逐語文字起こし

逐語文字起こしとは？

逐語文字起こしとは、話し言葉を話された通りにそのままテキスト化する文字起こしです。 フィラー（えー、あの、なんか）、言い直し、繰り返し、言いよどみ、そして笑い声や間などの非言語音もすべて残します。言い換え、修正、整理は一切行いません。完成した文字起こしには、何が話されたかだけでなく、どのように話されたかも記録されます。

この「どのように」こそが重要です。一般的な文字起こしは、話し言葉をそれとなく整えます。言いよどみを省き、間を詰め、読みやすい形に仕上げるのです。逐語文字起こしは整えません。答える前にためらう証人、一つの文を3回言い直す調査協力者、自分の発言に笑ってしまう取材相手。そのすべてがテキストに残ります。

verbatim という言葉は「一語一語」を意味するラテン語に由来し、今もその意味が実務上の基準です。口にされたことは、すべて文字起こしに現れます。法廷速記者は100年以上にわたってこの原則を守ってきました。質的研究者がこれを採用したのは、インタビュー分析ではためらいや言い直しが雑音ではなくデータだからです。

ただし、逐語は単一の形式ではなく、幅のある考え方です。文字起こしを発注・作成する前に、その業務に3つの代表的なスタイルのどれが必要かを把握しておく必要があります。

素起こし、ケバ取り、整文の違い

文字起こしのスタイルは、生の話し言葉がどこまで紙面に残るかで異なります。選び方を誤ると、使える記録を失ったり、読み手を言いよどみの山に埋もれさせたりしかねません。

素起こし（完全逐語）

すべてを文字に起こします。フィラー、言い直し、繰り返し、言いよどみ、話の割り込み、発言の重なりもすべて残し、非言語の手がかりは（笑）（間）（電話の着信音）のように括弧で注記します。厳密な逐語とも呼ばれ、証言記録、談話分析、のちに精査される可能性のあるあらゆる文字起こしの標準です。

ケバ取り（クリーン逐語）

非逐語の文字起こしとも呼ばれます。意味のある言葉はすべて残しつつ、フィラー、言い直し、繰り返しを取り除き、「〜てた」のようなくだけた言い方を「〜ていた」のような標準的な形に整えます。意味は決して変えません。ケバ取りは、ビジネス会議、掲載用インタビュー、ポッドキャストの標準です。

整文

最も手を加えたレベルです。文法を修正し、断片的な発言を完全な文にし、印刷に向けて言い回しを整えます。整文した文字起こしは書き言葉の文章のように読めるため、掲載用の Q&A やエグゼクティブサマリーに最適ですが、話された通りの記録には向きません。

素起こしが必要な場面（と不要な場面）

スタイルは事の重大さに合わせて選びます。文字起こしそのものが証拠になるなら、素起こしを選んでください。

裁判、証言録取、証言

法的手続きは完全な記録の上に成り立っています。ためらいや言い直しを黙って削った証言録取の文字起こしは、実際の証言とは別の記録であり、相手方の弁護士から異議を唱えられる可能性があります。逐語文字起こしは、弾劾に使える材料、つまり証人が最初に使った言い回しそのものも保存します。法務チームは Sonix を使って、証言録取、審問、ボディカメラの映像、依頼人との面談を、検索可能なタイムスタンプ付きの文字起こしに変換しています。法務チームでの活用方法をご覧ください。

質的調査のインタビューと談話分析

会話分析やグラウンデッド・セオリーの研究では、協力者がどのように話したかが意味を持ちます。間はデリケートな話題を、言い直しは考えの組み立て直しを示します。整えた文字起こしからコーディングすると、そのシグナルが失われます。だからこそ、IRB の研究計画書や論文の方法セクションでは、逐語文字起こしが指定されることが多いのです。Sonix は研究者向けに設計されており、話者ラベルを協力者コードに変更でき、エクスポートしたファイルは NVivo、ATLAS.ti、MAXQDA にそのまま取り込めます。インタビューのワークフローは急速に変わりつつあり、その動向はインタビュー文字起こしの調査レポートで詳しくご覧いただけます。

言語学研究

非流暢性の研究、社会言語学、言語習得の研究では、言いよどみ、自己修復、くだけた言い方そのものまで、すべてのトークンが必要です。「〜てた」を「〜ていた」に直してしまうと、観察対象そのものが失われます。

メディアのファクトチェックと報道

公人が発言の引用に異議を唱えたとき、決着をつけるのは逐語の文字起こしです。ファクトチェッカーには、言い直しや限定表現を含む文全体が必要です。争点はたいてい文脈にあるからです。

ケバ取りのほうが適している場合

文字起こしが記録ではなく道具であれば、ケバ取りを選んでください。議事録、コンテンツの再活用、社内向けの要約は、「えー」がないほうが速く読めます。定例の会議の文字起こしでは、厳密で完全なものより、すっきり読みやすいもののほうが役立ちます。

Sonix での逐語文字起こしの仕組み

Sonix は聞こえた通りに話し言葉を文字に起こし、1つの設定でフィラーを残すかどうかを決められます。

Sonix の自動文字起こしエンジンなら、タイムスタンプと話者ラベル付きの初稿が数分で手に入ります。そこから先のすべての工程が、逐語の正確さを追求できるように設計されています。

フィラーのオン／オフ

文字起こし設定の「Filler words」オプションで、英語の文字起こしに um、ah、hmm を含めるかどうかを切り替えられます。逐語の作業ではオンに、ケバ取りの初稿が必要ならオフのままにしてください。この設定は変更後に作成する文字起こしに適用されるため、逐語の案件をアップロードする前に設定しておきましょう。

単語単位のタイムスタンプ

すべての単語にタイムスタンプが付くため、文字起こしの任意の箇所をクリックすると、音声のその瞬間を再生できます。厳密な逐語作業では、これが部分的な確認で済むか、ファイル全体を聞き直すかの分かれ目になります。

逐語チェックのためのエディタ

厳密な逐語が求められる場合は、ブラウザ上のエディタで（笑）や（間）などの非言語の注記を追加し、AI が省いた言い直しやフィラーも補えます。音声はテキストと同期して再生されるため、逐語のチェックをすばやく進められます。

話者識別

話者は自動で検出・ラベル付けされ、ラベルを供述者の名前や協力者コードに変更すると、文字起こし全体に反映されます。仕組みについては話者分離（ダイアライゼーション）のガイドで解説しています。

法務・研究向けのエクスポート

Word、PDF、プレーンテキストを、タイムスタンプと話者ラベルを保ったまま書き出せるほか、字幕付き動画の確認用に SRT や VTT も利用できます。エクスポート形式は合計18種類以上です。

必要に応じてスケール

複数のファイルを一括アップロードしたり、Sonix APIで大量の逐語ワークフローを自動化したりできます。文字起こしは54以上の言語に対応しています。

逐語作業で精度がより重要な理由

逐語の文字起こしでは、誤りの隠れる場所がありません。一語一語が記録である以上、一語一語が正しくなければなりません。

ケバ取りの文字起こしなら、小さな誤りは言い換えの陰に隠れることがあります。だからこそ、エンジンの基本精度が非常に重要です。Sonix はクリアな音声で99%の精度を実現しているため、1時間の録音でも全文を打ち直す必要はなく、修正はごく一部の単語で済みます。

音声品質も引き続き重要です。発言の重なりが少ないクリアな録音ほど良い初稿になるため、証言録取やインタビューでマイクの配置に気を配る手間は十分に報われます。

逐語文字起こしの料金

Sonix では、逐語も他の文字起こしスタイルと同じ料金です。残す発話の量ではなく音声の時間で課金され、1時間あたり$10からご利用いただけます。

人による逐語文字起こしは、もともと高価なサービスの中でも特に高価な部類です。プロの人力文字起こしは音声1時間あたり通常$100〜$150で、納品まで数日かかります。さらに、聞き取りにくい音声（複数の話者、背景ノイズ、激しい発言の重なり）では料金が25〜50%上乗せされることもあります。素起こしではあらゆる言いよどみを拾う必要があるため、多くのサービスは通常料金より高く設定しています。

AI は「えー」を残しても追加料金を取りません。AI と人力の料金の詳しい比較は文字起こしにかかる費用のガイドをご覧いただくか、Sonix の料金をご確認ください。