして扱ってください。

対面での会話

スマートフォンでTalkモードのMirrorCaptionを開きます。両方の言語を選択します。スマートフォンを表向きにして、あなたとソースの間のテーブルに置きます。双方が自然に話し、会話が進むにつれて、それぞれが自分の言語で文字起こしを読みます。別の録音ファイルもアップロード待ちもありません。終わったらセッションメモをエクスポートします。

よくある質問

ジャーナリストはどうやってインタビューを文字起こししますか？

多くのジャーナリストは、手作業の文字起こし、録音先行のAI文字起こし、またはインタビュー中のライブ文字起こしという3つの方法のいずれかを使います。ライブ方式はアップロードして待つ工程を減らし、文字起こしが進む間も会話に集中できます。

ジャーナリスト向けの無料文字起こしツールはありますか？

はい。MirrorCaptionには、クレジットカード不要で1時間無料が含まれます。Otter.aiにも無料プランがあり、月300分の文字起こしが利用でき、現在は英語、スペイン語、フランス語、ドイツ語、日本語、簡体字中国語の文字起こしに対応しています。60以上の言語で左右並列翻訳ができる多言語ライブ文字起こしを試すなら、まずMirrorCaptionがより適しています。

外国語のインタビューを自動で文字起こしできますか？

MirrorCaptionは、文字起こしとリアルタイム翻訳の両方で60以上の言語に対応しています。ソース言語を話者に合わせ、読む言語を選択してください。会話が進むにつれて、文字起こしは両言語で並んで表示されます。後処理も、別の翻訳工程もありません。翻訳された任意の単語をタップすると、元の表現を確認できます。

MirrorCaptionはインタビュー音声を録音または保存しますか？

MirrorCaptionは音声ファイルを録音せず、インタビュー音声をMirrorCaptionのサーバーに保存もしません。ライブ音声はMirrorCaptionの音声認識サービスで処理されます。文字起こしはブラウザのローカルストレージ（IndexedDB）に保存されるため、他の機微なメモと同様に、デバイスのセキュリティ、ブラウザプロファイルへのアクセス、エクスポートを管理する必要があります。

何もインストールせずにMirrorCaptionを使えますか？

はい。MirrorCaptionはブラウザベースのプログレッシブWebアプリです。デスクトップのダウンロードも、Chrome拡張機能も、会議ボットも不要です。会議音声やシステム音声のキャプチャにはデスクトップ版ChromeまたはMicrosoft Edgeを使い、Talkモードやマイクを使った対面会話にはモバイル版Chromeを使ってください。ホスト型の文字起こしでは、付属クレジットを使う前にサインインを求められることがあります。

インタビューが終わる瞬間に使える文字起こし

ジャーナリスト向けの文字起こしソフトウェアは、これまで一つのことを意味していました。録音をアップロードして待つことです。MirrorCaptionはそれを、タブを開いて読みながら進める形に変えます。

多言語ソースを取材する記者、対面の現場取材をする記者、ソースのプライバシーが重要な記事に取り組む記者にとって、この違いは小さな改善ではありません。まったく別の働き方です。言葉が発せられるのと同じ瞬間に、文字起こしが届きます。追加質問はまだ可能です。ソースはまだその場にいます。

多言語のリモートチームに対応する同じツールが、そのままジャーナリストのワークフローにも当てはまります。インタビューとは、すべての言葉が重要な2人の会議にすぎないからです。