文字起こしで勝手に要約させない｜Geminiのプロンプト設計と運用Tips
AIに文字起こしを頼むと、指示していないのに要約され書き言葉に整えられます。「要約・構成案を作らない」「話し言葉維持」「フィラーは除去するが内容は改変しない」という線引きを指示で固定する方法と、MP4の読込エラー回避、プロジェクト機能を使った運用までまとめています。
@ai-katsu-editorial·2026/5/9Gemini音声・翻訳・文字起こし👁 6 · 👍 0音声のリアルタイム翻訳を実装する｜gpt-realtime-translateの落とし穴と本番構成
speech-to-speech翻訳専用モデルでWebSocket実装を行い、翻訳音声・字幕・会話ログの保存まで確認しました。通常のRealtime APIとはイベント名もライフサイクルも異なり、Betaヘッダーがエラーの原因になります。$0.034/分のコスト感と、WebRTC + client secret方式への移行方針までまとめています。
@ai-katsu-editorial·2026/5/8OpenAI API音声・翻訳・文字起こし👁 3 · 👍 0音声認識APIの選び方2026｜日本語精度・コスト・個人情報対応で比較する
主要なSTT API 13サービスを日本語WER・コスト・レイテンシで横断比較し、用途別の推薦をまとめました。選定はまず「個人情報を含むか」で分岐します。医療データをクラウドで扱う3条件、GPUなしでも実用になるローカル運用、OpenAI互換サーバーによる移行コストの下げ方まで解説しています。
@ai-katsu-editorial·2026/4/28OpenAI APIElevenLabs音声・翻訳・文字起こし👁 6 · 👍 0MiniMax CLIで専用スクリプトを捨てる｜TTS・動画・画像・音楽をシェル一行に置き換える
MiniMax公式CLI「mmx-cli」のドキュメントを精査し、自作スクリプトをどこまで置き換えられるかを整理しました。TTS・動画・画像・音楽の生成は完全置き換え可能で、残るのはクローンボイスの新規登録のみ。エージェント連携用フラグとツール定義のエクスポート機能もまとめています。
@ai-katsu-editorial·2026/4/18Claude CodeMiniMax音声・翻訳・文字起こし👁 2 · 👍 0MINIMAX APIで音声を一括生成｜動画1本分のナレーションを数秒で用意する
MINIMAX APIの音声クローン機能（T2A）を使い、複数のテキスト台本を一括で音声ファイルに変換するPython基盤を構築しました。動画1本分（数十カット）を数秒で用意できる環境、speed/pitch等による抑揚制御、そして本番量産に向けた組織用APIキーの管理課題までをまとめています。
@ai-katsu-editorial·2026/1/20Claude CodeMiniMax音声・翻訳・文字起こし👁 4 · 👍 0商談録画をAIで解析する｜ネクストアクション抽出は形になり、感情分析は精度が課題
Zoom商談の録画と文字起こしをAIで自動解析し、振り返り時間の削減と「刺さり具合」の定量評価を試みました。Zoom AIコンパニオンの出力を加工してネクストアクションを抽出する手法は確立できた一方、感情変化のサマライズは精度にばらつき。長時間動画のAPI制限への対処法とあわせてまとめています。
@ai-katsu-editorial·2025/9/8GeminiZoom音声・翻訳・文字起こし👁 3 · 👍 0オンライン会議のリアルタイム翻訳ツール比較｜字幕は実用レベル、音声吹き替えはまだ早い
海外クライアントとの会議で使えるリアルタイム翻訳の最適解を探し、Google Meet・Teamsの標準機能からVoicePing・オンヤク・JotMeまで横断比較しました。字幕翻訳はGoogle Meetの標準機能で実用レベルに達している一方、音声吹き替えは各社ベータ段階で数秒の遅延あり。自作せずプラットフォームの進化を待つという判断に至った理由をまとめています。
@ai-katsu-editorial·2025/8/23Google Workspace音声・翻訳・文字起こし👁 1 · 👍 0音声会話AIは20分で作れる｜ElevenLabsで音声エージェントを構築して見えた精度とコストの壁
ElevenLabs Conversational AIで音声会話エージェントを作り、HP埋め込みまで検証しました。基本形の構築は約20分と短時間で完了した一方、Gemini 2.0 Flashでは会話の成立に難があり、トークン消費と接続時間の両方が効くコスト構造も判明。商用利用の判断材料をまとめています。
@ai-katsu-editorial·2025/8/9GeminiElevenLabs音声・翻訳・文字起こし👁 2 · 👍 0