AssemblyAIを使ったミーティングの録画と文字起こし方法

AssemblyAIは、生のテキスト以上のものを求めるチームに人気のサービスです。文字起こしに加えて、話者ラベル、言語検出、オーディオインテリジェンスを提供しています。ただし、AssemblyAI自体はミーティングに参加しません。そのAPIはaudio_urlから始まるため、誰かがその音声を用意する必要があります。

その役割を担うのがミーティングbotです。本ガイドでは、botがミーティングを録画し、AssemblyAIがあなたのアカウントで処理を行い、webhookがAssemblyAIネイティブの出力を受け取るという、両者を連携させる方法を説明します。

ステップ1：APIキーを取得する

• AssemblyAI：AssemblyAI dashboardからAPI keyを取得してください（すでに使用しているASSEMBLYAI_API_KEYです）。
• Meeting BaaS：auth.meetingbaas.comでセルフサービスのサインアップが可能です。最初の8時間の録画は無料です。

ステップ2：AssemblyAIを設定したbotを送信する

curl -X POST "https://api.meetingbaas.com/v2/bots" \
     -H "Content-Type: application/json" \
     -H "x-meeting-baas-api-key: $API_KEY" \
     -d '{
           "meeting_url": "https://us02web.zoom.us/j/1234567890",
           "bot_name": "AssemblyAI Bot",
           "transcription_config": {
             "provider": "assemblyai",
             "api_key": "'"$ASSEMBLYAI_API_KEY"'",
             "custom_params": {
               "speaker_labels": true,
               "language_detection": true
             }
           }
         }'

custom_paramsはオプションをそのままAssemblyAIに転送します。speaker_labelsは話者ごとにトランスクリプトを分割し、language_detectionは優勢な言語を自動的に検出します。その他のAssemblyAIのrequestパラメータも同様に転送されます。

ステップ3：AssemblyAIネイティブの出力を受け取る

あなたのwebhookは、AssemblyAIのresponse構造を反映した文字起こし結果を受け取ります。これには、話者ラベル付きの発話、単語レベルのタイムスタンプ、検出された言語が含まれ、さらにMeeting BaaSの標準フォーマットで録画、参加者リスト、話者タイムラインも含まれます。2つの話者システムの利点：AssemblyAIのspeaker_labelsが音声をセグメント化し、botの参加者メタデータが声の背後にある実際の名前を提供するため、両者を結合できます。

この組み合わせの理由

• ミーティングを意識したコンテキスト：AssemblyAIは、ラップトップのマイクで再録音したものではなく、ソースでクリーンに録音されたミーティング音声を処理します。
• あなたのモデルと請求：使用量はAssemblyAIアカウントで管理されます。Meeting BaaSは、すべてのプランでBring-your-own-key文字起こしに対して録画1時間あたり0.05 tokenを追加し、さらに標準の録画レートとして1時間あたり1 tokenが加算されます。
• Botごとの選択：リクエストごとにプロバイダーを切り替えられます。英語の営業通話にはAssemblyAIを使用し、それ以外には組み込みのGladia（100以上の言語）をデフォルトとして使用できます。

次のステップ

• AssemblyAIミーティング文字起こし — 連携ページ
• すべての文字起こしプロバイダー
• ミーティングbotの仕組み
• APIドキュメント