SubstackがAI文字起こし機能を追加：1分でテキスト化、SNS用動画も作成可能

ポッドキャスト配信者にとって、収録後の文字起こしやSNS用の切り抜き動画作りは最も手間のかかる作業の一つです。

Substackは、ポッドキャストのエピソードやナレーションをAIで自動文字起こしし、さらにSNS共有用のオーディオグラム動画まで生成できる新機能をダッシュボードに導入しました。

1クリックで文字起こし、編集も公開も完結

エピソード投稿画面で音声をアップロードすると、文字起こしを生成するボタンが表示されます。

ボタンをクリックすれば、処理はおよそ1分ほどで完了します。

生成された原稿は公開前にバックエンドで自由に修正でき、公開後はエピソード投稿ページの独立したタブとしてリスナーに提示されます。必要に応じて非表示にする設定も可能です。

発表記事自体、担当者がマイクに向かって即興で話した音声をこのツールでそのままテキスト化したもので、自身のニュージーランド訛りを正確に聞き取れるか試したとユーモアを交えて明かしています。

さらに、文字起こしから好きな一節を選択するだけで、テキストと音声が流れる短い共有用動画（オーディオグラム）を生成できる機能も備わっています。

先行利用したクリエイターからも高い評価が寄せられています。The Charlotte LedgerのTony Mecia氏は、他の主流ツールよりも高速で驚くほど正確だとコメントしました。

Sinocismを手がけるBill Bishop氏も自身の2つの番組でテストし、過去に使った機械や人の手による外部サービスよりもすでに優れていると評価しています。

なぜ重要か

Substackを利用するポッドキャスターにとって、外部の有料ツールを契約せずにダッシュボード内で完結できるメリットは非常に大きいです。すぐに試す価値があります。

今回の機能追加は、AIで人間の創作を代替するのではなく、面倒なプロモーション作業を肩代わりしてクリエイターの能力を底上げするというスタンスが明確で、非常に現実的なアプローチだと評価できます。

プラットフォーム間の競争という観点でも、音声の文字起こしからSNS向け切り抜き動画の作成までを囲い込むことで、クリエイターの離脱を防ぐ効果が期待できます。

現時点では初期段階とされており、話者の識別精度や動画デザインの自由度など、どこまでプロの要求に応えられるかが今後の進化の分かれ目になりそうです。