| name | transcribing-meeting-minutes |
| description | 会議・商談・インタビューの録音をMLX Whisperでローカル文字起こしし、決定事項・議論要旨・未決事項・アクションアイテムを時刻根拠付きの議事録へ整理する。「MTGの録音から議事録を作って」「m4aを文字起こしして要約」「会議音声を書き起こして」など、m4a・mp3・wav・mp4・mov・aac・flac・ogg・webmの音声または動画から議事録を作る依頼で使用する。音声の全文書き起こしだけが目的の場合にも使用する。 |
会議録音から議事録を作成
音声を外部の文字起こしAPIへ送信せず、Apple Silicon Mac上で処理する。文字起こし全文を時系列で確認し、確定事項と提案を混同しない議事録を作成する。
前提
- macOS Apple Siliconで実行する。
ffprobe、uvx、jqを使用する。コマンドが無い場合は報告して停止する。- 初回実行時はモデルとPython依存パッケージのダウンロードが発生する。
- 音声や文字起こしに含まれる秘密情報を、外部サービス、ログ、リポジトリへ送信・保存しない。
ワークフロー
1. 入力と出力を決める
- 入力パスが無い場合だけユーザーへ確認する。
- 出力指定が無ければ、入力と同じディレクトリへ
<元ファイル名>_議事録.md を作成する。
- ユーザーが全文書き起こしも求めた場合は
<元ファイル名>_文字起こし.txt も作成する。
- 依頼が全文書き起こしのみで議事録が不要な場合は
<元ファイル名>_文字起こし.txt だけを成果物とし、4〜6を省略して7へ進む。
- 元音声を上書き・移動・削除しない。
2. 音声を検査する
入力の存在、音声ストリーム、長さ、チャンネル数を確認する。
ffprobe -v error \
-show_entries format=duration:stream=codec_name,sample_rate,channels \
-of json "<recording>"
ファイル名から日時を推定する場合は、議事録に推定であることを明記する。参加者は会話内で出席が確認できる人物だけを記載し、単に名前が言及された人物を参加者へ加えない。
3. ローカルで文字起こしする
一時ディレクトリを作り、scripts/transcribe.shを実行する。言語の指定が無ければ日本語を既定値とし、複数言語または不明な場合だけautoを指定する。
work_dir="$(mktemp -d "${TMPDIR:-/tmp}/meeting-minutes.XXXXXX")"
scripts/transcribe.sh "<recording>" "${work_dir}" ja
録音時間に比例して数分〜数十分かかるため、同期実行せずrun_in_background: trueで起動する。完了まで定期的に出力を確認し、進捗をユーザーへ伝える。transcript.json、transcript.txt、transcript.vttが生成される。既存出力を上書きしない。
4. 全編を時系列で確認する
transcript.jsonを5分単位で読み、冒頭・途中・末尾を省略せず全区間を確認する。5分は長時間録音を読み落とさず扱うためのレビュー単位であり、議題の区切りには使用しない。
jq -r '
.segments
| group_by((.start / 300) | floor)[]
| (.[0].start / 300 | floor) as $bucket
| "\n===== \($bucket * 5)〜\($bucket * 5 + 5)分 =====\n"
+ (map(.text) | join(""))
' "${work_dir}/transcript.json"
次を抽出する。
- 会議の目的と背景
- 決定事項
- 議論の要旨と判断理由
- 未決事項・リスク
- アクションアイテムの担当、内容、期限
- 重要事項の開始時刻
- 聞き取りに確信が持てない固有名詞、数値、日付
認識確度が低い区間は、平均対数確率が低い順に確認する。数値は誤認識区間を探すための手掛かりであり、誤りの断定には使わない。
jq -r '
[.segments[]]
| sort_by(.avg_logprob)
| .[:20][]
| "\(.start)\t\(.avg_logprob)\t\(.text)"
' "${work_dir}/transcript.json"
5. 不確実な箇所を再確認する
氏名、金額、日付、期限、製品名、決定を左右する表現が不明瞭な場合は、該当区間だけ語単位タイムスタンプ付きで再文字起こしする。モデルは3で使用したもの (MLX_WHISPER_MODEL、既定値mlx-community/whisper-large-v3-turbo) を、言語は3で指定した言語コードをそのまま使う。
uvx --from mlx-whisper mlx_whisper "<recording>" \
--model "${MLX_WHISPER_MODEL:-mlx-community/whisper-large-v3-turbo}" \
--language "<3で指定した言語>" \
--clip-timestamps "<start-seconds>,<end-seconds>" \
--word-timestamps True \
--output-dir "${work_dir}/recheck" \
--output-name transcript \
--output-format all \
--verbose False
再確認しても確定できない場合は要確認と記載する。文脈から推測した値を確定事項、参加者、担当、期限として書かない。
6. 議事録を作成する
録音内容に合わせ、不要な空セクションは省きつつ次の順序を基本とする。
# <会議名>
- 種別: 議事録
- 日時: <日時または要確認>
- 所要時間: <分>
- 参加者: <確認できた参加者または要確認>
- 元録音: `<ファイル名>`
## 会議の目的
## 決定事項
## 主な議論
## 未決事項
## アクションアイテム
| 担当 | 対応内容 | 期限 | 音声位置 |
|---|---|---|---|
## 参考タイムライン
次の基準を守る。
- 決定された内容だけを「決定事項」へ記載する。「検討する」「案として」は未決事項へ分ける。
- 発言の逐語的な羅列ではなく、結論と根拠が追える粒度で具体的に要約する。
- アクションアイテムは担当、期限が録音で明示されていない場合に
未定とする。
- 重要な決定とアクションアイテムへ、元音声へ戻れる開始時刻を付ける。
- 機密情報を議事録へ含める必要がない場合は省く。
7. 検証して報告する
以下をすべて満たすまで修正する（全文書き起こしのみの場合は議事録に関する項目を除く）。
- 文字起こしの最終区間が録音の末尾付近まで到達している。
- 議事録を作成した場合、冒頭・中央・末尾から最低1区間ずつ、議事録との対応を確認している。
- 議事録を作成した場合、すべての決定事項が文字起こし内の根拠へ戻れる。
- 議事録を作成した場合、提案を決定事項として記載していない。
- 議事録を作成した場合、氏名、数値、日付、担当、期限を推測で補っていない。
- 出力ファイルが存在し、空でなく、議事録の場合は表が崩れていない。
- 元音声と依頼範囲外のファイルへ変更を加えていない。
最後に、成果物のパス、不確実な箇所、一時文字起こしの保存場所を簡潔に報告する。
使用例
/transcribing-meeting-minutes /Users/me/Downloads/weekly.m4a
この英語の商談録音から、決定事項と担当者別TODOを含む日本語議事録を作って:
/Users/me/Downloads/customer-call.mp3
