先日、他拠点のメンバーに業務知識の講習をする機会があり、教鞭をとった。
1週間かけて行うこの勉強合宿は、僕にとって”大きな挑戦”だった。
実りある講習にするために、準備は万全にして臨まなければならなかった。

準備をはじめてみると、
頭の中にある業務知識をスライド資料だけで伝えるのは到底難しいものだった。
補足するためには口頭で多くの情報が必要になった。
講習の準備をしながら、この作業を今回限りで終わらせるのはもったいない、
資産として残したいと強く思った。

とはいえ、ひたすら文字を記録し続けるのは現実的ではないし、
はなし言葉をそのまま文章にしても、読むのが苦痛になってしまう。
そこで、AIを使って効率的に情報を整理し、資産化する方法を考えた。
具体的には、次のようなプロセスだ。

• （１）音声をマイクで拾う
• （２）文字起こし
• （３）文字起こしデータを定期的に要約
• （４）イメージ画像を生成
• （５）要約とイメージ画像を組み合わせてスライドにまとめる

このプロセスを通じて、発言内容を効率的に資産化できるのではないかと考えた。

文字起こしには、OpenAIのWhisperを使用した。
この方法については、以下の記事が非常に参考になった。

https://knowledge.sakura.ad.jp/34497/

マイク音にはノイズが混じるため、ブラウザ上で発言区間に区切る。
その後、サーバでトランスクリプションによってテキストに変換する。
このテキストをGoogleスプレッドシートに蓄積し、定期的に１つのテキストに結合する。
結合したテキストをGPTで要約し、さらに画像生成AIによってイメージ画像を得る。
そして、要約とイメージ画像を組み合わせてスライドにまとめる。

この一連の流れをシンプルなパイプラインとしてイメージできたので、
さっそく作ってみることにした。
この仕組みができれば、今回に限らず多くの場面で役立つと感じている。

その結果は、また次回に、

後編につづく

次の話 15 ”発言を資産化する仕組み”をAIで作ってみた（後編）