Japanese Conversation Recording

会話の録音

会話の録音は、複数人による議論を記録し、発話を文字起こしし、検出された話者に貢献を割り当てます。この機能は、通常の文字起こしモデルに加えて、別々の話者認識モデルを使用します。

機能の準備

1. 設定 → 会話の録音 を開きます。
2. 話者認識モデルを選択します。
3. モデルの管理 を使用して、必要なファイルをダウンロードします。
4. 会話の録音タブに戻り、録音を有効にします。

利用可能なモデルファミリーは、ライセンスと品質の特性が異なります:

• Standard は CAM++ 埋め込みを使用した Pyannote Segmentation 3.0 を使用します。コンパクトで、商業利用に適した寛容な MIT/Apache 2.0 ライセンスを使用しています。
• High quality は Reverb Diarization と NVIDIA TitaNet-Large 埋め込みを使用して、より強力な話者分離を実現します。そのモデルライセンスは非商用利用のみを許可します。

プロフェッショナルまたは商業録音で使用する前に、モデルのライセンスを確認してください。

会話中

• 新しいセクションのための秒単位のポーズ は、ポーズが新しい会話セクションを開始するタイミングを制御します。
• 予想される話者数 は自動のままにするか、適切な場合は既知の人数に設定できます。
• ライブおよび確定済みのセクションは現在の状態を表示します。
• 検出された話者には、名前を変更するまで Speaker 1 などの一般的な名前が付けられます。
• セクションの名前変更、話者の名前変更、または発言を他の話者に割り当て直すことができます。

会話の録音がアクティブな間は、グローバルなディクテーションおよび音声コマンドのショートカットは無効になります。

感度設定

話者分離感度 は、類似した声をどれだけ容易に分離するかを変更します:

• 感度を低くすると、類似した声が統合されやすくなります。
• 感度を高くすると、類似した声をより積極的に区別しますが、余分な話者が作られることがあります。

音声検出感度 は、検出されたブロックを音声として扱う音量の閾値を制御します。値を高くするとクリック音や背景雑音をより強く拒否し、値を低くするとより静かな音声を検出します。

結果の操作

• 個別の発言をコピーします。
• 段落やセクション全体を削除します。
• 会話全体を開き、必要に応じてタイムスタンプを含めます。
• もう必要でなくなった場合は、会話履歴全体をクリアします。

任意の事実確認

事実確認を有効にすると、設定されたローカル人工知能（AI）強化モデルが検証可能な主張を特定し、Wikipedia の証拠と比較できるようになります。判定は「正確」「部分的に正確」「不正確」「検証不可能」となり、信頼度とソースリンクが含まれます。

プライバシーの境界: 会話テキストは設定された AI 実行環境で処理されます。組み込みモデルを使用している場合は、これがローカルに留まります。Wikipedia には、会話自体ではなく、短い百科事典の検索用語のみが送信されます。事実確認には AI 強化の設定が必要です。

話者認識は確率的です。話者の割り当てや事実確認の判定は支援として扱い、権威ある記録とはみなさないでください。