会議の「誰が話したか」を後から引けるのは、かなり実用的だと思った
いちばん最初に思ったのは、これは派手なアプリというより、地味だけど毎日効く道具だな、ということだった。会議の文字起こしはもう珍しくないけれど、匿名の Speaker 1, Speaker 2 が並ぶだけだと、あとで読み返しても結局つまずく。そこに名前が付くだけで、検索のしやすさも、記録としての使い勝手もかなり変わるはずだ。こういう「小さい不便」を潰す用途に、coding agent がよくハマっている感じがする。 面白かったのは、著者が「新しいものを全部毎回判定する」のではなく、いったん音声を埋め込みとして保存して、似ている話者なら自動でつなぐ設計にしているところだ。埋め込みは、ざっくり言うと音声を数値の地図に置き換えて、近いもの同士を探すやり方だと思えばよい。人間が毎回同じ人の声を聞いて判別する代わりを、機械にやらせている。発想としては地味だけれど、これが「一度ラベルを付けたら次から楽になる」仕組みを支えている。 一方で、少し引っかかったのは、匿名の transcription をかなり信頼している点だった。実際には会議音声って、かぶり話しや雑音やマイク品質の差があるので、そこをどこ
papoo.work