若手Webマーケター／SNSグロースプランナーの早瀬優人です。
会議の録音や動画をテキストにする仕事はAIが入ってから大きく変わりましたが、そのぶん「これなら簡単そうだ」と思って請けて、時間が読めずに苦しむ人も増えました。
僕自身も最初に請けた案件で、音源の状態を確かめないまま単価だけを見て応募し、修正に想定の何倍も時間を取られたことがあります。実際のところ、以前は1時間の音声を文字にするのに数時間かかっていた作業も、下地を作るだけなら数分で終わります。
この記事では、AI文字起こしを使った議事録・字幕作成の副業を、仕事の探し方から作業の順番、実務の注意点までを追って整理していきます。
どんな仕事があるか
ひとくちに文字起こしといっても、求められる形はいくつかに分かれます。
主な3つの納品形態
- 素起こし……話した言葉をそのまま文字にする。相づちや言い淀みも残す
- ケバ取り……不要な言葉を削り、読みやすく整える
- 議事録・要約……内容を整理し、決定事項や論点をまとめる
下にいくほど求められる判断が増えていき、そのぶん単価も上がっていく傾向があります。
字幕作成の場合は、これに加えて表示時間の調整や1行あたりの文字数の制約も入ってきます。
仕事の見つけ方
クラウドソーシングでは「文字起こし」や「テープ起こし」といったカテゴリで募集されています。
動画の字幕は「動画編集」の一部として募集されることもあるため、両方のカテゴリを見ておくと見つけやすくなります。
精度を決めるのは、ツールではなく音源です
ここがこの仕事のいちばん大事な前提なので、見積もりを出す前に押さえておいてください。
同じツールでも結果が大きく変わる
「どのAIツールが一番精度が高いか」を探す人は多いのですが、実際に手を動かすとツールの差より音源の差のほうが大きく出ます。
精度を左右するのは、マイクの品質・話者が分かれているか・専門用語がどれだけ出てくるか。この3つです。
雑音の多い会議室で複数人が同時に話し、そこに業界特有の略語が飛び交うような音源は、どのツールを使ってもそのままでは使えるレベルになりません。
音源の質は事前に確認できる
受注する前に次の4点を聞いておくと、見積もりの精度がはっきり上がります。
- 録音環境（対面か、オンライン会議か）
- 話者の人数と、話者を区別する必要があるか
- 専門用語や固有名詞が多い分野か
- 用語集や参加者リストをもらえるか
ここでつまずく人が多いのですが、音源を確認せずに単価だけで請けると、想定の何倍も時間がかかることがあります。
使う道具をどこまで揃えるか
始める前に機材を揃えたくなりますが、最初は手元にあるもので足ります。
必要なのは、音を正確に聞ける環境と、再生速度を変えられる再生環境の2つだけです。
イヤホンは、音楽用より通話用のほうが人の声が聞き取りやすいことがあります。
再生速度は、聞き取りにくい箇所を0.7倍程度まで落とせると作業が楽になります。
逆に、揃える価値が高いのはフットスイッチのような再生の停止と再開を手を使わずに行える道具です。
修正作業では、止めて戻して聞き直す回数が非常に多くなります。
この操作をキーボードから離さずにできるかどうかで、同じ音源でも所要時間が変わってきます。
ただし、最初の数件で自分に合うか確かめてからで構いません。
作業フローの組み方
順番として、次の流れで進めると手戻りが少なくなります。
ステップ1：AIで下地を作る
まず音源をAIに通して、テキストの下地を作るところから始めます。
この時点では誤変換が残っていて当然なので、ここで完成度を求めて時間をかけても意味がありません。
ステップ2：音を聞きながら修正する
下地を画面に出したまま音源を再生して、誤りを頭から順に直していきます。
この工程が作業時間の大半を占めます。AIが短縮してくれるのは1のほうで、2はあまり変わりません。
固有名詞や専門用語はここでまとめて確認し、分からない言葉は推測で書かずに必ず調べてください。
ステップ3：納品形式に整える
修正が終わったら、依頼された形式に合わせて仕上げていきます。
議事録なら決定事項と保留事項を分け、字幕なら1行の文字数と表示時間を調整する、といった作業になります。
ここは依頼主ごとにルールが違うので、着手する前に確認しておくと戻しの回数が減ります。
ステップ4：通しで確認する
最後に、仕上がったテキストを頭から通して読み直します。
部分的に直していると全体の流れが崩れていることに気づけないので、時間がなくてもこの工程は省かないでください。
作業の流れがわかったら、実際の募集条件を見てみるのが早いです。
登録は無料でできるので、どんな音源でいくらの募集があるかを眺めてみてください。
作業時間と単価の関係を先に把握する
この仕事で最初につまずくのが、作業時間の見積もりです。
AIで下地を作れるので短時間で終わると考えて受けると、たいてい合わなくなります。
実際に時間がかかるのは、下地を作った後の修正と整形の工程だからです。
受ける前に確認したいのは、音源の長さではなく次の3つになります。
- 話者が何人いるか……人数が増えるほど、誰の発言かを判別する手間が増えます
- 専門用語がどれくらい出るか……業界特有の語は変換候補に出ないことが多いです
- 納品形式は何か……素起こしか、整文か、要約かで作業量が変わります
この3つが分かれば、1時間の音源に何時間かかるかを自分の実績から逆算できます。
最初の数件は、実際にかかった時間を必ず記録しておいてください。
その記録がないと、単価が妥当かどうかを判断できないまま受け続けることになります。
守秘義務のある音源を扱うときの確認
ここがこの仕事で最も注意すべき点なので、作業の順番とは別に切り出して説明します。
クラウド型のAIに投げてよいかを先に確認する
会議の録音には、社外に出してはいけない情報が含まれていることが少なくありません。
多くのAI文字起こしサービスは音声をインターネット経由で送信して処理するため、実質的には第三者のサーバーにデータを預けることになります。
守秘義務のある音源をAIに入力してよいかは、契約書のデータの取り扱いに関する条項で決まります。着手前に必ず確認してください。
確認しておきたい3点
- 音源を外部サービスに送信してよいか
- 作業後にデータをいつまでに削除するか
- 納品後の保管期間と保管方法
依頼主のほうがここを意識していない場合もあるので、こちらから先に確認すると、むしろ信頼につながります。
参加者の氏名や連絡先といった個人情報を含む音源を扱う場合は、個人情報保護委員会の法令・ガイドライン等で取り扱いの基本を確認しておくと安心です。
使うサービス側の設定も見る
AIサービスによっては、入力したデータを学習に使うかどうかを利用者側の設定で変えられる場合があります。
業務で使うなら、最初にこの設定を開いて確認してから作業に入ってください。
納品前に必ず通す確認
修正を終えたあと、納品前に確認しておきたい項目があります。
時間にして10分ほどですが、ここを飛ばすと差し戻しが増えます。
- 固有名詞の表記が統一されているか……人名、社名、製品名は特に揺れやすいです
- 数字と単位が音源と合っているか……聞き間違いが起きやすく、影響も大きい部分です
- 話者の割り当てが途中で入れ替わっていないか……長い音源で起こりがちです
- 指定の納品形式になっているか……ファイル形式、文字コード、行間の指定
とくに数字は、AIが自信をもって別の数値に置き換えてしまうことがあるため、必ず音で確認してください。
金額や日付を間違えたまま納品すると、内容の信頼そのものが揺らぎます。
精度を上げるひと手間
最後に、同じ音源でも仕上がりを良くできる工夫を2つ挙げておきます。
用語集を先にもらう
登場する人名や社名、製品名、業界用語のリストを先にもらっておくと、修正の手間が大きく減ります。
依頼主に「用語集はありますか」と一言聞いておくだけで、そのあとの作業時間が変わってきます。
自分用の変換辞書を育てる
同じ依頼主から継続して受ける場合は、よく出る誤変換をメモに残しておくと次回の作業が楽になります。
この蓄積は地味に見えますが、続けるほど効いてきます。
音源の状態が悪いときの対処
受けたあとで、音源が想定より聞き取りにくいと分かることがあります。
この場合、無理に進める前に一度連絡を入れるほうが早く終わります。
依頼者側が、別の録音データを持っていることがあるためです。
会議の録画が残っていれば、映像から話者を判別できて作業が楽になります。
それでも改善しない場合は、聞き取れない箇所の扱いを決めておいてください。
「聞き取れなかった部分は該当箇所に印を付けて納品する」と先に合意しておくと、推測で埋める事態を避けられます。
推測で書いた内容が事実と違っていたときのほうが、印が付いているより問題が大きくなります。
納品形式ごとに変わる注意点
同じ文字起こしでも、納品形式によって気をつける場所が変わります。
- 素起こし……言い間違いや相づちまで残す。整えすぎないことが求められます
- 整文……読みやすく直す。ただし発言の意味を変えない範囲にとどめます
- 議事録……決定事項と持ち帰り事項が分かる形にする。誰が何を担当するかを落とさないこと
- 字幕……1行の文字数と表示時間の制約がある。指定がなければ先に確認します
どの形式かを確認せずに始めると、納品後に作り直しになります。
最初のやり取りで、サンプルを1分だけ作って確認してもらう方法も有効です。
継続の依頼につなげるには
この分野は、単発で終わるか継続になるかで収入の安定度が大きく変わります。
継続につながりやすいのは、納品物そのものより、扱いやすさで評価された場合です。
具体的には次のような点になります。
- 納期より前に一度、途中経過を送る……方向性のずれを早い段階で潰せます
- 聞き取れなかった箇所を一覧で添える……依頼者側で埋められることが多いです
- 次回に使える用語集を作って渡す……同じ会議体の依頼なら、次回の精度が上がります
3つ目は手間に見えますが、次回の自分の作業時間を短くする投資でもあります。
同じ依頼者から繰り返し受けられるようになると、音源の傾向が読めるぶん時給が上がっていきます。
この仕事を続けるか判断する目安
数件こなしたところで、続けるかどうか迷う方がいます。
判断の材料は、収入額より作業時間の推移で見るほうが確かです。
同じ長さ・同じ形式の音源で、3件目と6件目の所要時間を比べてみてください。
短くなっていれば、慣れが効いている分野ということになります。
変わらない場合は、時間がかかっている原因が慣れとは別のところにある可能性が高いです。
音源の質なのか、納品形式なのか、用語の難しさなのか。原因が特定できれば、受ける案件の条件を変えるだけで改善することがあります。
それでも変わらないなら、この分野は自分に向いていないという判断もひとつの結論です。
納品後に修正依頼が来たとき
納品したあとで、聞き取りの誤りを指摘されることがあります。
このとき、原因を音源の質のせいにしないほうが話が早く済みます。
該当箇所を聞き直し、修正できるものは直して返す。判別が難しい箇所は、その旨を添えて確認を依頼する。
対応の速さと、判断の根拠を示せるかどうかが、次の依頼につながるかを分けます。
同じ指摘が繰り返される場合は、確認の工程に漏れがあるサインです。
納品前チェックの項目に、その種類を追加しておいてください。
まとめ：AIが短縮するのは前半、価値が出るのは後半
AI文字起こしを使った副業について整理してきました。
押さえるべきなのは、精度がツールではなく音源の質で決まること、AIが短縮するのは下地作りだけで修正工程は変わらないこと、そして守秘義務のある音源は契約のデータ取り扱い条項を先に確認することの3点です。
AIで下地を作れるようになったからこそ、聞き取って直す力と、扱いを間違えない慎重さが差になります。
最初にやるのは、募集を1件開いて、そこでどんな音源が扱われているかを確かめてみることだけで構いません。
AI副業の全体像は生成AIでできる副業10種類と、それぞれに必要なスキルにまとめています。