講義の文字起こしは、一文ごとに元の発話時点へ戻れるようになると、ずっと使いやすくなる。そのつながりを失うと、翻訳、学習ノート、検索画面がどれほど整って見えても、録音から少しずつ離れてしまう。
確かな方法は「文字起こし、要約、PDF出力」ではない。小さな正本を一つ作り、校正し、そこから各形式を派生させることである。
Table of Contents
最初に資料台帳を作る
文字起こしの前に、後から復元しにくい情報を記録する。
- 元のファイル名とファイルハッシュ
- 長さ、言語、話者、分かる場合は収録日
- 録音の所有者と許可された再利用範囲
- 各派生ファイルに使ったツールと設定
- 確認が必要な人名、引用、数式、専門用語
元の録音は読み取り専用で保管する。文字起こし、翻訳、字幕、プレビュー、書籍は別の派生データ用ディレクトリに置く。こうすれば修正をたどり直せ、名前を変えた書き出しファイルが誤って「原本」になることもない。
Video2Book は、実際の講義アーカイブでこの形を使っている。メディアからタイムスタンプ付き字幕を作り、字幕から構造化ノートを作り、完成したノートから通常版またはポケット版PDFを作る。重要なのは段階の数ではなく、どの段階にも資料へ戻る経路が残ることである。
翻訳より先に文字起こしを直す
自動文字起こしは下書きである。タイムスタンプを表示したまま講義を通して聴き、まず原語を校正する。特に確認したいのは次の点である。
- 人名、書名、引用、専門用語
- 議論を逆転させる否定表現や短い語
- 読み上げられた数値、単位、式、記号
- 間の取り方によって誤って分割された文
- 話者が前の発言を訂正したり限定したりする箇所
聞き取れない語は、自信のある推測に置き換えず、不確かだと印を付ける。スライドや原稿があれば表記確認に使えるが、話されていない考えを黙って補ってはいけない。
文字起こしは読みやすくてよいが、文字起こしのままであるべきだ。書き直したエッセイは別の成果物である。
段落ではなくセグメント単位で言語をそろえる
校正済みセグメントを翻訳し、安定したIDと時間範囲を保持する。訳文が原文より長くても短くても構わない。しかし文章を滑らかにするためだけに、次の話者の考えまで取り込んではいけない。
最小限の対訳レコードは普通のデータでよい。
{
"segment_id": "seg-0042",
"start": "00:03:18.240",
"end": "00:03:24.880",
"source": "A measurement is not the same thing as an explanation.",
"target": "測定結果は説明と同じではない。",
"review": "checked",
"terms": ["measurement", "explanation"]
}この小さなデータ契約は、初めから大きな出版システムを選ぶより価値がある。互いに無関係な四つのテキストを作らずに、SRTやVTT字幕、対訳ページ、学習冊子、後の検索索引を生成できる。
字幕と学習ガイドを同じ資料から作る
字幕の品質には編集面と物理面がある。字幕を動画に戻し、通常速度で見る。文法的に完璧な翻訳でも、表示が短すぎる、重要な図を隠す、話題が変わってから現れるのであれば良い字幕ではない。
LazyEdit は時間付きメディアを扱い、PocketPolyglot は対訳済み多言語資料をコンパクトなTeX・PDF版にする。修正後は、どちらも校正済みセグメントデータから再生成する。手作業で編集された別々の分岐にしてはいけない。
役に立つポケットガイドは全フレームを再現する必要がない。例えば次の内容を収められる。
- 講義順の二言語文字起こし
- 時刻参照付きの短いアウトライン
- 人名と繰り返し使われる用語の語彙集
- 視覚的根拠が重要な場合の少数の選択フレーム
- 資料と権利に関する注記
ノートは話者の言葉と明確に分ける。編集者が追加した定義や説明なら、ノートだと表示する。
根拠へのリンクが残る場合だけ知識グラフを加える
セグメントが安定すれば、「measurement」のような概念に、翻訳、別名、語根、定義、他概念との関係を持たせられる。しかし最も役に立つ辺は、しばしば最も単純である。
概念 → 言及された場所 → 講義セグメント → 正確な時間範囲これが講義パックとローカル知識コレクションを結ぶ橋になる。Local Knowledge Terminal は、生成されたカード自体を資料と見なさず、根拠と一緒に資料IDと位置情報を保つ。
文字起こしがあるという理由だけで、大きなグラフを推論してはいけない。学習者が実際に検索する語から始め、すべての翻訳や正規化表現のそばに原文を残す。
逆方向にたどって検査する
最後の品質確認は機械的で分かりやすい。対象言語から用語を選び、各層を逆方向に進んでみる。
- 対訳ページまたはガイドで用語を検索する
- 一致したセグメントを開く
- 録音の該当秒へ移動する
- 原語の発話を聴く
- 翻訳とノートが同じ意味を保つか確認する
人名、数値、否定表現、最重要の主張で繰り返す。最初と最後の字幕、速い箇所、長い間、聞き取りにくかったセグメントも確認する。最後に、PDFを想定した小さな画面で開く。コンパイルできる本が、必ずしも学びやすい本とは限らない。
小さな動作例
LazyingArtのタイムテキスト実例 は、顧客素材ではなく、プロジェクトが管理する30秒の場面を使う。15本の時間付き原文セグメント、そろえた日本語・英語・中国語トラック、ダウンロード可能な字幕、正確な秒へ戻れる確認済み概念リンクがある。資料マニフェストには、メディアハッシュ、長さ、各トラックの役割、この実例の限界を記録している。
より大規模な Leonard Susskind講義アーカイブ は、字幕、文字起こし、ノート、TeX、PDFを通じて、同じ資料優先の考え方を講義コース全体に適用した例である。これは無料の教育アーカイブであり、顧客実績ではない。
英語講義を1本所有し、この流れを明確な範囲で仕上げたい場合、Bilingual Lecture Pack は主な話者1人、最長20分、繁体字中国語または日本語のいずれか一言語をUSD 250で扱う。ページには動作例、納品ファイル、対象外の範囲があり、資料をアップロードしたり支払ったりする前に適合確認を行う。
長く使える順序は単純である。資料を保存し、言葉を直し、セグメントをそろえ、各形式を生成し、役に立つ概念が録音へ戻れるようにする。