(株)テレビ朝日クリエイト

「パッケージ字幕部」では、事前収録されたテレビ番組の放送用字幕を制作しています。業務フローとしては、音声を聞いて文字に起こしながら、字幕の配置や表示タイミングの調整を行う「制作」、次に実際の放送と同じ速度で視聴し、誤字脱字や読みやすさなどの品質をチェックする「試写」、さらにCM・提供といった表示禁止箇所や出入りのタイミングを秒単位で最終確認する「タイムチェック」を経て「納品」という流れで進めていくのですが、字幕制作はまさに“匠の技”。原則すべての音声を文字に起こしていきますが、さらに限られた表示時間の中で、話者ごとの色分けや改行位置の工夫、声や音のする方向に表示位置を寄せたり、いわゆる環境音や動作などのト書き、さらには「・・・」といった音に無い“間“の表現を細部まで調整し、何度も確認を重ねながら、さまざまな視聴者にとってわかりやすく、読みやすい字幕へ仕上げていきます。これらの作業一つひとつに、現場の社員が培ってきた経験やセンス、表現へのこだわりが込められているんです。

一方で、字幕制作には多くの時間と手間がかかり、30分の番組を仕上げるために、制作の工程だけでも約6時間、試写やタイムチェックまで含めると合計8時間程度の作業時間を要します。そこでDXの一環として、当部門で「AI文字起こしツール」を開発し、一部の番組から試験的に活用。AI音声認識エンジンをベースに辞書機能を組み込み、過去の番組データや台本データを読み込んで認識精度を高める仕組みの構築など、弊社の字幕制作に最適化するための研究を進めています。

ただ、私たちは字幕制作の完全自動化を目指しているわけではありません。AIがどんなに発展しようとも誤変換は必ずありますし、一文字の違いで全く逆の意味になってしまうことも。正しい情報を届けるために最終的な判断を下すのは、あくまでも“人”。聞き起こしに費やしていた時間を、表記の確認や表現の調整、品質チェックなど、人にしかできない工程へ振り向けながら、現場からのフィードバックをシステムの改善に生かし、より正確で、品質の高い字幕を視聴者の皆様にお届けする。これが、私たちの目指すDXです。

私は2026年4月に新設された「ソリューション事業部」の一員として、『J-TAC Pro』の外販営業を担当しています。当社が自社開発したAI生字幕制作システム『J-TAC Pro』は、クラウド型音声認識エンジンを活用し、ニュースをはじめとする生放送番組の字幕テキストをリアルタイムで制作するシステムです。本番運用を開始したのは、2022年10月。現在はテレビ朝日の「グッド！モーニング」や「ANNニュース」で運用されているほか、テレビ朝日系列局、さらには系列外のテレビ局への導入も進んでいます。

『J-TAC Pro』の一番の特徴は、これまでよりも少ない人数で、特殊な技能をできるだけ必要とせずに生放送字幕を制作できるようにした点にあります。従来の生放送字幕は、複数名の高速入力者とチェック担当者、送出担当者がチームを組み、「リレー入力方式」で字幕を制作・送出していたのですが、高速入力者の確保・育成面で課題を抱えていたんです。『J-TAC Pro』の導入後は字幕テキストの制作を1、2名で行えるようになり、一部の番組で従来方式より少人数での運用を実現したことで、人材面の課題解決に貢献しています。また、『J-TAC Pro』は音声認識だけに頼らず、現場の運用に合わせてリレー入力方式やテイク出し方式といった従来の制作方法を柔軟に使い分けることができるうえ、一般的なオフィス用パソコンで動作可能なことから、従来の運用環境を大きく変えることなく、新たな技術を導入できることも大きな特徴となります。

『J-TAC Pro』の認識精度は日々向上していますが、AIが出力した文章をそのまま放送することはありません。災害時の緊急放送など、情報のわずかな誤りが視聴者の安全に直結するケースもあるからです。どんなにAIの認識精度が高まったとしても、正確な情報をお届けするためには必ず“人の目”で確認し、“人の手”で修正を行う必要があるのです。

私は「リアルタイム字幕部」の一員として、テレビ朝日の「グッド！モーニング」や「ANNニュース」など、生放送番組の字幕制作を担当しています。具体的な業務としては、放送対応や新人の入力練習、研修資料の作成など、現場と開発担当者をつなぐ橋渡し役としてAIを活用した業務改善に携わっています。ここではAI音声認識字幕システム『J-TAC Pro』の導入によって、字幕制作の現場がどのように変化したのかをお話ししたいと思います。

『J-TAC Pro』の導入前は、入力担当３名とチェック担当１名の４人１組（字幕送出・制御担当を含めると６名程度）でチームを組み、バトンリレーのように交代をしながら、出演者の発話を入力していく「リレー入力方式」で字幕制作を行っていました。『J-TAC Pro』の導入後は、早朝の「グッド！モーニング」を音声入力の修正担当１、２名（字幕送出・制御担当を含めると２から４名程度）で対応できるようになり、人員配置の面でも大きな効果が出ています。『J-TAC Pro』の導入によって、現場の社員に求められるスキルも変わってきました。導入前は、いかに速く、正確に文字を入力するかが求められていましたが、導入後は手入力が減った分、AIが出力した文字の誤りを瞬時に見つけ、正しく修正する力が重要になっています。まさに“脳の使い方”が変わった感覚ですね。

AIは、話の“文脈”を理解することが得意ではないと言われています。人間であれば前後の話や映像から自然に意味を判断できますが、AIにはまだまだ難しい部分があるんです。また、人名や商品名、店名などの固有名詞も、誤って認識してしまうケースが少なくありません。こうした課題を少しでも減らすため、本番前には番組の原稿を確認しながら辞書登録を行います。２時間番組であれば300から500語ほどを登録。音声認識の精度を高めるために欠かせない工程になっています。

現場の提案を積極的に受け入れ、挑戦を後押ししてくれる風土が根付いているのも当社の魅力です。私自身、最近は辞書データを簡単に変換するツールや、新人向けのリレー入力練習ツールを、生成AIを使って試作。「こういうツールがあればもっと良くなる」という意見やアイデアを自分でカタチにできることが仕事のやりがいにつながっています。