Voxyq - audio & video to text

Voxyqの紹介

Voxyqは、音声および動画をテキストに変換するAI駆動型の会議文字起こしアプリケーションです。正確で構造化されたテキスト出力をリアルタイムで提供し、手動でのメモ取りや複雑な設定を必要としません。本製品は、ミーティング、インタビュー、ディスカッションに参加する専門職の方々、特に製品、エンジニアリング、マーケティング、オペレーションなどのチーム向けに設計されています。ユーザーは信頼性の高い音声認識、話者識別、自動要約、およびアクション項目抽出機能を活用できます。

従来の会議支援ツールとは異なり、Voxyqはボットの招待やプラットフォーム連携の設定を必要とせず、独立した音声録音・文字起こしアプリとして動作します。ライブ録音と既存の音声ファイルのアップロードの両方に対応しており、同期的および非同期的なワークフローに柔軟に対応します。アーキテクチャは精度、低遅延、およびプライバシーを最優先に設計されており、第三者の会議プラットフォームには依存しません。

主なポイント

• リアルタイムのライブ文字起こし（話者識別付き、2.1秒未満の遅延）
• 既存の音声ファイルのアップロードおよび文字起こし対応
• 約30秒で生成されるAIによる会議要約
• アクション項目の自動抽出（担当者および期限を含む）
• Notion、Slack、PDFへのエクスポート機能
• 全データのエンドツーエンド暗号化およびユーザーデータをAI学習に使用しないポリシー
• クリーンな音声における99%の文字起こし精度（OpenAI Whisper搭載）
• 多様なアクセントや専門用語に対応した多話者環境での高精度処理

Voxyqの仕組み

Voxyqは、会議中のライブ録音または既存の音声ファイルのアップロードにより音声を取得します。OpenAI Whisperの音声認識モデル（68万時間以上の多様な音声データで訓練済み）を用いて、音声をリアルタイムでテキストに変換すると同時に、話者識別（ダイアライゼーション）により各発言者にラベルを付与します。音声処理はローカルまたは安全なクラウドインフラ上で実行され、エンドツーエンド暗号化が全工程で維持されます。

文字起こしが完了すると、自然言語処理技術を適用して構造化された出力を生成します。これには、主要な意思決定、未解決の質問、次のステップをまとめた簡潔な要約、および担当者と期限を明記したアクション項目リストが含まれます。ユーザーはインターフェースからこれらの文字起こし結果を確認・編集・共有できます。また、Notion、Slack、PDFなどへのエクスポート機能も統合されており、追加設定は不要です。

主な利点と用途

Voxyqは、知識集約型の業務プロセスにおける管理負荷を軽減します。代表的な用途には、内部戦略会議の記録、顧客との通話録音をコンプライアンスまたはフォローアップ目的で保存、分散チーム向けのデザインレビューの文字起こし、技術系スタンドアップミーティングの検索可能な記録化などがあります。高い精度と話者識別機能により、多話者環境における包括的な参加が可能となり、自動アクション項目抽出機能はプロジェクト横断的な責任の明確化を支援します。エクスポート機能により、既存のコラボレーションツールとの連携が円滑になり、非同期レビューおよび部門間引継ぎが容易になります。

価格体系は透明性を重視したサブスクリプション方式で、無料プランでは基本機能が利用可能であり、Proプランでは無制限の利用と拡張機能が提供されます。Proプランには7日間の無料トライアルが付与されます。