文字起こしと話者

最終更新日：2026年10月20日

MindLake が Mac 上で録音を文字起こしし、誰が何を話したかを判断し、あなたが使う名前、声、言葉を覚えるしくみを説明します。

音声モデルを選ぶ

文字起こしは Mac 上の音声モデルで作られるので、音声が Mac の外に出ることはありません。モデルは Settings ▸ Local Models で選び、音声入力にも同じモデルが使われます。この画面は次の順に並んでいます。

Recommended for This Mac。Mac のチップとメモリ、使うべき 1 つのモデル、その理由が 1 行で表示されます。自分でモデルを選ぶまでは、MindLake はこのモデルを使います。
Downloaded。すでに Mac にあるほかのモデルです。クリックすると使えます。チェックマークが使用中のモデルを示します。各行の ⋯ メニューに Remove Download があります。
More Models。残りのモデルで、それぞれに Download ボタンがあります。
Categories。Apple Speech、Multilingual、English Only、Parakeet、Whisper で分類して見られます。

画面のヘッダーには、モデルの名前、説明、カテゴリを照合する検索フィールドと、⋯ メニューがあります。⋯ メニューには、Reveal Models Folder in Finder と、Mac にすでにあるモデルを探し直す Recheck Downloads があります。

推奨は 3 つのルールに従います。

お使いの Mac	推奨
Apple シリコン	Parakeet TDT v3：Neural Engine 上で最も速く、対応する 25 言語ではどのモデルにも劣らない精度です。
Apple シリコンで、Parakeet が対応していない言語に設定されている場合	Mac の言語リストに Parakeet の 25 言語以外の言語がある場合は Whisper Large v3 Turbo。
Intel	Apple Speech。Intel 搭載の Mac には Neural Engine がなく、処理が追いつくのはシステム内蔵の音声認識です。

5 つのモデル：

モデル	サイズ、言語、速度
Parakeet TDT v3	600 MB。英語とほかのヨーロッパ 24 言語（ブルガリア語、クロアチア語、チェコ語、デンマーク語、オランダ語、エストニア語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ハンガリー語、イタリア語、ラトビア語、リトアニア語、マルタ語、ポーランド語、ポルトガル語、ルーマニア語、ロシア語、スロバキア語、スロベニア語、スペイン語、スウェーデン語、ウクライナ語）。Neural Engine で動作します。
Parakeet TDT v2	600 MB。英語のみで、英語では v3 より少し高精度です。速度は同じです。
Apple Speech	macOS に内蔵されていて、ダウンロードは不要です。バッテリーへの負担が少なく、精度はそこそこです。
Whisper Large v3 Turbo	646 MB。99 言語に対応し、音声から話されている言語を判断します。Parakeet より遅くなります。
Whisper Small	486 MB。同じ 99 言語に対応します。Large v3 Turbo より少し速いだけで、精度は劣ります。

Intel 搭載の Mac では、モデルが苦戦する場合は各行にそう表示されます。Parakeet と Whisper Small には Slow on this Mac、Whisper Large v3 Turbo には Not suited to this Mac と表示されます。モデルを選ぶと、新しい文字起こしに適用されます。以前の文字起こしをそのモデルでやり直すには、Re-transcribe を使います。

ノートにソースとして追加したオーディオファイルやビデオファイルも、話者を含めて同じ方法で文字起こしされます。

文字起こしを読む

録音の文字起こしは、そのノートのソースの 1 つです。ノート上部にある「2 sources」などのソースの数をクリックするか ⌘. を押して、Audio + Transcript を選びます。

どの言葉からでも再生。言葉をクリックすると、そこから録音が再生され、再生中の言葉が強調表示されて常に見える位置に保たれます。Space で再生と一時停止、← と → で 10 秒ずつ移動します。
発言ごとに 1 行。一言だけの返事も含め、各発言は新しい行から始まり、余白に話者の名前、その下に開始時刻が表示されます。声ごとに色が決まっていて、あなた自身の発言は控えめな色で表示されます。短い返事をほかの人の発言の中に括弧で入れていた以前の文字起こしは、話者の判定をやり直すとこの形式に書き直されます。
編集。ふつうのテキストなので、入力して修正できます。

フィラー

Settings ▸ Transcripts ▸ Trim filler sounds はデフォルトでオンです。読んでいるときと文字起こしをコピーするときに、「um」「uh」「erm」「hmm」（「umm」「uhh」のような長い綴りも含む）を隠し、その前後の読点や大文字を整えます。

何も削除されません。フィラーはファイルに残り、再生もすべての言葉に沿って進みます。設定をオフにすると、すべて元に戻ります。
言葉にならない音だけが対象です。「like」「so」「you know」「actually」「basically」は常に残り、はいといいえを意味する「uh-huh」と「mm-hmm」も残ります。
すべての文字起こしに共通の設定です。文字起こしごとのスイッチはなく、Mac でのみ適用されます。

文字起こしのバー

文字起こしの上にあるバーには、左から順に次の項目があります。

項目	動作
フラグ付きの言葉	モデルが自信を持てなかった言葉の数です。下で強調表示されるので、クリックして修正します。
Speakers	話者の数です。メニューには各話者と話した語数、その下に Expected speakers（下記参照）が表示されます。
語数	文字起こしの語数です。話者のラベルは含みません。
Summarise	きらめきのボタンです。文字起こしをノートにまとめます。下の「要約」をご覧ください。
Re-transcribe	現在のモデルで録音を文字起こしし直します。修正を含む以前の文字起こしは、ノートのソースとして残ります。
Share	録音を共有します。
⋯	Trim Silence（長い間を短くし、文字起こしのタイミングも合わせます）、Download Audio…、View in Finder、Delete Audio。

話者のチャート

オーディオバーの右端にある 2 人のアイコンのボタンを押すと、誰がいつ話したかのチャートが開きます。各話者に 1 行が割り当てられ、文字起こしの色で表示されたイニシャル、名前、話した時間、話した割合、そして話した区間をすべて示すレーンが表示され、再生位置がその上を進みます。レーンをクリックするとその位置に移動します。表示されるのは 5 人までで、Show all で残りが一覧表示されます。

音声がない、または文字起こしがない

まだ文字起こししていない録音には Not transcribed yet と表示され、Transcribe と、クリップボードの文字起こしを貼り付ける Paste があります。

音声がない場合。MindLake が録音全体を聞いても誰の声も聞こえなかった場合、ノートに「No speech in this recording」と「MindLake listened to all of it and heard no one speaking.」が表示され、Transcribe Again と Paste があります。この結果は保管庫の録音の隣に保存されるので、どの Mac もそれを把握し、もう一度文字起こしを提案することはありません。1 秒未満のファイルは、音声モデルを動かさずにこの扱いになります。
失敗した場合。ノートに「Couldn’t transcribe:」と理由が表示され、Try Again があります。

話者

文字起こしはすべて、Speaker 1、Speaker 2 などのラベルが付いた発言に分けられます。システムオーディオ付きで録音した通話では、マイクの音声は当然あなたなので、あなたの発言には「Me」、または Settings ▸ Brain ▸ Your name の名前が付きます。対面の場合、MindLake は音だけで声を聞き分ける必要があります。

話者の数を設定する

声が混ざったり分かれたりする場合は、あなたを含めて何人が話したかを MindLake に伝えます。録音中は録音パネルで、録音後は次の手順で設定します。

文字起こしのバーで Speakers の項目をクリックします。
Expected speakers で Auto、または 2 から 6 人を選びます。
同じメニューから Re-run Speakers Now… を選び、Re-run Speakers で確定します。音声 30 分あたり約 1 分かかり、文字起こしに入力した編集は置き換えられます。

数を設定しない場合は、ノートの参加者が目安として使われます。

話者に名前を付ける

話者のラベルをクリックすると「Who is this speaker?（この話者は誰ですか？）」が開きます。In this meeting の下にノートの参加者、Other contacts の下に連絡先が表示されます。または任意の名前を入力して Save を押すと、その人のすべての発言の名前が変わります。Known as… では、Abigail に対する Abi のような愛称を追加でき、その人のミーティングで正しく聞き取られるようになります。Reset でラベルを元に戻します。1 人が 2 つのラベルに分かれてしまった場合は、両方に同じ名前を付けます。

既知の声

話者に名前を付けると、MindLake はその声も覚え、以降の録音で自動的に名前を付けます。直近 60 件のノートについて、各ノートの最後の話者判定で得られた声がこの Mac に保存されるので、数日後や再起動後に話者に名前を付けても、MindLake はその声を覚えます。話者の判定をやり直しても、付けた名前は保たれ、それらの声も覚えます。

Settings ▸ Known Voices には、MindLake が認識するすべての声が、短い ID、何件の録音から覚えたか、最後に聞いた日時とともに一覧表示されます。それぞれに Rename と Forget があり、Forget every voice… ですべて消去できます。すでに作成された文字起こしの名前はそのまま残り、新しい録音は Speaker 1、Speaker 2 に戻ります。声はこの Mac に残り、ノートに書き込まれることも、同期されることもありません。

言葉を修正する

モデルが自信を持てなかった言葉は黄色、最も不確かな言葉はピンクで色付けされます。基準値は Settings ▸ Audio ▸ Flag words below で設定します（デフォルトは 55%）。言葉をクリックすると修正用のポップオーバーが開き、確信度、Correct to… フィールド、その言葉について保存した修正、置き換えの候補、そして言葉、前後 3 語、文を再生する Hear、Context、Sentence が表示されます。Apply で修正し、その修正を今後の文字起こしと音声入力のために覚え、その言葉をレキシコンに追加します。

Settings ▸ Transcripts ▸ Clicking a flagged word では、ポップオーバーが開いたときに言葉を再生するか（Play the word immediately、デフォルト）、Hear を押したときだけ再生するかを決めます。

レキシコンは、名前や専門用語のリストです。新しい文字起こしはこれと照合され、惜しい聞き間違いが修正されます。既知の用語は青い背景で表示されます。用語は Settings ▸ Transcripts ▸ Lexicon で追加するか、テキストを選択して右クリックし、Add to Lexicon を選んで追加します。コピーが保管庫の lexicon.txt に保存され、Reveal lexicon.txt in Finder で表示できます。

要約

文字起こしのバーにあるきらめきのボタン Summarise を押すと、文字起こしがノートにまとめられます。Summary、Topics discussed、Decisions、タスクとしての Action items、Open questions です。まだ「Recording ·」という名前のノートには、ちゃんとしたタイトルが付きます。

初期設定では、要約は Mac 上の Apple Intelligence で作られ、macOS 26 が必要です。ローカルの Gemma モデルをダウンロードして選ぶと、代わりにそのモデルが使われます。Settings ▸ AI ▸ Advanced でクラウドのプロバイダに送るようにもできます。クラウドのプロバイダを選ぶと、文字起こしはそのプロバイダに送られます。プライバシーとデータをご覧ください。続いて同じ AI が、名前や専門用語をレキシコンに追加し、識別できる話者に名前を付け、ノートにタグを付けたり、フォルダがなければ整理したりすることがあります。