音声認識のプライバシー: 家族の声が文字になるとき

音声認識のプライバシーとは、母親の声がどこで文字になるかを知ることです。企業がどの方針を用意するかではありません。いちばん大切なのは、変換そのものがどこで行われるかです。家族のスマホの中で行われれば、録音は家族の手元に残ります。クラウドで行われれば、声は端末を離れます。いま話した話まで、いっしょに出ていくことがよくあります。

家族の声に、音声認識がすること

録音は、言葉以上のものです。なまり、間、笑いが乗っています。音声認識は、そのファイルを文章に分解します。あとで一箇所を探すためです。たとえば、日曜の台所の話の八分あたりです。

そこが、メモとの違いです。文章は探す助けになります。ファイルには、その人自身が残ります。文章だけを残すと、文はあっても、孫が聞き分けられる声は残らないことがよくあります。

母親が、祖母の台所が日曜にどんな匂いだったかを話しているところを想像してください。その文がクラウドで文字になると、サービスは声も話も見ます。変換が端末の中で終われば、文章は会話があった場所で生まれます。

クラウドか端末か: ここが分岐です

クラウドのサービスでは、音声はサーバーへ行きます。提供者はそこで変換し、文章を返します。Microsoft の説明では、リアルタイム変換では音声が Azure サーバーのメモリで処理されます。一括処理では、文字起こしが顧客の保存場所に置かれることも、指定がなければ Microsoft の保存場所に、削除期限まで置かれることもあります。

これは提供者の良しあしを決める話ではありません。仕組みです。そのあいだ、またはそれより長く、声は家族のスマホの外に存在します。

端末の上では、認識は手元で進みます。スマホの音声認識か、ダウンロードしたモデルです。Apple はアプリに、音声をネットワークへ送らない認識を必須にさせることができます。同じ文書は、端末上の認識は精度が落ちやすいとも書いています。声は手元に残ります。その代わり、名前やなまりはあとから直すことがよくあります。

問い	クラウドのサービス	端末の上
文章はどこで生まれるか	他人のサーバー	家族のスマホ
提供者は声を聞くか	はい。少なくとも変換のあいだ	いいえ。何も上げなければ
原本のファイル	他人の保存場所に置かれることがある	手元に残る
学習	内容を使うサービスがある	提供者へ行く道はない

「非公開」と書いてあっても、先に録音を上げるアプリは、言い方だけやさしいクラウドです。説明文の約束より、仕組みが先です。

文字起こしを頼む前の三つの問い

家族の声を文字にする前に、三つの問いで足ります。ファイルに何が起きるかを見えるようにするだけで、条文を読み解くものではありません。

1. 話し言葉はどこで文字になるか。この端末か、サーバーか。
2. 原本のファイルは手元に残るか。提供者も写しを持つか。
3. 声や文章は学習に使われるか。

一つ目の答えが曖昧なら、そのサービスはクラウドとして扱います。「非公開」というスイッチがあっても、音声がスマホを出ているあいだは、何も変わりません。

家族には、この確認で足ります。長い契約を読まなくても、母親の日曜の台所を他人のパソコンへ送るかどうかは決められます。

文章だけを残すと、何が残るか

文字起こしは、探す瞬間に役立ちます。声の代わりではありません。名前、場所、なまりは、自分で直すことがよくあります。探すことは楽になります。人は、原本のファイルに残ります。

親に話を聞くなら、いちばん先はファイルです。文章ではありません。その進め方は 親の声を残す にあります。このページは、変換のときに声に何が起きるかだけを扱います。

エンドツーエンド暗号化は、別の層です。端末のあいだを移動する内容を守ります。話し言葉がどこで文字になるかは言いません。「暗号化して送る」と読んでも、認識がクラウドで進むかどうかは分かりません。その説明は エンドツーエンド暗号化 にあります。

境界はもう一つあります。非公開のリンクを渡すことは、入り口を渡すことです。端末の中で変換しても、リンクは信頼できる人にだけ渡します。

FamilyStories が話し言葉を文字にする仕方

FamilyStories は、質問、原本の声、文字起こし、写真を、一つの非公開の場所にまとめます。話し言葉が文字になるのは、家族の端末の中だけです。端末の音声認識、または端末にダウンロードしたモデルです。オンラインの音声認識はありません。録音も文字起こしも、それらの端末の外にある音声認識サービスには、一度も行きません。

録音は端末の中で暗号化され、ほかの家族のファイルと同じく、エンドツーエンドで暗号化されて同期されます。提供者は声を聞けません。FamilyStories は広告を出さず、データを売らず、家族の内容を人工知能の学習に使いません。

最大十人が、非公開のファミリーサークルを共有します。アプリで答えたくない人は、アカウントなしで、ブラウザの非公開リンクから話せます。有料プランでは、物語を Word または PDF として書き出し、写真と原本の声を追加でダウンロードできます。

文章は探す道具のままです。声は思い出のままです。