AI文字起こしの精度を上げたい、と思ったとき、多くの人はマイクを買い替えるか、専門用語の登録機能を探します。ただ、Microsoftの公式ヘルプを読むと、会議の件名や招待、添付ファイルまでが精度の向上に使われると書かれていました。つまり、マイクの前に座る前から、勝負はある程度ついています。
この記事では、公式が挙げているベストプラクティスと、会議を立てる段階でできることを手順にしました。内容はMicrosoftとGoogleの公式ヘルプで確認したものです。
結論：会議を立てる段階で、精度はもう動いている
先に全体像を示します。精度に効く要素は、話し方と機材だけではありません。公式の記述を読むと、対策は「会議中にやること」と「会議を作るときにやること」の2つに分かれます。後者のほうがほとんど知られていませんが、労力あたりの効果は大きい。
公式が使うと明記しているもの
Microsoftの公式ヘルプには、よくある質問として「Teamsでは、キャプションを作成するためにどのようなデータを使用しますか?」という項目があります。その回答が重要です。Teams会議キャプションを生成するMicrosoft自動音声認識（ASR）テクノロジサービスは、会議の件名、招待、参加者名、添付ファイル、参加者の最近のメールを使用して、キャプションの精度を高める場合がありますと書かれています。同じ趣旨の注記が、ベストプラクティスの末尾にもあり、そこでは「会議のタイトル、招待状、参加者名、添付ファイル」が挙げられています。つまり、会議の件名を雑に書くと、それだけで不利になる可能性があるということです。
順番を入れ替えると効率がいい
この事実を知ると、対策の順番が変わります。まず会議を作るときに、件名を正確に書き、関連資料を添付する。次に会議中、話し方と環境を整える。そして最後に、それでも合わない固有名詞を人が直す。多くの人は3番目から始めて、毎回同じ単語を直し続けています。1番目は1回の設定で済むうえ、以降の会議すべてに効きます。労力あたりの効果がいちばん大きいのがここです。
精度対策の順番
1は一度やれば以降の会議にも効く。3は毎回発生する。
キャプションと文字起こしは別物
精度の話に入る前に、用語を整理しておきます。公式ヘルプには「Teamsではキャプションを保存しません。会議のトランスクリプトが必要な場合は、文字起こしをオンにします。会議後にトランスクリプトをダウンロードできます」と書かれています。つまり、画面に出ているキャプションは会議中に読むためのもので、あとから読み返す記録がほしいなら文字起こしを別にオンにする必要があります。ここを混同したまま「精度が悪い」と言っていると、そもそも残っていない、という事態になります。なお、キャプションに表示されるユーザーを特定できないようにする設定もあり、参加者は会議のキャプションやトランスクリプトで自分のIDを非表示にできると案内されています。
人が作るキャプションという選択肢もある
公式ヘルプは、Teamsでライブキャプションを取得する方法として2つを挙げています。1つはTeamsが提供する組み込みのキャプション。もう1つがCART（通信アクセスリアルタイム翻訳）キャプションで、これは人間が生成するキャプションだと説明されています。AIの精度をどれだけ上げても届かない場面、たとえば正確さが強く求められる説明会や、専門用語が密に出る会議では、選択肢として存在することを知っておく価値があります。「AIで精度を上げきる」以外の道が公式に用意されている、という事実は、社内で期待値を調整するときにも使えます。
公式が挙げる5つのベストプラクティス
まず、会議中にできることから確認します。公式ヘルプには「ライブキャプションの精度を高めるためのベストプラクティス」として5つが並んでいて、どれも今日から実行できます。機材を買う必要があるのは最後の1つだけです。
話し方と距離
1つ目と2つ目は、話し方と位置の話です。公式は「はっきりとゆっくり、直接マイクに向かって話します」としたうえで、「マイクからの距離が大きくなると、キャプションの精度が落ちる可能性があります」と書いています。ノートパソコンの内蔵マイクで、体を後ろに引いて話している状態が、いちばん不利だということです。高価な機材を買う前に、口とマイクの距離を縮めるだけで変わる可能性があります。会議室でスピーカーフォンを囲んでいる場合も同じで、遠い席の人の発言から崩れます。対面の会議を記録するなら、話す人の近くに端末を置く、という運用のほうが効きます。
環境と、同時発話
3つ目と4つ目は、環境の話です。公式は「周りに雑音のある場所は避けます」と「複数のユーザーが同時に発言しないようにします」を挙げています。後者は精度の話として意外に思われるかもしれませんが、重なった音声は聞き分けが難しくなります。日本語の会議は相づちが多いので、ここは実際に効きます。記録を取る会議では、相づちを声ではなくリアクションのボタンで返す、と最初に決めておくと、それだけで文字起こしが読みやすくなります。マナーの問題ではなく、記録の品質の問題として共有すると受け入れられやすいです。
機材
5つ目が機材です。公式は「利用可能な最高品質のTeams認定機器を使用してください」としています。ここで注意したいのは、認定機器という条件が付いている点です。高価なマイクであれば何でもよいという書き方にはなっていません。すでに社内で支給されているヘッドセットがあるなら、まずそれを使う。新しく買う場合は、認定されているかどうかを確認してから選ぶ。順番としては、機材はいちばん最後で構いません。話し方と距離と環境を整えないまま機材だけ変えても、効果は限定的です。
会議の「入れ物」が精度に使われる
ここが本記事でいちばん伝えたい部分です。会議中の努力より、会議を作るときの一手間のほうが効く可能性があります。公式の記述をそのまま引いたうえで、明日の会議から実務に落とすところまで読み解きます。知っているかどうかだけで差がつく部分です。
件名・招待・参加者名・添付ファイル
公式ヘルプのFAQにある記述を、もう一度正確に引きます。Teams会議キャプションを生成するMicrosoft自動音声認識（ASR）テクノロジサービスは、会議の件名、招待、参加者名、添付ファイル、参加者の最近のメールを使用して、キャプションの精度を高める場合があります。ここから読み取れることは具体的です。会議の件名に正式な製品名やプロジェクト名を書いておけば、その語が出てくる可能性が上がります。招待の本文に議題を書いておけば、そこに出てくる用語も同様です。参加者名が入っているということは、出席者の名前は比較的正しく出やすいということでもあります。
実務に落とすと
やることは3つです。1つ目、会議の件名を略さずに書く。「定例」ではなく「◯◯プロジェクト 第3回 定例（仕様確定）」のように書く。2つ目、招待の本文に議題を箇条書きで入れる。ここに専門用語や社内の略語を正式表記で書いておきます。3つ目、関連資料を会議に添付する。公式が添付ファイルを挙げている以上、議題に関わる資料を添えておく意味があります。どれも記録のためだけの作業ではなく、参加者にとっても親切なので、定着しやすいのが利点です。「会議の準備をちゃんとすると、記録も良くなる」という形になっています。
語彙登録を探す前に
専門用語が正しく出ない、という悩みに対して、多くの人はまず辞書登録や用語集の機能を探します。ただ、公式ヘルプのベストプラクティスに語彙登録は出てきません。代わりに挙げられているのが、話し方・距離・雑音・同時発話・機材の5つと、先ほどの会議情報の活用です。つまり、公式が案内している範囲では、用語を覚えさせるより会議の文脈を渡すほうが本筋だということになります。もちろんツールによっては用語登録の機能を持つものもありますが、Teamsのライブキャプションについて公式が挙げている手段は、ここまでで見たものです。
言語設定は精度そのもの
ここは設定ひとつの話ですが、外すと他の対策が全部効かなくなります。公式も、精度を上げるための設定としてはっきり位置づけています。仕組みと、設定がずれたときにどうなるか、そして変えようのない構造的な制約まで押さえておきます。
話し言葉を、実際に話す言語に合わせる
公式ヘルプは、話し言葉の変更について「会議の話し言葉を、より正確なキャプションのためにユーザーが話している言語に設定します」と書いています。精度のための設定だと明言されているわけです。そして、ユーザーが会議で設定されている話し言葉とは異なる言語を話している場合、Teamsは言語の不一致を検出します。検出されると、会議の開催者、共同開催者、トランスクリプトのイニシエーター、または文字起こしを有効にした機能のイニシエーターに、話し言葉を更新するよう求められます。この通知が出たときは、精度が落ちているサインなので無視しないでください。
設定はひとつしか持てない
ここに構造的な制約があります。話し言葉の設定は会議にひとつで、変更するとすべてのユーザーのキャプションと文字起こしの言語が変わります。自分だけ別の言語で見る、ということはできません。つまり、日本語と英語が行き交う会議は、どちらに設定しても片方の精度が落ちるということです。対策としては、言語が混ざる会議では記録に期待しすぎない、あるいは言語ごとに会議を分ける、という運用側の判断になります。精度が出ないのは設定の失敗ではなく、仕様の範囲外の使い方をしている、と理解しておくと無駄な試行錯誤が減ります。
イベントでは言語を事前に選ぶ
通常の会議ではなく、タウンホールやライブイベントを使う場合は、設定の仕方が変わります。公式ヘルプによると、開催者は出席者がライブキャプションを表示できる言語を事前に選択します。選べるのは50を超える言語の中から6つ、Premiumを持っている場合は10言語です。出席者は、事前に選択された言語のうち1つでのみ、翻訳されたキャプションを見ることができます。設定は、Teams予定表でイベントを開き、詳細から会議オプションの設定を選び、出席者のキャプションを翻訳する項目で言語を選んで適用します。当日になって「この言語がない」と言われても増やせないので、参加者の顔ぶれを見て事前に決めておく必要があります。
翻訳キャプションにはライセンスが要る
翻訳について、公式ヘルプには条件が書かれています。会議でのライブ翻訳キャプションは、Teams PremiumおよびMicrosoft Copilotの一部として利用できるとされ、これらはアドオンライセンスだと説明されています。ここで実務的に重要なのが、誰が持っているかで挙動が変わる点です。会議の開催者がTeams PremiumまたはMicrosoft Copilotのライセンスを持っている場合、すべての会議参加者は、特定のライセンスを必要とせずに翻訳されたキャプションと文字起こしを使用できます。一方、個々の参加者だけが持っている場合は、その参加者にのみ翻訳の選択肢が表示されます。海外拠点との会議では、誰が会議を立てるかで参加者全体の体験が変わる、ということです。
Google Meetの場合の違い
使っているサービスが違えば、効く手も変わります。Google Meetの公式ヘルプには、精度に直結する制約がいくつか書かれています。Teamsと同じ感覚で使おうとすると足元をすくわれるので、先に確認しておきましょう。
対応言語が8つ
Googleの公式ヘルプによると、会議の文字起こしが使える言語は、英語・フランス語・ドイツ語・イタリア語・日本語・韓国語・ポルトガル語・スペイン語の8つです。日本語は含まれているので、日本語の会議はそのまま記録できます。Teamsが日本語を含めて50以上の言語に対応しているのと比べると、対応の幅はかなり違います。海外拠点を含む会議で、参加者の言語が8つの外にある場合は、そもそも選択肢に入りません。精度以前に、対応しているかどうかから確認する必要があるということです。
記録されない範囲がある
もうひとつ、精度とは別の意味で知っておきたい制約があります。公式ヘルプは、文字起こしに含まれるのは「会議で話された言葉のみ」だと明記しています。チャットに流れた補足やURLは文字起こしには残らず、チャットまで記録したい場合はビデオ会議の録画が必要になります。会議中にチャットへ決定事項や固有名詞を書く文化がある職場では、記録の半分が落ちることになります。文字起こしの精度を上げる前に、そもそも記録の対象になっていない情報がないかを確かめてください。これは設定では解決しません。
データはどう扱われるか
精度の話をすると、必ず出てくるのが「会議の音声はどう扱われるのか」という質問です。社内で導入を通すときにも必ず聞かれます。公式ヘルプのFAQに答えが書かれているので、資料を作らなくてもそのまま説明に使えます。3点だけ覚えておけば足ります。
処理の範囲と保存
公式ヘルプは、ライブキャプションに提供するために使用されるデータをどこで処理するかという問いに対し、「組織が拠点を置く地理的な地域内でのみデータを処理します」と回答しています。また、データにアクセスできる人については、「Microsoft ASRはユーザーの介入がないため、すべてのユーザーはどんなときでも会議の音声やその他の会議情報にアクセスすることはできません」とされています。保存についても明確で、「キャプションデータは、会議終了後に完全に削除されます」と書かれています。社内説明のとき、この3点はそのまま使えます。
処理を避ける方法も書かれている
FAQには「Teamsがこのデータの処理を開始する必要がない場合は、これを回避することはできますか?」という項目もあり、回答は「はい。ライブキャプションを有効にしないだけでできます」です。つまり、機能をオンにしない限り処理は始まりません。加えて、翻訳についてはAzure Cognitive Servicesを搭載したMicrosoft音声翻訳テクノロジを使用していると説明されています。なお細かい仕様として、公式ヘルプには隠語はアスタリスクで覆われるとも書かれています。記録を読んで伏せ字が出てきたときは、不具合ではなく仕様です。
それでも合わないときの最後の一手
ここまでやっても、社内の略語や人名は完全には出ません。最後は運用でカバーします。ただし、全部を直そうとしないことが大事です。時間をかける場所を絞り、そのうえで直した内容を次の会議に持ち越す方法まで決めておきます。
直すのは3種類だけ
文字起こしを全文チェックすると、会議と同じ時間がかかります。実務で直す価値があるのは3種類です。決定事項に含まれる固有名詞、担当者の名前、期限の日付。この3つだけを見て直します。逆にいえば、雑談の部分や言い回しの揺れは直しません。記録の目的が「あとで決定を確認できること」なら、その3つが正しければ機能します。全文を正しくしようとした時点で、自動化のメリットが消えます。ここは割り切りの問題で、チームで合意しておくと罪悪感なく進められます。なお公式ヘルプによると、Teamsはキャプションを保存しません。会議後に読み返せる記録が必要な場合は、キャプションではなく文字起こしをオンにしておく必要があります。
次の会議に反映させる
最後に、直した内容を次に活かす方法です。公式が会議の件名・招待・添付を精度に使うと書いている以上、今回うまく出なかった固有名詞を、次回の招待の本文に正式表記で書いておくのが理にかなっています。用語集を別に作って管理するより、会議の招待に書くほうが手間が少なく、参加者にも見えます。定例会議なら、招待のテンプレートに主要な用語と略語の正式表記を一度書いておけば、以降ずっと効き続けます。修正を記録に残すのではなく、次の会議の入れ物に移す。これが、同じ作業を繰り返さないための考え方です。
まとめ
AI文字起こしの精度は、会議中の努力だけで決まりません。Microsoftの公式ヘルプは、ASRが会議の件名、招待、参加者名、添付ファイル、参加者の最近のメールを使ってキャプションの精度を高める場合があると明記しています。だから、会議を作るときに件名を略さず書き、招待の本文に議題と正式な用語を書き、関連資料を添付する。ここがいちばん効率のいい対策です。
会議中は、公式が挙げる5つを守ります。はっきりゆっくり直接マイクに向かって話す。マイクとの距離を縮める。雑音のある場所を避ける。同時に発言しない。そして認定機器を使う。あわせて、話し言葉の設定は「より正確なキャプションのため」のものなので、実際に話す言語に合わせます。不一致が検出されたら精度が落ちているサインです。
サービスによる違いも押さえてください。Google Meetの文字起こしは日本語を含む8言語で、会議で話された言葉のみが対象です。チャットは残りません。そして最後の手直しは、決定事項の固有名詞・担当者名・期限の3つに絞る。直した用語は、次回の招待に正式表記で書いておく。修正を繰り返すのではなく、会議の入れ物のほうを直すと、同じ作業が減っていきます。
よくある質問（FAQ）
専門用語を登録する機能はありますか
Teamsのライブキャプションについて、公式ヘルプが精度向上の手段として挙げているのは、話し方・距離・雑音・同時発話・認定機器の5つと、会議の件名・招待・参加者名・添付ファイル・参加者の最近のメールの活用です。用語を登録するより、会議の件名や招待に正式表記を書くほうが、公式の案内に沿った方法になります。
高いマイクを買えば精度は上がりますか
公式は「利用可能な最高品質のTeams認定機器を使用してください」としており、認定という条件が付いています。ただし順番としては、はっきりゆっくり話すこと、マイクとの距離を縮めること、雑音を避けること、同時に発言しないことが先です。機材だけ変えても効果は限定的です。
会議の音声はどこで処理されますか
公式ヘルプは、ライブキャプションに使用されるデータについて「組織が拠点を置く地理的な地域内でのみデータを処理します」と回答しています。また、キャプションデータは会議終了後に完全に削除されるとも書かれています。処理を避けたい場合は、ライブキャプションを有効にしなければ始まりません。
日本語と英語が混ざる会議はどうすればいいですか
話し言葉の設定は会議にひとつしか持てず、変更するとすべてのユーザーの言語が変わります。自分だけ別の言語で見ることはできません。混在する会議では、どちらに設定しても片方の精度が落ちます。言語ごとに会議を分けるか、記録に期待しすぎない運用が現実的です。
チャットに書いた決定事項は文字起こしに残りますか
Google Meetの公式ヘルプは、文字起こしに含まれるのは「会議で話された言葉のみ」だと明記しています。チャットまで記録したい場合はビデオ会議の録画が必要です。チャットに決定事項を書く文化がある職場では、記録の対象から漏れることになります。
文字起こしに伏せ字が出てくるのですが
仕様です。公式ヘルプには、隠語はアスタリスクで覆われる、と書かれています。不具合ではないので、設定を探す必要はありません。
公式のベストプラクティスを原文で読む
仕様は更新されます。設定を変える前に、Microsoft Teams 会議でライブ キャプションを使用する（Microsoft公式ヘルプ）で最新の記載を確認してください。