中国語と英語が混在する録音をMacで文字起こしするには？

まず結論

中国語と英語の両方が入る録音は文字起こしを試せますが、自動言語検出ですべての切り替えが正しく残る保証はありません。代表的な短い区間から始め、原文を確認する間は翻訳をオフにし、言語が変わる場所を見直します。

Alison WorkspaceはmacOS 15以降のAppleシリコン搭載Macでローカルのファイル文字起こしと文字編集に対応しています。結果は認識経路とリソースによって変わります。本ガイドは結果の評価と難しい箇所の補い方を示すもので、精度の測定値や、あらゆる混在文を確実に認識するという主張はしません。

どの多言語の問題か整理する

「二言語の文字起こし」と呼ばれる仕事には三つあります。

• 複数のファイルで、それぞれ主に一言語を話す — ファイル単位または設定の合う一括処理で言語を選ぶ・検出する
• 一本の録音で中国語と英語が切り替わる — 言語が変わっても実際に話した言葉を残す
• 中国語の録音から英語で読む文書を作る — 原文を文字起こししてから翻訳する

この記事は二つ目を扱います。中国語の原文と英訳を作れても、音声にもともと含まれた英語表現を忠実に文字起こしできた証拠にはなりません。

切り替え方も重要です。段落の後で言語を変える、英語の商品名だけを借用する、一文の途中で交互に話すなどの違いがあります。長い単言語区間を処理できる設定でも、別言語に挟まれた短い語を落とす場合があります。

問題が分かる区間を選ぶ

処理する権限のある録音を使います。原本を残し、必要なら普段の音声編集ソフトで短い確認用コピーを作ります。両言語の明瞭な例と、実際の切り替えを少なくとも一つ含めてください。一言語だけの冒頭独白は代表的なテストになりません。

難しい部分をよく聞いて、短い参照用の文字を用意します。不確かな語は印を付け、推測で埋めません。名前は可能なら信頼できる付属資料と照合します。全編分を作らなくても、英語表現の消失や中国語が意図せず翻訳される問題を見つけられます。

切り出したコピーには独自の時間軸があります。録音の途中から切った場合、元の開始位置を記録します。書き出すタイムスタンプは切り出した音声基準で、元の全編には自動で一致しません。

翻訳を加えず認識を準備する

AlisonのTranscribe Files…を開き、対応する録音を追加して表示時間を確認します。使う認識経路で必要なリソースを準備してください。ファイル文字起こしは録音を直接読み、スピーカー再生やマイク入力を必要としません。

最初の確認では翻訳をオフにします。原文が実際の発話を残しているか判断しやすくなります。翻訳先は別の出力設定であり、録音に含まれる全言語を指定する欄ではありません。

必要なモデルが準備され、アプリで自動認識を選べる場合、まず短い区間で試します。大部分が一言語で外来語が少し入る録音では、主な言語を指定した別の試行も参考になります。実際の結果を比較し、どちらも混在音声に常に最適とは考えないでください。

アプリとmacOSのバージョン、認識の選択、追加エンジンのモードを記録します。設定を同時にいくつも変えると、何が結果に影響したか分からなくなります。

自動検出と完全な言語切り替えを同一視しない

自動検出は認識器に届いた音声から言語を選びます。処理経路によって調べる音声の長さや振り分け判断が異なる場合があり、ライブ聴取とファイル文字起こしが同じ挙動だとは限りません。

Alisonの公開説明には聴取中の自動言語変更が紹介されていますが、すべての混在ファイルの精度試験ではありません。モデルの「多言語対応」も、複数の言語で使えるという意味で、一文の中のすべての切り替えを確実に認識する証明ではありません。

上流のWhisperプロジェクトでは、メンテナーがコードスイッチングの制限と、区間を分けて処理する方法を説明しています。背景情報として有用ですが、Alisonが全く同じ経路を使う、あるいは自分の録音で検証済みであるという証拠ではありません。

切り替え位置で判断します。最初の段落が自然なだけでは十分ではありません。

語句、言語、処理完了を別々に確かめる

切り出した区間を原音と参照用の文字に照らして確認します。

• 原文に中国語と英語の両方が残っているか
• 発話どおりの文字起こしではなく、翻訳された部分はないか
• 短い英語の用語が似た音の別の語に置き換わっていないか
• 名前、数字、否定、条件は正しいか
• 最後まで到達したか、それとも途中までか

例えば「这个版本先不要 deploy」には、中国語の否定と英語の動詞が含まれます。「不要」が抜ければ指示が反転し、無関係な英語に置き換われば別の誤りになります。確認方法を示す例で、実測結果ではありません。

表記慣習の違いと発話の欠落も区別してください。句読点や中国語の字体が違っても、必ずしも語が落ちたとは限りません。音声と目的の出力を確認し、忠実な用語を別の表現へ「修正」しないようにします。

難しい箇所を意図的に補う

長い言語切り替えで問題が出るなら、外部の音声編集ソフトで意味のまとまる区間をコピーし、それぞれ適した設定で文字起こしします。手動の回避策であり、Alisonが言語別に自動分割したり元の時間軸へ自動結合したりするという説明ではありません。

文脈を十分に残します。借用した英語を一語ずつ短く切ると、理解に必要な情報がなくなることがあります。文の内部の切り替えは、設定を変えても丁寧な手修正が必要な場合があります。

文書なら、文字エディタで確認済みの区間をまとめ、各部分の元の場所を記録できます。SRTやVTTはより慎重な作業が必要です。各区間の時刻を元のメディアに合わせる必要があり、字幕ファイルを単純に連結しても同期が保たれるとは限りません。

話者ごとに言語が違うなら、話者ラベルは確認の整理に役立ちます。ただし一人の使用言語を固定するものではなく、同じ人の言語切り替えを話者分離だけで解決することはできません。

原文が使える状態になってから翻訳する

必要な発話が原文に残ったら、翻訳版が必要か考えます。Macで実際に使える言語ペアを確認し、混在部分は個別に見直します。同じ段落の中に二言語がある場合、単一言語の段落より注意が必要です。

確認済み原文を翻訳と一緒に残してください。原文を直す前に翻訳したなら、修正後の版を再翻訳し、変わった行を確認します。読みやすさだけでなく翻訳範囲も調べます。一部分しか訳されていない文書でも、一見完成しているように見える場合があります。

二言語トランスクリプトのガイドでは、原文の確認、翻訳漏れ、書き出しを詳しく扱っています。

確認済み記録を書き出し、元の文脈を残す

実際に話された中国語と英語をそのまま残したいなら原文を選びます。翻訳も必要なら二言語出力を選び、訳のない部分が見えなくなっていないか確認します。

後で編集するならTXTやMarkdown、読むためのコピーならPDFが便利です。保存したファイルを開き、中国語の文字、英語の名前、最後の区間、含めた話者ラベルや時刻を確かめます。元の録音も後の検証に残します。

準備後、Alisonの対応処理はローカルで動作しますが、同期・共有フォルダへ書き出せば、そのサービス経由で端末外へ送られる可能性があります。録音内容と関係者に合った保存先を選びます。

最初の到達点は、短い一部分を丁寧に確認できることです。どこがうまくいき、どこが要確認かを理解してから全編へ広げます。

参照資料の確認日は2026年10月28日です。Whisperメンテナーの議論とAlison Workspaceの公開説明に加え、処理経路の違いをプロジェクト資料とソースで確認しています。混在録音の精度ベンチマークは行っておらず、例は読者が実行する確認方法です。