カフェでAI 実践ノート ＃026 月曜・AIの機能の在り処
会議の録音は、
どこまで渡せるのか
1時間の会議が、そのまま1時間の録音になる。 誰も二度は聞きません。
01
きっかけ
録音はある。
ただ、聞き返せない
1時間の会議が、そのまま1時間の録音になる。
誰も二度は聞きません。
形式と長さは4枚目、渡し方は5枚目に
02
結論から
そのまま渡せる会社と、
文字にしてから渡す会社があります
録音ファイルを直接受け取るかどうかが、まず分かれます。
受け取らない会社に渡すには、
先に文字にする工程が要ります。
-
どの形式で渡せるか対応している数が違う
-
一度にどれだけ長さの上限が違う
-
誰が話したか分けられるかどうか
この先の記載は、すべて2026年8月時点の各社公式ドキュメントによります。
03
同じ土俵に並べる
Claudeが受け取るのはPDF・テキスト・画像です。音声の記載はありません。
一度に渡せる長さ
Gemini
9.5
時間ぶんの音声
ChatGPT
25
MBまでの1ファイル
Claude
—
文字にしてから渡す
04
では、どう渡すか
-
ChatGPT音声ファイルをそのまま25MBを超えるなら分割する
-
Gemini音声ファイルをそのまま長い会議も1回で入る
-
Claude先に文字起こしをする文字にしてから貼る
3社とも公式ドキュメントに書かれている扱いです。
05
公式にはこう書いてある
Google
1回のプロンプトに9.5時間ぶんの音声、音声1秒あたり32トークンとして数える、と書かれています。
ai.google.dev／Audio understanding
OpenAI
受け取れるのは mp3・mp4・mpeg・mpga・m4a・wav・webm の7つ。1ファイルは25MBまで、と書かれています。
developers.openai.com／Speech to text
長さの数え方も、3社で違います。
06
渡せるかどうかより、 誰が話したかが分かるか
おーちゃんの見立て
文字になっても、発言者が
混ざっていると使えません。
議事録にするなら、誰が何を引き受けたかが要ります。ChatGPTは話者を分ける専用のモデルが案内されていて、Geminiは分けられると書かれています。ここを先に確かめてください。
今日の1つ
- 受け取る音声の形式は
7・6・0 と分かれる - Geminiは1回に9.5時間。
ChatGPTは1ファイル25MBまで - Claudeに渡すなら、
先に文字にする工程が要る
- developers.openai.com／Speech to text
- ai.google.dev／Audio understanding
- platform.claude.com／Files API
次回
火曜。ヒアリングメモから、提案書の
骨組みだけを組ませる指示文。
この記事の指示文は、そのまま自社の言葉に置き換えて使えます。どれを自社に当てはめるかは、一緒に整理します。
インフィニティに無料で相談するこの回は Instagram でも9枚のノートにまとめています。@yukiinfinity1
