ChatGPT音声入力:誤変換を送信前に確認する手順
ChatGPTの音声入力は話した内容を文字に変換して指示にする機能です。同音異義語の誤変換に気づく手順と、リアルタイム会話モードとの違いをまとめます。
ChatGPTの音声入力は、マイクに向かって話した内容を自動で文字に変換し、そのまま指示として使える機能です。似た名前の機能として、リアルタイムで会話するモードも別に用意されていますが、こちらは声で話しかけるとすぐに声で返答が返ってくる会話用の機能で、音声入力とは仕組みが違います。この記事で扱うのは、話した内容を文字に起こして指示文にする、前者の音声入力です。ボタンの位置や名称は更新で変わるため、最新の操作はChatGPTの画面で確認してください。
仕事で役立つ場面
- 移動中や作業の手が離せないときに、思いついた指示やアイデアをすぐに文字にして残す。
- 長い文章を書く前の下書きとして、話した内容をそのまま文字に起こしてもらい、あとで整える。
- キーボード入力が苦手な人や、タイピングに時間がかかる人が、同じ指示を声で素早く出す。
向かないのは、会社名や人名、数字、専門用語など、聞き間違えると意味が変わる内容をそのまま送ってしまう使い方です。周囲に人がいる場所で、社外に出せない内容を声に出すのも避けてください。音声入力は便利さと引き換えに、画面を見ずに済ませられるという前提そのものが、確認を後回しにしやすい原因になります。話した内容がどう扱われるかは、ChatGPTのデータコントロール設定で確認できます。
誤変換に気づく手順
- 雑音の少ない場所で話す。周囲の音や話し方によって認識の精度が変わるため、静かな環境のほうが安定した結果になります。
- 一文を短く区切って話す。長く続けて話すよりも、区切りごとに変換させたほうが、どこで聞き間違えたかを見つけやすくなります。
- 変換された文字を、送信する前に必ず画面で読む。耳で話した内容と、画面に出た文字は別物として扱います。
- 同音異義語になりやすい単語、会社名や人名、数字は特に注意して確認する。誤変換は文法的には正しい日本語になるため、ざっと読むだけでは気づきにくいという特徴があります。
最初から最後までの例
取引先との打ち合わせ内容を、移動中に音声入力でメモに残す場面を考えます。不十分な使い方:話した内容を確認せずにそのまま送信。結果:取引先の社名の一部が、発音の似た別の単語に変換されたまま残り、あとで読んだときに誰のことか分からなくなっていました。
十分な使い方:変換された文字を送信前に画面で読み、社名の部分だけを指で直してから送信。耳で聞いた内容をそのまま信じず、画面に出た文字を実際に読むという一手順を挟むだけで、同じ聞き間違いがあっても送信前に直せます。
音声入力の誤変換は、文法的には正しい日本語として出てくるため、間違っているように見えません。見えないからこそ、送信前に読むという手順そのものが必要になります。
なぜこの間違いが起きるのか
音声入力は、聞こえた音の並びから、最も可能性の高い文字の並びを予測して文字に変換しています。これは、ChatGPT自身が次に来る単語を確率で予測する仕組みと同じ考え方で、ChatGPTの仕組みで扱っている予測と検索の違いが、ここでは音と文字の間でも起きています。発音が同じでも意味が違う単語は、会話の文脈や、話者だけが知っている固有名詞を知らない限り、どちらが正しいか機械には決められません。
この種の誤りを最終的に見つけられるのは、今のところ人による確認だけです。OECDのAIガイドラインは、この確認を省略可能な工程ではなく必須の工程として明確に位置づけています。
職場での広がり
生成AIを使った音声関連の作業が実際にどれだけ広がっているかは、厚生労働省の雇用統計が示す労働市場の動きと合わせて確認できます。こうした確認作業を含めてAIを使いこなす力に賃金面の価値があることは、PwC AI Jobs Barometerが報告しています。AIモデル全体の進歩のペースはStanford AI Indexが毎年追跡していますが、音声認識の精度が上がっても、確認そのものがなくなるわけではありません。
月曜日に試すこと
- 静かな場所で、短い指示を一つ声に出して試す。
- 変換された文字を送信前に画面で読む習慣をつける。
- 自分の名前や会社名、よく使う専門用語が正しく変換されるか確認する。
- 聞き間違いが多かった単語は、次回以降は手入力で補うと決めておく。
耳で気づけることと目でしか気づけないことを分ける考え方は、ChatGPTが文章を読み上げる場合にも当てはまります。逆方向の確認手順はChatGPT読み上げで扱っています。日本語での基本的な使い方全般はChatGPTの使い方(日本語)、具体的に頼むという基本はAIの使い方にまとめています。電話対応やコールセンターの通話内容を要約する場面など、音声をテキストに変換したあとの活用方法はAIコールセンター活用で扱っています。複数人が話す会議の録音を決定事項とToDoに整理する、話者の取り違えが問題になる場面は議事録AIで扱っています。
こうした確認の習慣をスマホの短いレッスンで練習できるのがCoursiumです。AIの一歩先へ、詳しくはCoursiumについて。