ソースネクストの買い切り型AI文字起こしソフト、RecText AI 2が登場。話者分離機能を新搭載し、グレードアップした最新版をチェック

ソースネクストから3月31日、AI文字起こしソフトの新バージョン「RecText AI 2」が発売されました。価格は9,980円（税込）のダウンロード版で、初代と同じく買い切り型・オフライン処理という基本コンセプトを引き継ぎつつ、複数の新機能が加わっています。DTMステーションでは昨年6月、初代の「RecText AI」を取り上げましたが、そのときのレポートで「AutoMemoにはあるが、RecText AIにはない」と指摘した話者分離機能がついに搭載されるなど、実用性が大幅にアップした内容になっています。

DTMや音楽制作とは直接の関係はないものの、歌声合成・音声合成・音声認識という流れでさまざまな技術を追いかけてきたDTMステーションとして、その最新情報をお届けします。なお今回、4月14日～27日の2週間使えるDTMステーション読者向けの割引クーポンも用意されています。詳しくは記事の末尾をご覧ください。

ソースネクストから買い切り型の文字起こしソフト、RecText AI 2がリリースされた

RecText AI 2の基本コンセプトは変わらず、買い切り＆オフライン処理

まず前作のおさらいから。RecText AIは、サブスク料金も従量課金も一切かからない買い切り型のAI文字起こしソフトです。昨今、ソースネクストのAutoMemoをはじめ、サブスク型の文字起こしのサービスはいろいろあります。そうした中、このRecText AI 2は音声データの処理をすべてローカル環境で行うオフライン処理が最大の特徴で、機密情報や個人情報をクラウドに送りたくない企業・個人にとって心強い選択肢となっています。

各種音声ファイル、動画ファイルを文字起こしできるほか、オンラインミーティングなどを録画、録音して文字起こしすることも可能

文字起こしエンジンにはAutoMemoと同じOpenAIのWhisperを採用しており、正解率92.1%（※ソースネクスト調べ）という精度で日本語音声をテキスト化します。またデフォルトでは日本語ですが、英語の文字起こしを設定することも可能になっています。動作環境はWindows 11/10（64ビット版）限定で、推奨CPUはCore i7以上、推奨メモリは16GBとなっています。

待望の話者分離機能を新搭載

RecText AI 2の最大のアップデートポイントは、話者分離機能の新搭載です。会議や取材などの複数人が参加する場面でも「誰が何を話したか」が自動的に切り分けられ、後から各話者に名前を登録することで、発言者が一目でわかるようになりました。AI要約を作成する際にも話者情報を含めて整理できるため、議事録作成の手間を大幅に削減できます。

RecText AI 2になり話者認識が可能になった

前作のレビューでは、AutoMemoと比較したときのRecText AIの弱点として話者分離がない点を挙げていました。インタビュー記事を多く手がける私自身としても、この機能がないためにAutoMemoからRecText AIへの乗り換えを見送っていました。でも今回の搭載で、その大きなハードルが一つ取り除かれた形です。

話者人数を指定することでより精度の高い話者認識ができる

ちなみにAutoMemoの場合は、すべて自動的に話者分離が行われますが、RecText AI 2の場合は、まず文字起こしを行い、その後に「話者の分離」というボタンを押すと話者分離が行われる形です。また、この際、自動で何人いるかが判定はされるのですが、何人の話者がいるかを指定することで、より正確な話者分離を実現できるようになっています。

バックグラウンドで文字起こし、体感時間が短縮

2つ目の新機能はバックグラウンド文字起こしです。従来は録音・録画の終了後に文字起こし処理が始まっていましたが、RecText AI 2では録音・録画と並行してバックグラウンドで処理が進みます。やはりAIを使った処理なので、それなりのCPUパワーを喰うことは事実ですが、GPUなどは必要とせず、ノートPCなど普通のパソコンで十分機能してくれるのも嬉しいところ。

使うPCのスペックに応じて速度を設定することが可能

なお、どのくらいの時間がかかるかはCPU性能にもよりますが、多少精度を落とすことで、処理速度を上げることも可能。そのための設定も用意されています。いずれにせよ、バックグラウンドで処理させることができるので、長い収録でもできあがるまでの待ち時間が体感的に短く感じられ、作業効率が向上します。

複数ファイルの一括登録とフォルダ監視機能

ファイル文字起こしの際に複数ファイルをまとめて登録できるようになりました。ボイスレコーダーやスマートフォンで録音した複数のファイルをまとめて投げ込めるので、1ファイルずつ処理していた手間が省けます。対応形式もmp4、wmv、wav、mp3に加えてm4aが新たに追加されています。

フォルダを指定して監視させることで、そこに入れたファイルを自動で文字起こしできる

さらに、特定のフォルダを監視して自動で文字起こしを実行する機能も追加されました。指定フォルダに新しいファイルが追加されると自動的に処理が走るため、取材や会議の録音データを決まった場所に保存するだけで、気がつけば文字起こしが完了しているという運用が実現します。深夜寝ている間や、外出している間に大量のファイルを定期的に処理するような使い方において、特に効果を発揮しそうです。

録音開始前のメモ・ファイル名設定

メモ機能も強化されています。従来は録音中にのみメモが取れましたが、録音開始前にもメモやファイル名を設定できるようになりました。「この収録の目的は何か」「後で何を確認したいか」といったことをあらかじめ書き留めておけるので、長い録音の後でファイルを見返したときに内容を把握しやすくなります。録音・録画データと紐づいて保存されるため、メモが散逸する心配もありません。

メモ機能やブックマーク機能も搭載されている

出力形式にCSV、JSON、XML、MDを追加

これまで文字起こし結果の出力形式はテキストファイルが中心でしたが、RecText AI 2ではCSV、JSON、XML、Markdownが新たに追加されました。さまざまなアプリや業務フローへの連携がしやすくなっており、用途に応じて使い分けられます。

文字起こしした結果は各種ファイル形式で保存できる

たとえばCSV形式であれば、ExcelやGoogleスプレッドシートにそのまま取り込んで、発言者ごとの発言回数を集計したり、複数回の会議データを並べて比較したりといった活用が考えられます。Markdown形式であれば、ブログ記事や議事録の下書きとしてそのままエディタに貼り付けて編集を始めることができ、テキストをコピー＆ペーストし直す手間が省けます。JSONやXML形式は、自社の業務システムや他のアプリケーションとデータを連携させたい場合に役立つもので、開発者やIT担当者にとっては特にありがたい追加といえそうですね。

AutoMemoとの棲み分けは変わらず

RecText AI 2の登場によっても、AutoMemoとの棲み分けの基本方針は変わりません。AutoMemoはクラウド処理・多言語対応・Mac/iOS/Android対応・AI要約・共有機能などを備えたサブスクリプション型サービスであるのに対し、RecText AIはWindows限定で日本語と英語の対応ながら買い切りでオフライン処理が可能という、対照的なポジションです。

サブスク型で利用するAutoMemo R

私自身は、AutoMemoのヘビーユーザーでもあり、月々サブスク料金を支払って使っています。月額1,480円という金額なので、RecText AI 2へ乗り換えるのもありではあるのですが、個人的にはAutoMemoはやめられない、というのが正直なところではあります。

確かに文字起こしも話者認識も精度的にみて、RecText AI 2になったことで、AutoMemoと大きく変わらないレベルになったと思います。ただAutoMemoの場合、日本語の設定で英語や中国語の文字起こしをすると、自動的に日本語に翻訳してくれるというのは手放せない理由の一つ。そして何より、AutoMemo Rというハードを利用しているため、電源のON/OFFやアプリの起動、録音ボタン操作などが不要で、スイッチ一つで即録音・終了ができる便利さからはもう戻れないというのも重要なところ。またAutoMemo Rは録音した結果が自動でWi-Fiを通じてアップロードされ、文字起こししておいてくれるというは、ものぐさな筆者にとっては手放せない機能ともなっているからです。

とはいえ多くの人にとっては、認識精度が上がり、話者分離機能が搭載され、さらにバックグラウンドで処理できて、何より買い切りだからこれ以上コストがかからないというのは絶対的に大きなメリット。しかも機密性が求められる環境での会議録音といったことを考えると、RecText AI 2は有力な選択肢になりそうです。

【関連情報】
RecText AI 2 製品情報

【関連記事】
AI音声文字起こしソフト、RecText AIがソースネクストから発売。買い切り型でオフライン処理、機密性を重視した文字起こしツール

【価格チェック&購入】
◎ソースネクスト　⇒　RecText AI 2（9,980円・税込）