zoom-notes-jsonl

Zoom の「自分用メモ」に表示される文字起こしを macOS Accessibility (AX) で監視し、会議セッション（自分用メモパネルを開いてから閉じるまで）ごとに1ファイルの JSON Lines として、指定したディレクトリへリアルタイムに追記するだけの常駐ツールです。

発話行（cue）をそのまま出力します。ターン結合・相槌スパニング・無音融合や、話者の自分/自分以外の写像は行いません。話者名は Zoom の表示名がそのまま入ります。Zoom 側が確定後の文字起こしを書き直した場合（音声認識の遅延訂正など）は、同じ seq の訂正版レコードを追記します（後述の revision）。

前提

• macOS 専用。
• アクセシビリティ権限が必須です。システム設定 > プライバシーとセキュリティ > アクセシビリティ で、ビルドしたバイナリ（またはそれを起動したターミナル）を許可してください。未許可の場合は起動時にエラーメッセージを表示して終了します（exit code 2）。
• 会議中は Zoom の「自分用メモ」ウィンドウで文字起こしを開いておいてください。閉じるとそのセッションのファイルが閉じられます。

ビルド

swift build -c release

実行

出力先は --out 引数または環境変数 ZOOM_NOTES_OUTPUT_DIR で指定します。どちらも未指定の場合はカレントディレクトリに出力します。

ZOOM_NOTES_OUTPUT_DIR=~/zoom-transcripts .build/release/zoom-notes-jsonl
# または
.build/release/zoom-notes-jsonl --out ~/zoom-transcripts

出力

会議セッション（自分用メモパネルの検出〜クローズ）ごとに、セッション開始時刻を元にしたファイル名で JSON Lines ファイルが作成されます。

2026-07-02T113105-transcript.jsonl

各行は1発話（cue）を表す JSON オブジェクトです。

{"speaker":"山田太郎","text":"今日は。","start":1751433065.12,"end":1751433065.12,"seq":1,"revision":1}

• speaker: Zoom の表示名（自分/自分以外の判定はしません）
• text: 発話テキスト
• start / end: 検出時の epoch 秒（同値になります）
• seq: セッション内の通し番号
• revision: 訂正版番号（1 始まり）。Zoom 側が確定後に文字起こしを書き直した場合、同じ seq を持つ行が revision を上げて追記されます。読み出す際は同一 seq の中で revision が最大の行を最新の内容として採用してください。

進捗・状態（waiting_panel / active / panel_closed 等）は標準エラー出力にのみログされ、JSONL ファイルには混ざりません。

デバッグ用ツール

ax-dump は Zoom の AX ツリーを調査するための補助ツールです。Zoom 側の AX 構造が変わった場合の調査に使えます。

swift run ax-dump               # 全ウィンドウの AX ツリーをダンプ
swift run ax-dump --watch       # 1秒ごとにテキスト要素の差分を表示
swift run ax-dump --text-only   # テキスト要素のみ列挙
swift run ax-dump --find-notes  # 「自分用メモ」ウィンドウを全プロセス横断で探索
swift run ax-dump --dump-notes  # 「自分用メモ」ウィンドウの構造をダンプ