使いこなし
固有名詞を正しく書き起こすには
社名や人名は、どの文字起こしエンジンでも間違えやすい言葉です。用語集と「この会話について」を条件を変えて試し、何が直り、何が直らないかを数えました。
この記事は、Otonota の開発チームが Otonota の中で行った計測の結果です。結果は、アプリやエンジンの版、録音の機材・距離・部屋、話し方や話題などによって変わります。参考としてご覧ください。
結論
- いちばん効いたのは、文字起こしで実際に出た聞き違い (人名の「柏木さん」が「橋上さん」、計画名の「ハルモニア計画」が「アルモニア計画」と書かれたものなど) を、用語集の読みとして登録しておくことでした。WhisperKit では、架空の社名・人名 10 語のうち正しく出た数が、iPhone で録った音声で 6.5 語から 9 語に、Mac の内蔵マイクで録った音声で 3 語から 7 語に増えました。
- 正しい表記を登録するだけでも、読みが同じで字が違う言葉 (社名の「ナギサ工房」が「渚工房」と書かれたものなど) はそろいます。Mac の録音ではどのエンジンでも 0.5〜2 語、iPhone の録音では WhisperKit で 2 語増えました。
- 直らないものもあります。聞き取れずに抜けた言葉と、その回で初めて出た聞き違いです。用語集を音声認識への「ヒント」として渡しても、Apple 音声認識と OpenAI では、正しく出る固有名詞の数は変わりませんでした。
用語集が効く三つの場所
Otonota の用語集は、1 行に 1 語、「正しい表記(読み)」の形で書きます。Mac 版はセッションごとに、iPhone・iPad 版はアプリ全体で 1 つ持ち、どちらも名前を付けて保存しておけます。登録した言葉は、Mac でも iPhone・iPad でも、次の三つの場所で使われます。
- 表記の補正 — 書き起こした文の中で、登録した読みと同じ読みの言葉を、登録した表記に置き換えます。どのエンジンでも効きます
- 認識のヒント — 音声認識に「この言葉が出てくるかもしれない」と先に伝えます。Apple の純正エンジンと OpenAI (Mac 版だけ) に渡し、WhisperKit には渡しません
- 要約 — 要約や翻訳を作るときに、正しい表記として言語モデルに渡します
このうち、どれがどのくらい効くのかを測りました。台本は 会議の文字起こし、どのエンジンが正確か と同じ架空の定例会議で、架空の社名・人名・計画名が 10 語入っています。どのエンジンにとっても初めて聞く言葉です。
条件を変えて数えた
同じ会議を iPhone と Mac の内蔵マイクで 2 回ずつ録り、用語集の使い方を変えながら文字起こししました。固有名詞 10 語のうち正しく出た数を、iPhone・iPad で選べるエンジン (表 1) と Mac で選べるエンジン (表 2) に分けて示します。用語集の補正は、iPhone・iPad でも Mac でも同じ仕組みで働きます。
iPhone・iPad
| エンジン | 用語集なし | 表記の補正 | 認識のヒント | 補正 + ヒント | + 聞き違えの読み |
|---|---|---|---|---|---|
| AI (Apple Intelligence) | 3.5 | 3.5 | 3.5 | 3.5 | 3.5 |
| WhisperKit large-v3 (量子化) | 6.5 | 8.5 | — | — | 9.0(最良) |
色付きの行は既定のエンジン。WhisperKit は Pro。アプリが認識のヒントを渡さないので「—」で、「+ 聞き違えの読み」は表記の補正だけ。AI (Apple Intelligence) の「+ 聞き違えの読み」は補正とヒントの両方。聞き違えの読みは、Mac で録った 2 回の文字起こしで見つけたもの。
WhisperKit large-v3 (量子化) は、正しい表記を登録するだけで 6.5 語から 8.5 語に、聞き違えの読みを足すと 9 語に増えました。一方、既定の「AI (Apple Intelligence)」はどの条件でも 3.5 語のままでした。この録音では、名前が別の字になるのではなく丸ごと抜けていたので、用語集で直す手がかりがありませんでした。
Mac
| エンジン | 用語集なし | 表記の補正 | 認識のヒント | 補正 + ヒント | + 聞き違えの読み |
|---|---|---|---|---|---|
| Apple 音声認識 (Apple Intelligence) | 2.5 | 3.0 | 2.5 | 3.0 | 4.0 |
| WhisperKit large-v3 量子化 | 3.0 | 5.0 | — | — | 7.0(最良) |
| OpenAI gpt-4o-transcribe | 3.5 | 5.5 | 3.5 | 5.5 | 5.5 |
WhisperKit は「—」と「+ 聞き違えの読み」の扱いが表 1 と同じ。聞き違えの読みは、もう片方の回の文字起こしで見つけたもの。OpenAI は Pro で、自分の API キーを使う。
正しい表記を登録するだけで (表記の補正)、どのエンジンでも少し増えました。社名の「ミナトリンク」が「港リンク」、「ナギサ工房」が「渚工房」と書かれたもののように、読みが同じで字だけ違う言葉が正しい表記にそろったためです。
認識のヒントは、この計測では効きませんでした。Apple 音声認識はヒントの有無で文字起こしが一字も変わらず (iPhone の録音でも Mac の録音でも)、OpenAI も固有名詞の数は同じでした。
聞き違えを読みとして登録する
いちばん効いたのは、文字起こしに実際に出た聞き違いを、読みとして足すことでした。たとえば人名の「柏木 (かしわぎ)」が「橋上 (はしがみ)」と書き起こされていたら、用語集に 柏木(かしわぎ,はしがみ) と書きます。次からは「はしがみ」と読める言葉が「柏木」に置き換わります。
足す聞き違いは、測る録音とは別の録音で見つけたものにしました (Mac の録音は、もう片方の回で見つけたもの。iPhone の録音は、Mac の 2 回で見つけたもの)。同じ会議の答えを見て足したのではなく、前の会議の結果を見て用語集を育てる使い方です。
数値を表で見る
| 項目 | iPhone で録音 | Mac の内蔵マイク |
|---|---|---|
| 用語集なし | 6.5 語 | 3.0 語 |
| 正しい表記を登録 (表記の補正) | 8.5 語 | 5.0 語 |
| 聞き違えの読みも登録 | 9.0 語 | 7.0 語 |
用語集なし
それでは、港リンク社との共同開発の定例会議を始めます。まず先週の宿題だったアルモニア計画の…… 橋上さん ルミナス電子への部品の再発注は…… 渚工房の見積もりも添付します。
聞き違えの読みも登録
それでは、ミナトリンク社との共同開発の定例会議を始めます。まず先週の宿題だったハルモニア計画の…… 柏木さん ルミナス電子への部品の再発注は…… ナギサ工房の見積もりも添付します。
正しい名前と、用語集なしで書き起こされた形: ミナトリンク (社名) → 港リンク、ハルモニア計画 → アルモニア計画、柏木さん (人名) → 橋上さん、ナギサ工房 (社名) → 渚工房。「ミナトリンク」「ナギサ工房」は読みが同じなので正しい表記の登録だけで直り、「ハルモニア」「柏木」は 1 回目の録音で見つけた聞き違いを読みとして足して直った。
Mac の Apple 音声認識は 1 語増え、OpenAI は増えませんでした。聞き違い方が回ごとに違ったからです。Apple 音声認識は「ミナトリンク」を 1 回目に「みなとぎんく」、2 回目に「みなとにんく」と書き、前の回の聞き違いを登録しても次の回には当たりませんでした。
直らないもの
- 抜けた言葉 — 聞き取れずに文字起こしから消えた言葉は、補正のしようがありません
- 初めて出た聞き違い — 用語集に無い読みは置き換わりません。会議を重ねるほど、用語集に読みがたまって効くようになります
- ふつうの言葉と同じ読み — 人名の聞き違いがふつうの言葉 (たとえば「いいな」) だった場合、読みとして登録すると、ふつうの言葉まで置き換わります。登録するのは、会議の中でほかの意味に使わない読みだけにしてください
要約への効き方
用語集と「この会話について」(会議の背景を 1〜3 行で書く欄) は、要約にも渡されます。iPhone Duo で録った会議の文字起こしに、Apple Intelligence の一行要約を 5 行ごとにかけ、要約の中に固有名詞が正しく出た数を条件ごとに数えました (表 3)。計測は iPhone・iPad の仕組みで行いましたが、Mac 版も同じように、用語集と「この会話について」を Apple Intelligence の要約に渡します。
| 条件 | 文字起こし | 要約 |
|---|---|---|
| なし | 4 | 4 |
| 「この会話について」だけ | 4 | 3 |
| 用語集だけ | 4 | 5 |
| 用語集 + この会話について | 4 | 4 |
| D + 聞き違えの読み | 4 | 4 |
E の聞き違えの読みには、この録音自身に出た聞き違いも含めた。
要約に出る固有名詞の数は、どの条件でも 3〜5 語で、はっきりした差はありませんでした。要約は文字起こしをもとに作るので、文字起こしで抜けた名前はふつう要約にも出てきません。用語集を入れた条件 (C〜E) では、文字起こしに無かった「ハルモニア」が要約にだけ出ており、用語集から補われることもありますが、それも 1 語ほどでした。「この会話について」だけを書いた条件 (B) では、かえって 1 語減りました。
用語集の書き方
- 会議に出てくる人名・社名・製品名・略語を、1 行に 1 語で登録します。重要な語を上に置きます (要約に渡すのは先頭の 30 語までです)
- 最初の会議を録ったら、文字起こしを見て、固有名詞がどう聞き違えられたかを探します
- 聞き違いの読みを、括弧の中にカンマで足します (例:
柏木(かしわぎ,はしがみ))。ほかの意味でも使う読みは足しません - 次の会議から効きます。用語集に名前を付けて保存しておけば、会議ごとに切り替えられます (Mac は用語集の画面、iPhone・iPad は設定の「用語集」から)
用語集の画面と書き方は、使い方の 要約と翻訳 (Mac) と 要約と用語集 (iPhone・iPad) にあります。用語集が反映されないときは困ったとき を見てください。アプリの全体は Mac 版・iPhone 版 のページへ。
端末と場面ごとのおすすめは、おすすめ設定の早見表 に 1 枚でまとめています。
計測の方法
- 音声
- 架空の定例会議の台本 (日本語 441 字、約 93 秒)。社名・人名・計画名 10 語はすべて架空。macOS の読み上げ (Kyoko) を机のスピーカーで流し、MacBook Pro の内蔵マイクで 2 回、iPhone Duo で 2 回録音した
- エンジン
- WhisperKit large-v3 量子化、Apple 音声認識 (Apple Intelligence)、OpenAI gpt-4o-transcribe。Otonota 1.1.4 と同じ実装を計測用のコマンドで呼び、MacBook Pro (M4 Max、macOS 27.3) で処理した
- 用語集
- 10 語を「表記(読み)」で登録。聞き違えの読みは、もう片方の回の文字起こし (三つのエンジン) に出た聞き違いを 1 語あたり 0〜2 個足した
- 要約
- iPhone Duo で録った 2 回目の文字起こし (Apple 音声認識) に、アプリと同じ表記の補正をかけ、Apple Intelligence で 5 行ごとに一行要約を作った (Mac 上のシミュレータで実行)
- 数え方
- 10 語それぞれが、文字起こし (または要約) の中に正しい表記で 1 回以上出たか。部分一致 (「ハルモニア計画」の「ハルモニア」) は正しいとした
- 計測日
- 2026 年 11 月 20 日
架空の 10 語と 1 本の台本での結果です。実在の会議 (内容は非公開) でも、聞き違いの読みを足すと文字起こしの固有名詞の誤りが減る傾向は同じでした。認識のヒントの効き方は、エンジンの版や言葉の種類によって変わる可能性があります。
よくある質問
- 文字起こしで社名や人名を正しく出すには、どうすればいいですか?
- 用語集に正しい表記を登録し、文字起こしで実際に出た聞き違いを読みとして足してください (例:
柏木(かしわぎ,はしがみ))。この計測では WhisperKit で、架空の社名・人名 10 語のうち正しく出た数が、iPhone で録った音声で 6.5 語から 9 語に、Mac の内蔵マイクで録った音声で 3 語から 7 語に増えました。 - 用語集に正しい表記を登録するだけで、固有名詞は直りますか?
- 読みが同じで字が違う言葉 (社名の「ミナトリンク」が「港リンク」と書かれたものなど) はそろいます。この計測では 0〜2 語増えました。聞き違えられた言葉は、その聞き違いを読みとして足さないと直りません。
- 用語集を音声認識の「ヒント」として渡すと、認識は良くなりますか?
- この計測では変わりませんでした。Apple 音声認識はヒントの有無で文字起こしが一字も変わらず、OpenAI も正しく出た固有名詞の数は同じ (3.5 語と 3.5 語) でした。効いたのは、書き起こした後に表記をそろえる補正のほうです。
- 「この会話について」を書くと、要約の固有名詞は正しくなりますか?
- はっきりした差はありませんでした。要約に正しく出た固有名詞は、どの条件でも 10 語中 3〜5 語で、「この会話について」だけを書いた条件では 4 語から 3 語に減りました。要約は文字起こしをもとに作るので、まず文字起こしを用語集で直すのが先です。
- 用語集で直せないものは何ですか?
- 聞き取れずに抜けた言葉、用語集にまだ無い新しい聞き違い、ふつうの言葉と同じ読みの聞き違いです。ふつうの言葉の読みを登録すると、その言葉まで置き換わってしまうので登録しないでください。
- iPhone と Mac で、用語集の働きは違いますか?
- 書き起こした後に表記をそろえる補正と、要約に渡す働きは同じです。Mac 版はセッションごと、iPhone・iPad 版はアプリ全体で 1 つの用語集を持ち、どちらも名前を付けて保存できます。認識のヒントは Apple の純正エンジンと OpenAI (Mac 版だけ) に渡し、WhisperKit には渡しません。
オトノタ