Voice Notes

このツールについて

ブラウザだけで動く録音ノートです。話した内容がその場でタイムスタンプ付きの字幕になり、別の言語への翻訳を並べて表示することもできます。会議・講義・口頭メモの記録に向いており、マイクの音声、ブラウザのタブ音声、あるいは両方をミックスした1本のトラックとして録音できます。音声認識は21言語に対応しています。

クラウド型のAI議事録サービスの多くは、botを会議に参加させるか、録音ファイルを外部サーバーへ送る仕組みです。このツールは違います。録音から音声認識、字幕の編集、データの保存まで、すべての処理が手元の端末内で完結するため、機密性の高い会話が第三者のサーバーを経由することはありません。それでいて字幕の検索や柔軟な書き出しといった機能はひととおり揃っています。

録音中は大事な場面にワンクリックでブックマークを打ち、停止後に認識ミスを直せます。音声はM4AまたはWebMで保存でき、字幕はSRT・VTT・TXTで書き出せます。セッションはブラウザ内のデータベースに保存されるので、過去の文字起こしを横断検索したり、バックアップから丸ごと復元したりできます。

書かれている最中に読めなければ、その場の文字起こしに意味はありません。そこで字幕と翻訳はまとめてフローティングウィンドウへ切り離せます。使っているのはdocumentPictureInPicture——フローティング動画と同じ「常に最前面」の仕組みに、動画ではなくドキュメントを載せたものです。OSがこのウィンドウを常に最前面へ保つので、文字起こし対象のビデオ会議そのものや、全画面のアプリの上にも残ります。録音もいっしょに移動します。経過時間、一時停止、ブックマーク、停止が、原文／翻訳／両方の切り替えや文字サイズ、リアルタイム翻訳のオンオフと並んでウィンドウの中に収まっています。このタブで録りながら通話の上で読み進め、相手が日付を口にした瞬間にその場で印を付けられます——ボタンを探してタブを戻る必要はありません。ウィンドウを閉じれば字幕はページに戻り、録音には何も起きません。

話者ラベルの仕組みはあえてシンプルにしています。マイクとタブの音声を同時に録音しているとき、その一文を話している間にどちらの音が大きかったかを比べて「自分」か「相手」かを付けているだけです。声を聞き分ける声紋認識でも、いわゆる話者分離でもないので、通話の向こう側にいる人は全員まとめて「相手」になり、ビデオ会議に相手が三人いても区別はつきません。音源が一つだけのときはラベルを付けません。会議メモも同じくすべて端末内で処理します。要約・要点・アクション項目は Chrome に内蔵されたモデル（Summarizer と Prompt API）があなたの端末上で生成し、文字起こしがブラウザの外に出ることはありません。