記者のためのインタビュー文字起こし——ファクトチェックに耐えるワークフロー

ジャーナリズムの学校で最初に習う比率は、いまも変わっていません。録音1時間のインタビューを手で起こすと3〜4時間かかる。3人に取材する人物記事なら、一文字も書かないうちに丸一日が消えます——締め切りは木曜日なのに。

AI文字起こしはその一日を数分に圧縮し、料金は音声1時間あたり$0.83〜$1.25。起こしながら飲むコーヒー代より安い計算です。ただしジャーナリズムには、他の業界にはほとんどない制約があります。**一語でも違う引用は「97%正しい」のではなく、間違いです。**しかも紙面の上で、発言者の名前付きで間違える。だから考えるべきは「AI文字起こしを使うかどうか」ではなく、未確認のものを紙面に一切通さない使い方のほうです。

3つの方法を正直に比べる

**自分で打つ。**費用はゼロで、注意深い聞き直しを強制されます——この工程にこそ価値があると考える記者もいます。ただし1時間の取材に3〜4時間。取材が週5本になった時点で破綻します。

人力の文字起こしサービス。法廷水準の99%超の精度が出ますが、音声1分あたりおよそ$1〜2、納品まで1日〜数日。1本$60〜$120の請求で手に入るのは、日々の報道にはそこまで要らない精度です——引用はどうせ自分で確認するのですから。

**AI文字起こし。**数分で仕上がり、クリアな音声なら精度は90〜97%。落とし穴はこの数字の内側にあります。1時間のインタビューは7,000〜9,000語。精度96%でも、小さな誤りが数百箇所あるということです——抜けた単語、潰れた固有名詞、「できる」が「できない」に化ける。検索できる下書きとしては十分。確認なしで載せるのは論外。

この最後の一文が、方法のすべてです。

ファクトチェックに耐える手順

**1. 文字起こしの質は録音で決まる——だからそのつもりで録る。**精度が決まるのは録音の瞬間であって、文字起こしの瞬間ではありません。机の上のスマホに加えて予備のレコーダー、マイクは取材相手の近くに、カフェのざわめきは背中側に。クリアな録音は96〜97%で起こせますが、雑音まみれの電話音声は90%を切ります。失った1ポイントは、そのまま夜の作業時間になります。

**2. アップロードして話者を分ける。**声が2つ以上あるものは話者識別をオンに。「話者1／話者2」を「自分／大臣」に2回リネームすれば、壁のような文章が台本のように読めるようになります。

**3. 探すのは文字起こしで、確かめるのは音声で。**文字起こしを検索して該当箇所を見つけ、引用する一語を原稿に入れる前に、そのタイムスタンプの音声を再生する。これがAI文字起こしを報道で安全に使えるものにする規則です。**文字起こしが引用の場所を教え、録音が引用を裏付ける。**段落ごとのタイムスタンプがあれば、この往復は引用1つにつき数秒。生の録音をつまみ聞きするよりずっと速く、厳密さは同じです。

**4. テープは掲載まで残す——その先は自分で決める。**文字起こしは検索できるアーカイブ、音声は引用に異議が出たときの防御材料です。記事が出て一段落するまでは両方残し、その後は自分の保持ルールで判断してください——これについては次の節で。

どのツールにも確認すべき、取材源保護の質問

記者がアップロードするのは、他人が読みたがる会話です。インタビュー音声をツールに触れさせる前に、次の3つに明確な回答を求めてください。

• **音声はAIモデルの学習に使われるか。**答えは「使われない」でなければなりません。（Speechoの答えは「使われない」です。）
• **何が、どれだけの期間保存されるか。**Speechoでは元ファイルは処理後に削除され、文字起こしは90日で自動削除されます。いつでも先に消せますし、デリケートな記事が世に出たら消すべきです。
• **手元の端末から何が出ていくか。**動画インタビューの場合、Speechoはブラウザ内で音声だけを抽出します——映像はそもそもアップロードされません。

そして、どのツールも代わりに守れない規則がひとつ。**本当にオフレコだった部分は、アップロードの前に切り落とす。**ファイルをトリミングして、残りだけを文字起こしする。テキストとして決して存在してはならないものを守る最強の方法は、最初からパイプラインに入れないことです。

外国語でのインタビュー

Whisperベースの文字起こしは99言語に対応しており、これは取材の形を変えます。取材相手が実際に考えている言語でインタビューし、その言語のまま文字起こしし、執筆用に自分の言語へ翻訳する——精度が問われる箇所は原文から引用する。Speechoは完成した文字起こしを18言語に翻訳するので、原語版と作業用の訳文が同じアップロードから手に入ります。

現役フリーランスの場合の費用

音声1時間あたり$0.83〜$1.25なら、取材の多い月——たとえばインタビュー12時間——でも$10〜$15程度。前払いクレジット制で、依頼のない月に課金が走るサブスクはありません。同じ月を人力サービスに出すと$700〜$1,400。手で打てば、報酬の出ない夜が一週間。この算数こそ、「音声で確認する」ワークフローが編集部の静かな標準になった理由です。タイピングは機械が、ジャーナリズムは記者が。

次のインタビューで試してみてください。ファイルをアップロードし、メール確認で15分の無料枠——カード登録は不要、取材源のそばにボットは一切近づきません。