第3章　用途別の実践

画像と音声の仕事に使う

第8回 / 全10回　約8分

文章以外の実践です。画像と音声は、文章とは失敗の仕方が違います。 そこを押さえておくと、手戻りが減ります。

画像：直す方向を1つに絞る

画像生成でつまずく原因は、ほぼ1つに集約されます。

思い通りにならない → 言葉を足す → 何が効いているか分からなくなる

指示が長くなるほど、どの語が結果を左右しているのかが不明になります。足すより、まず短くする。 そのうえで、1回に1か所だけ変えてください。

ずれ方は4つに分けられる

「なんとなく違う」で止めず、この4つのどれかに言い換えるのが最初の作業です。

画像：文字は任せない

実務でいちばん多い失敗がこれです。

画像の中に文字を入れさせると、崩れた表記になることがあります。 看板、見出し、ロゴの文字などです。

対策は分担を変えることです。

細部は拡大して確認する

手の指、装飾、背景の小物は、縮小表示では気づかない不自然さが残ることがあります。人に見せる前に一度拡大してください。

同じ雰囲気で複数枚そろえたいときは、うまくいった指示文を保存し、題材の部分だけ差し替えるのが確実です。

音声：一度テキストにしてから考える

会議やインタビューの音声を扱うとき、音声のまま処理しようとしないのが基本です。

1. 音声 → テキスト化
2. テキスト → 要約・翻訳・整形

なぜ2段階にするのか。 テキストになった時点で、誤変換を目で確認できるようになるからです。音声のまま要約させると、聞き間違えたまま要約が進み、どこで間違えたのか追えません。

音声：文字起こしが苦手な場面

どんな音声でも同じ精度が出るわけではありません。次の場面では修正が増えます。

• 複数人が同時に話す — 話者の区別がつきにくい
• 専門用語や社内の略語 — 一般的でない語は誤変換されやすい
• マイクから遠い — 会議室の端、環境音の多い場所
• 固有名詞 — 人名・製品名・社名は、誤りに気づきにくい

対策は技術より運用です。マイクを話者に近づける、重要な会議は要点だけ手元にもメモを残す。この2つで実務上はかなり違います。

録音する前に確認すること

技術以前の話として、相手のいる場で録音するときは、事前に断ることが前提です。

• 会議の冒頭で「記録のために録音します」と伝える
• 外部の人が参加する場では、事前に了承を取る
• 録音データをどこに保存し、誰が見られるのかを決めておく

第1章で扱ったとおり、音声を渡すことは、その会話の内容を外部のサービスに預けることです。顧客との会話や機微な情報を含む場では、そのサービスのデータの扱いを先に確認してください。

第3章のまとめ

• 文章の仕事は「減らす・整える・増やす」。右へ行くほど確認が要る
• 画像は足すより短くする。ずれ方を4つのどれかに言い換えてから直す
• 画像の中の文字は任せず、後から重ねる
• 音声は一度テキストにしてから処理する。誤変換を目で確認できる
• 録音は事前に断る。データの扱いを先に確認する

確認問題