これもAI技術なのだろうか。音声認識がすごい。たとえばgoogle documentの音声入力機能。これを使うと、字幕作成の苦労も相当削減される。
事例は、youtubeにおおく紹介されているが、わたしの場合、こんな使い方をしている。
音源は、ビデオファイル。サンプルとして、youtubeから、小池知事のコロナ記者会見をDLしておく。（ダウンロードしなくても直接パソコンで再生させてもよい） パソコンの再生音を入力音声としてつかうには、ステレオミキサー機能が必須。 googleアカウントも事前に取得。音源の再生と同時に、google documentのマイクをONにすると、どんどん文字化されている。記者会見の場合、音声がときどきとぎれるので、チェックして、マイクONを操作する必要はあった。まったく無人でというわけにはいかない。出来上がった文章は、コピペで、エディターに移し、再度ビデオ再生させて、修正していく。たったこれだけ。もちろん、字幕にもっていくには、整文化やスポッティングが必要だが、初期段階のキー入力が大幅にへるのはたしか。
似たような機能で、speechnotesというのもある。これも無料。