会議の議事録作成を省力化したい

AWSのAmazon Transcribeで、録画あるいは録音したデータを文字に起こし、誰が何の発言をしたのかを自動的・半自動的に記録する方法を試しました。

Transcript

1. © 2025 Masashi Murakami All Right Reserved. 1 会議の議事録作成を省力化したい 2025/07/11 村上　將志
2. © 2025 Masashi Murakami All Right Reserved. 2 はじめに
3. © 2025 Masashi Murakami All Right Reserved. 3 はじめに 大事な会議では、どのような議論があって、何が決定したか、その後の宿題が何か、しっかり把握 するために、記録を撮っておくことが大切です。 一方で、会議に参加する際、議事録や議事メモ作成のためにメモを取りながら議論に参加するのは 大変ですし、自分が議論に入っている時はメモを飛ばしてしまうことも多々あります。 2020年のコロナ禍以降、ZoomやTeams、Webexなどでのオンラインの会議が増え、各ツールの録 画機能やOSでのデスクトップ録画機能などで録画をすることで振り返りにも使える一方、録画をす べてチェックする時間を取りにくいのが現実です。 そこで、AWS (Amazon Web Services)のAmazon Transcribeを用いて、録画あるいは録音した データを文字に起こし、誰が何の発言をしたのかを自動的・半自動的に記録したいと考えました。
4. © 2025 Masashi Murakami All Right Reserved. 4 試したこと Amazon Transcribeで音声を文字起こしするため、下記の流れで行うことにしました。 1. 録画データを音声データに変換（ffmpegコマンド） • ※Amazon Transcribeでは動画ファイルをサポートしていないため、音声に変換します。 2. 音声データをAmazon S3にアップロード 3. Amazon TranscribeでS3上の音声を文字起こし • ※参加者の人数（最大話者数）を設定することで、声ごとに分類 4. 文字起こしのJSONファイルをダウンロード 5. Jupyter Notebookで下記の処理を実行 1. JSONを解析して話者ごとの発言内容を表示 2. 発言内容から、話者を特定→自動化不可能のため人力 3. フィラー（「えー」、「ええと」、「あのー」など）を除去 4. 会話内容をExcelに保存
5. © 2025 Masashi Murakami All Right Reserved. 5 前提 • ffmpegコマンド、Jupyter Notebookの実行は、Ubuntu 24.04上で行う前提とします。 – ※Windows 11のWSL2上にUbuntu 24.04をインストールして使用しています。 • Ubuntuの中にPython 3.11、pipがインストールされている前提とします。 – ※もっと新しいバージョンでも動くとは思いますが、作成時点の3.11に合わせた方が確実 かと思います。 – ※作成時点はpyenvでPythonのバージョンを管理し、Jupyter Notebook実行のディレク トリ内にvenvを作成する方法を採りました。 • AWS (Amazon Web Services)にアカウントがあり、ユーザーに必要な権限が割り当てられて いる前提とします。 – S3バケット作成、S3への読み書き、Transcribe実行など – Power User権限のあるユーザーで確認しました。
6. © 2025 Masashi Murakami All Right Reserved. 6 前提 Amazon Transcribeの音声認識ファイルの解析用Jupyter Notebookは https://github.com/murakami0923/the-minutes-python-analyze/tree/main に入れてあります。 ※「main」ブランチで作成中
7. © 2025 Masashi Murakami All Right Reserved. 7 録画データを音声データに変換 （ffmpegコマンド）
8. © 2025 Masashi Murakami All Right Reserved. 8 録画データを音声データに変換（ffmpegコマンド） • Ubuntuにffmpegをインストールします。 – sudo apt install -y ffmpeg • Ubuntuに動画ファイルをアップロードします。 • ffmpegコマンドで変換を実行します。 – ffmpeg -i {mp4ファイル名} {mp3ファイル名}
9. © 2025 Masashi Murakami All Right Reserved. 9 音声データをAmazon S3にアップロード
10. © 2025 Masashi Murakami All Right Reserved. 10 音声データをAmazon S3にアップロード • S3にTranscribe用のバケットを作成し、音声ファイル（mp3）をアップロードします。 • S3 URIが必要になるので、コピーして控えておきます。
11. © 2025 Masashi Murakami All Right Reserved. 11 Amazon TranscribeでS3上の音声を文字起こし
12. © 2025 Masashi Murakami All Right Reserved. 12 Amazon TranscribeでS3上の音声を文字起こし • Transcribeのジョブ作成を開始します。 • 名前を入力します。 • 言語はデフォルトで英語になっているので 日本語を選択します。 • その他はデフォルトのままでOKです。
13. © 2025 Masashi Murakami All Right Reserved. 13 Amazon TranscribeでS3上の音声を文字起こし • 入力データのS3 URIには、S3にアップロードした音声ファイルのS3 URI（s3://ではじまるも の）を入力します。
14. © 2025 Masashi Murakami All Right Reserved. 14 Amazon TranscribeでS3上の音声を文字起こし • 出力については、音声ファイルと同じバケットの、ジョブ名と同じディレクトリを切って、そ の中に出力するよう設定するとよいでしょう。
15. © 2025 Masashi Murakami All Right Reserved. 15 Amazon TranscribeでS3上の音声を文字起こし • 必要に応じてタグを設定し、「次へ」で先に進みます。
16. © 2025 Masashi Murakami All Right Reserved. 16 Amazon TranscribeでS3上の音声を文字起こし • 音声の識別設定をします。 • 「音声識別」のトグルをONにし ます。 • 「話者のパーティショニング」 のチェックをONにします。 • 話者の最大数に会議参加者の人 数（最大30人）を入力します。 • 設定を入力したら 「ジョブを作成」ボタンで次に進み ます。
17. © 2025 Masashi Murakami All Right Reserved. 17 Amazon TranscribeでS3上の音声を文字起こし • ジョブの一覧ページに戻るため、ステータスを確認しながら、完了するまで待ちます。 • ステータスが「完了」になったら次の手順に進みます。
18. © 2025 Masashi Murakami All Right Reserved. 18 文字起こしのJSONファイルをダウンロード
19. © 2025 Masashi Murakami All Right Reserved. 19 文字起こしのJSONファイルをダウンロード • S3のバケットを再表示すると、Transcribeで指定したディレクトリができているので、ディレ クトリの中に入ります。 • jsonファイルができているので、ダウンロードし、Jupyter Notebook環境の 「notebooks/data」ディレクトリに保存します。
20. © 2025 Masashi Murakami All Right Reserved. 20 Jupyter Notebookで下記の処理を実行
21. © 2025 Masashi Murakami All Right Reserved. 21 Jupyter Notebookで下記の処理を実行 • Jupyter Notebookシート：analyze-amazon-transcribe-json.ipynb • 使用方法： – セル1つずつを順に実行します。 • ※途中、コードを修正する必要があるため – 前のセルに、speaker_labelごとに会話内容が表示されるので、その内容をもとに、 speaker_labelごとに名前設定する欄に、話者の名前を記載します。 – その後は最後まで順に実行します。
22. © 2025 Masashi Murakami All Right Reserved. 22 さいごに
23. © 2025 Masashi Murakami All Right Reserved. 23 さいごに（現状課題と将来について） • Amazon Transcribeでの固有名詞について – カスタムボキャブラリーを設定し、固有名詞の認識精度の向上を試みたいと考えています。 • 話者の名前の設定について – 現状、会話の内容から手作業で設定するようにしていますが、将来的には、人の口癖などから 予測する仕組みを考えてみたいと考えています。 • フィラーの除去後について – フィラーを除去した後、同じ話者の会話が続くケースがみられたため、再度会話データのマー ジを実装したいと考えています。
24. © 2025 Masashi Murakami All Right Reserved. 24 ありがとうございました。