PR

録音を庁外に出さずに議事録を作る:音声からWordまで庁内完結

録音を庁外に出さずに議事録を作る:音声からWordまで庁内完結 (地方自治体向け)ローカルAI構築キット
記事内に広告が含まれています。

審議会や住民説明会の録音は、未公開の行政情報であり、発言者の個人情報でもあります。クラウドの文字起こしサービスに上げられない以上、議事録は職員が録音を聞き直して書くしかない、というのが多くの自治体の現状です。本記事では、庁内のPCだけで音声を文字起こしし、「決定事項」「今後の課題」「発言要旨」に整理した議事録をWordで出力するまでの操作を、自動生成された操作マニュアルと実測の処理時間で解説します。

1. 録音は「上げられない」。だから議事録は手作業だった

審議会、委員会、住民説明会。会議のたびに録音は残りますが、その録音を文字起こしサービスに上げることはできません。未公開の行政情報であり、委員や住民の発言そのものが個人情報だからです。LGWAN 接続系の端末なら、そもそもインターネットに繋がりません。

結果として、事務局の職員が録音を聞き直し、発言を拾い、要旨を整え、様式に貼る。1時間の会議の議事録に半日かかる、という話は珍しくありません。

本記事で紹介するローカルAI業務アシスタントは、この工程を庁内のPC1台で完結させます。音声認識モデル(faster-whisper)も、要約を行う言語モデル(Ollama)も端末上で動くので、音声データも文字起こし結果も外へ出ません。閉域性の検証はE2Eテストで「音声処理中も外部通信が発生しない」ことが独立項目として確認されています(詳細は 「外部通信0件」を自動で証明する、E2Eテスト93項目の証跡)。

初期画面。「💬 公務相談 & 例規・公文書検索」と「🎙 審議会・住民説明会 音声議事録」の2タブが見える
初期画面。「💬 公務相談 & 例規・公文書検索」と「🎙 審議会・住民説明会 音声議事録」の2タブが見える

2. 音声議事録タブとオフラインモード

画面上部のタブ「🎙 審議会・住民説明会 音声議事録」を開きます。

最初に確認するのは「オフラインモード(モデルをネットワークから取得しない)」のチェックです。音声認識モデルは初回だけ取得が必要ですが、一度端末に置けば以後は外部に問い合わせません。オフラインモードを有効にすると、モデルが端末に無い場合でも勝手に取りに行かず、エラーとして停止します。LGWAN 端末では必ず有効にします。

画面には「モデル base:取得済み」のように、使用するモデルが端末に存在するかどうかが表示されます。E2Eテストでは、オフラインモードが有効であること、モデルが取得済みと表示されることが、それぞれ項目として確認されています。

「⚙ 文字起こしの詳細設定」では言語と「分割単位(分)」を変えられます。分割については第7章で触れます。

3. 音声を投入して文字起こしを開始する

「音声・動画ファイルをアップロード」に録音ファイルを投入します。WAV や MP3、M4A などの音声に加え、動画ファイルからの音声抽出にも対応しています。ファイル名とサイズが表示されたら「🎧 文字起こしを開始」を押します。

音声ファイルをアップロードし「🎧 文字起こしを開始」を押すと進捗バーが進む
音声ファイルをアップロードし「🎧 文字起こしを開始」を押すと進捗バーが進む

処理中は進捗バーが表示されます。長時間の録音では「どこまで進んだか」が見えないと不安になるので、進捗率を逐次表示する仕様がプロンプトの段階で指示されています。

完了すると、音声長・処理時間・文字数・使用モデルの4つの数値が並びます。マニュアル収録時は、架空の審議会音声(架空市審議会_ダミー音声.wav)の文字起こしが約8秒で完了し、272文字が得られました。短いダミー音声なので実務の目安にはなりませんが、「処理がどれだけかかったか」が毎回画面に残る点は、運用計画を立てるときに役立ちます。

4. 全文とタイムスタンプ付き、2つの見方で確認する

文字起こし結果は「全文(議事録生成用)」と「タイムスタンプ付き」の2つのタブで表示されます。

「全文」は議事録生成に渡すテキストで、ここで誤認識を直すと以降の要約に反映されます。「タイムスタンプ付き」は [00:01:23] のような時刻付きの行で、議事録に「この発言は録音の何分何秒か」を併記したいとき、あとで録音を聞き直して確認したいときに使います。

「全文(議事録生成用)」「タイムスタンプ付き」タブを切り替え、「🧾 議事録を生成」を押す
「全文(議事録生成用)」「タイムスタンプ付き」タブを切り替え、「🧾 議事録を生成」を押す

文字起こし全文は、この時点で Word や Markdown にダウンロードすることもできます。要約を使わず、発言録として全文を残す運用にも対応しています。

5. 会議名を入れて「議事録を生成」:4部構成の構造化議事録

「会議の名称(議事録の標題に使用)」に会議名を入れます。マニュアル収録時は「第3回 架空市都市計画審議会」でした。「補足情報(任意・出席者や議題が分かっている場合)」に出席委員数や議題を書いておくと、要約の精度が上がります。

「🧾 議事録を生成」を押すと、ローカルの言語モデルが文字起こしを読み、次の4部構成に整理します。

  1. 会議の名称・目的・主要議題
  2. 決定事項
  3. 今後の課題・ネクストアクション(主管課・対応方針)
  4. 委員・職員の発言要旨
生成された構造化議事録。決定事項・今後の課題・発言要旨の見出しが並ぶ
生成された構造化議事録。決定事項・今後の課題・発言要旨の見出しが並ぶ

「決定事項」と「今後の課題」が分かれているのは、行政の議事録でいちばん参照される情報がこの2つだからです。次回の会議で「前回何が決まり、何が宿題だったか」を確認するとき、発言録を読み返す必要がなくなります。

生成された議事録は画面上で修正できます。「✏ 議事録を修正する」を開いて直し、保存すると、出力ファイルにも反映されます。AIが作るのは案であり、発言内容と決定事項は職員が確認する、という前提が画面の注記にも書かれています。

6. Wordで出力し、庁内様式へ貼り込む

議事録が確定したら、Word(.docx)でダウンロードします。「出力ファイルに文字起こし全文を添付」にチェックを入れておくと、議事録の後ろに全文が付き、発言録と要約を1つのファイルで保管できます。

E2Eテストでは、ダウンロードした Word ファイルを python-docx で開き直し、0バイトでなく破損していないことまで確認しています。ダウンロードボタンが出るだけでなく、中身が開けることが検証されている、ということです。

ダウンロードしたファイルは庁内の議事録様式へ貼り込んで完成させます。公印を伴う文書は職員が内容を確認してから、という注意はマニュアルにも明記されています。

7. 長時間録音と処理時間の実測

実務の録音は1時間を超えることが珍しくありません。音声をそのまま認識モデルに渡すとメモリ不足で落ちるため、このアプリは音声を無音位置で区切った窓に分割して段階的に処理します。「分割単位(分)」の既定は7分で、3〜15分の範囲で調整できます。上限サイズは Streamlit の設定で 2GB まで拡張してあり、長時間録音のファイルも投入できます。

議事録生成の側も、長大な文字起こしをモデルが処理できる長さに分割して要約します。参照用コード audio_transcriber.py(約800行)にこの分割処理が実装されています。

処理時間の実測は次のとおりです。

工程 実測 条件
文字起こし 約8秒 / 272文字 マニュアル収録、ダミー音声、オフラインモード
構造化議事録の生成 約55秒 マニュアル収録、会話用モデル gemma3:4b
構造化議事録の生成 約27秒 E2Eテスト、軽量モデル llama3.2:1b

いずれも検証端末での値で、GPU の有無やモデルの規模で変わります。大規模モデルは要約の品質に優れますが、検証端末では1回の応答に120秒超を要したことがテストレポートに記録されています。職員端末の性能に応じたモデル選定が前提です。

1時間の録音を半日かけて書く作業と比べれば、数分待ってから修正に入れるだけで、事務局の負担は大きく変わります。

8. 注意事項と関連記事

本キットは完成品ではなく、Claude Code で構築・テスト・マニュアル生成を行うためのスターターキットです。利用には Claude Code の契約(Anthropic の有料プランまたは API クレジット)、Node.js、Python、Ollama が別途必要です。生成AIの特性上、同じプロンプトでも毎回同じコードは生成されません。文字起こしの精度は音声品質に左右され、生成された議事録は必ず職員が確認・修正してから正式な議事録としてください。LGWAN 等への導入は所属組織のセキュリティポリシーと承認手続きに従ってください。Ollama で取得するモデル本体のライセンスは本キットとは別です。人的サポートは提供していませんが、トラブルQ&A 12項目を使い方ガイドに収録しています。

価格は 49,800円(税込)、購入組織内の利用人数は無制限、商用利用可、社外への再配布・転売は禁止です。

コメント

タイトルとURLをコピーしました