YouTubeやVrewの文字起こし機能は便利だが、お金をもらって依頼される場合には使うべきではないというチラ裏話

『文字起こし』『テープ起こし』は、時間と速度可変型音声＆動画プレーヤーとタッチタイプ能力があれば才能を問わず出来るタイプの作業です。

でも仕事のマッチングサービス(クラウドワークスやランサーズなど)では、納期が翌日だったり単価が相場に比べて著しく低かったりなど、無茶を要求する案件もそこそこあったりします。

近年、私がそれらサイトに登録した頃より明らかに受注単価が下がっているのは何故だろうと思ったのですが、最近は『YouTube』に動画をアップロードしたり『Vrew』というアプリケーションを使って自動で文字起こしが出来るようになっていることを知りました。

たしかに大まかにでも自動で文字起こしが出来れば掛かる労力は下がり、作業時間の短縮にも繋がるので低料金でも案件を受けることが可能になります。

どの程度の精度があるのか気になったので、ためしに自前で適当な動画を作って文字起こしをさせてみたのですが…VrewはともかくYouTubeの文字起こし機能は文字起こしを実際に行うまでの手順が多く、場合によっては文字起こしが出来ない音声もあるので(音声に著作権ビットが入っているのが原因？)実用にはほど遠いと感じました。

YouTubeの機能を使った文字起こしを便利だから！と勧めているblogは結構あるようですが、音声をいちいち動画形式に変換する手間やYouTubeにアップロードしてからでないと実際に文字起こしが可能かどうかを判断できないので、個人的にはおすすめは出来る方法だとは思いません。

そういったデメリットをきちんと説明しているサイトがほとんど無いのも問題だと思います。

もう一つのVrewは音声ファイルだけでもそこそこの精度で文字起こしが可能で、YouTubeと同じくタイムスタンプを入れて仕上げることも可能なうえ、起こした文字の自動挿入や簡単な編集機能も備えている点でかなり実用的です。

しかしこちらもパソコン内のソフト単体で音声を解析するのではなく、一端海外サーバー(※)に送信してそこで解析して結果を返すシステムになっています。

(※Vrewは韓国開発のソフトなので、送信先は韓国だと思われます)

最近LINEの会話データや画像データの参照が、第三国からも出来ることで問題になりましたが、VrewやYouTubeで文字起こしをする場合も音声データを海外に送信している点で情報漏洩のリスクがあるわけです。

コンプライアンスの面から個人的にはYouTubeもVrewも、依頼を受けて文字起こしをする場合に推奨できる方法とはいいかねます。

自身が動画共有サイトなどにオリジナルの動画を字幕付きでアップロードする場合などには問題ないでしょうが、仕事として受ける場合には使うべきではないでしょう。

ですが本来そこそこの料金が掛かる文字起こしを専門業者に頼まず、素人の多いマッチングサイトで低料金かつ業者では受けつけないような短い納期で依頼すればコンプライアンス面である程度のリスクが生じる可能性があることは少し考えれば分かるでしょう。

掛かる労力と信頼性に伴った料金を要求する相手に仕事を任せず、安さに釣られて素人に任せたり、下請けの下請けなど結果的に非常に安価な料金で受ける業者に依頼することになった場合、何かしらの瑕疵が出てくるのは『新型コロナウイルス接触確認アプリ(COCOA) Android版』の顛末を見れば明らかです。

ですから仕事を受注する側もマッチングサイトで、なおかつ相場より安い料金で文字起こしを依頼する場合は、そういったリスクがあることを念頭においた上で依頼することをおすすめします。

YouTube・Vrew共、上手く使えば便利で音声解析の学習・成長過程なども考えるならば興味深い方法ではあるのですけれど、プロフェッショナルな仕事を要求された場合に使う物ではないというお話でした。

 

推奨しませんがバリスタの代用品として丁度ピッタリのインスタントコーヒー

ネスカフェバリスタ。

『他社製のインスタントコーヒーを使うと、詰まったり等故障の原因となる可能性があり、その場合の故障については保証できません』と、まぁ当然の対応ですよね。

でもネスカフェバリスタの保証期限が切れたので保証もなくなり、自己責任で他社製のコーヒーを使っているのですが、AGFの『MAXIM』と『ちょっと贅沢な珈琲店』シリーズの67杯分サイズの袋が見事なまでにバリスタのコーヒータンクにピッタリの量なのですよ。

下は35杯分、上は90杯分、間を取るなら60杯分か70杯分だと思うのですが、何故か67杯分…以前から気になっていたんですよね…「何でそんなに中途半端な数字なんだろう？」って。

実際に粒の形状もネスカフェの詰め替え用の物によく似ており、代用には最適だと実感しています。

でも同じAGFの『Blendy』はMAXIM等に比べると溶けにくく、しかもマシンの温度でタンク内のコーヒー粒が溶けてくっついてしまうことがあるので代用には向かないのです。

しかもそちらは35杯分、80杯分、105杯分となっており、MAXIMやちょっと贅沢な珈琲店は何故67杯分という中途半端な量の…いや…これ以上は止めておきましょう。

味や香りは1.5倍から2倍近い値段のネスカフェの方が圧倒的に良いのですが、朝の目覚ましに飲む位なのでそれほどこだわってはいません。

でもちょっと贅沢な珈琲店はMAXIMと値段が変わらず、ちょっと酸味があってブラックで飲むときの香りも良いので好きですね。

 

詰め替えにはよく似た形状の物を使って本体もマメに掃除をしてやれば、そうそう壊れたりはしませんよ。

、、、や。。。というおかしな句読点を使う人が何故いるのか？

お仕事にて動画を視聴する機会があったのですが、最近の人達は二次創作のSS(ショートストーリー)も動画で見る人が結構居るみたいですね。

紹介されている物や事象の文章を読み解き想像して、薄ら寒さや皮肉やジョークなどを楽しむSCPエピソード紹介動画もYouTubeに数多くあり、実際見てみると何処が肝だったのか分かりやすいことを考えるとさもありなんという所でしょう。

中にはエピソードをLINEやDiscordなどのSNS風に表示し、紹介する動画もあったりします。

5chにもやる夫シリーズとか会話だけで物語を綴るSSなどもあったりしますが、会話だけで面白い物語を作るのって結構難しいですよね。

けれどYouTubeの中には再生数(≒お金)稼ぎのためだけだと思われる愚にも付かない内容の物や、原作設定を無視したりリスペクトを感じられない愛のない作品もしばしば見られるようです。

面白いか面白くないかは個人の好みも大きいのでさておくとして、句読点の使い方がメチャクチャな物は気になりますね。

たとえば「わたし、、、気になります！」とか「ヤレヤレ。。。」とか。

でもどうしてこんな変な使い方をするのか考えてみたのです。

三点リーダーは日本語として一般的なフォント(『MSゴシック』や『明朝体』)だと『…』←こうなるのですが

Windowsでデフォルトのフォントになっていることが多い『Arial』だと『…』←この様になるのです。

そしてフォントをArialのまま字幕やテキストとして動画を作成、その動画を三点リーダーや句読点の使い方のおぼつかない子供(デジタルネイティブ世代)が小さなスマホで見れば『、、、』とか『。。。』と誤解する可能性もあるでしょう。

…という考察を今でっち上げてみたのですが、いかがでしょうか？

そう思えば『、、、』や『。。。』を使って奇妙な日本語文章を打つ人にも寛容に………私はなれそうにありません。

私は趣味も仕事もなるべく正しい日本語を入力するためにATOKを買うような人間なので、理由があれば許容は出来ますが見ていて微妙な気持ちになるのは抑えようがないです。

ですがそういう変な日本語を見たら、ブラウザバックかそっとじ(ウィンドウをそっと閉じるの意)するだけで、鬼の首を取ったように間違いを指摘することはないです。

ただ個人的にはその句読点の使い方が間違いである事は知って欲しいのですけれど、どうしたら周知できるのでしょうかね？