Gemini Liveを使ってGoogle Meetの文字起こし機能の精度検証 - 早口言葉も試してみた

Gemini Live 同士で会話してもらった

文字起こしの精度を検証するために、Gemini Liveを使用し漫才をしてもらいました。最初に以下の２つの内容をそれぞれのGemini Liveに伝えました。
※Gemini Live用のアカウントは2つ利用しています。

【ツッコミ役向け】
「あなたと漫才がしたいです。あなたはツッコミ役です。適切にツッコミを入れてください」

【ボケ役向け】
「あなたと漫才がしたいです。あなたはボケ役です。振られた話についてボケてください」

ぜひふたりのGemini Liveの会話をお楽しみください。
※いきなり音声が出ますので注意してください。

この会話の Google Meet での文字起こし結果は以下の通りです。

途中でGemini Live001が変にカット・インしてきた部分は削られてしまいましたがそれ以外はすべて正確に文字起こしされていると思います。
はっきり発音すれば問題なく文字起こしできそうです。

ただ、一般的な会議で起こりそうな会話の重複が起きてしまうと文字起こしは行われなくなってしまうようです。

あとGemini Liveの会話は Gemini アプリ （チャットタイプのアプリ)上でログとして残りますが、そのログよりMeetの文字起こしのほうが正確でした。Gemini Live側は言葉の誤認識があったため会話が成立していない部分がありましたが、Google Meet はそのまま文字起こししているので違いが出ているのかなと思います。

余談ですが、Meet で録画と文字起こしを開始すると「ポローン」といった録画の開始音が鳴るのですが、Gemini Liveがその音を聞き取って、「録画と文字起こしを開始するのですね」と反応しました。Meet の録画開始音を認識していることに驚きました。

漫才の精度は低かったですが、文字起こしの精度は高い結果となったことがわかるのではないでしょうか。

早口言葉を試してみた

今度は人の言葉で下記の早口言葉をどこまで認識してもらえるかを試してみました。

「隣の客はよく柿食う客だ x 3回 + 隣の柿はよく客食う柿だ(ちょっと違うことを最後に含めるパターン)」

「赤パジャマ青パジャマ黃パジャマ x 3回 (途中で失敗するパターンのつもりが最初から間違えてたパターン)」

まずは録画データですMeet上のアイコンはGemini Liveになってますが人間が喋っています。

続いて文字起こし結果です。

「。」の位置がおかしいのと、ちょっと変えて喋ったところ、間違えたところは正しく認識されなかったり、そもそも記録されなかったりしています。それでも正しく発音できた場所はほぼすべて間違いなく取得できています。ある程度よくある「言葉」については補正してくれているのではとも思える結果となりました。

まとめ

世の中には色々な文字起こしツールがあり、皆さんそれぞれ文字起こしの精度が気になっていると思います。Google Meetの文字起こし機能を活用することで、会議の効率化が期待できます。発音をはっきりさせる、会話の割り込みを避けるなどの点に注意することで、より正確な文字起こしが可能になると思います。

私はリモート会議での文字起こしのためにUdemyで発声のトレーニングを受けてみたこともあります。Google Meetを使い、発音をはっきりさせるだけで文字起こしがしっかりとできるのであれば、だいぶ工数削減になると思いますので皆さんもチャレンジしてみてはいかがでしょうか！

最後まで読んでいただきありがとうございました。

◆Google Workspaceに関することは、ぜひソフトバンクの窓口又は担当営業までご相談下さい

関連サービス