AI議事録自動生成 — 会議の要約と次アクション抽出

会議の録音データから、要約・決定事項・アクションアイテムを自動生成するパイプラインを構築する。

全体フロー

音声録音 → 文字起こし(Whisper) → 要約(Claude) → アクションアイテム抽出 → Markdown出力

Step 1: 音声の文字起こし

OpenAI Whisperを使って音声をテキスト化する。ローカル実行なら無料で利用できる。

import whisper

def transcribe(audio_path: str) -> str:
    model = whisper.load_model("medium")
    result = model.transcribe(audio_path, language="ja")
    return result["text"]

Step 2: AIで要約とアクションアイテムを抽出

import anthropic

def generate_meeting_notes(transcript: str) -> str:
    client = anthropic.Anthropic()
    prompt = (
        "以下の会議の文字起こしから議事録を生成せよ。\n\n"
        "## 出力フォーマット\n"
        "### 会議概要\n（3行以内の要約）\n\n"
        "### 決定事項\n- （箇条書き）\n\n"
        "### アクションアイテム\n- [ ] 担当者: タスク内容（期限）\n\n"
        "### 議論のポイント\n- （重要な議論を要約）\n\n"
        f"## 文字起こし\n{transcript}"
    )
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2048,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.content[0].text

Step 3: Markdownファイルとして保存

from datetime import datetime

def save_notes(notes: str, meeting_title: str):
    date = datetime.now().strftime("%Y-%m-%d")
    filename = f"meetings/{date}_{meeting_title}.md"
    with open(filename, "w", encoding="utf-8") as f:
        f.write(f"# {meeting_title}\n日時: {date}\n\n{notes}")
    return filename

プロンプト設計のコツ

• 出力フォーマットを厳密に指定する — 見出しレベルまで指示すると品質が安定する
• アクションアイテムには担当者と期限を含める — 「誰が」「いつまでに」がないと実行されない
• 発言者の区別 — Whisperのタイムスタンプ付きモードを使えば、話者分離の手がかりになる

処理時間の目安

会議の長さ	文字起こし	要約生成	合計
30分	約2分	約10秒	約2分
60分	約4分	約15秒	約4分
120分	約8分	約20秒	約8分

※ Whisper mediumモデル、GPU使用時の目安

運用のポイント

• 録音品質が最重要 — マイクが遠いと文字起こし精度が大幅に低下する
• 専門用語は事前に辞書登録 — Whisperの initial_prompt に専門用語を含めると認識精度が上がる
• 議事録テンプレートを統一 — チーム全体で同じフォーマットを使うと検索性が向上する

まとめ

Whisper + Claudeの組み合わせで、会議後5分以内に構造化された議事録が完成する。手動の議事録作成から解放され、会議中は議論に集中できる。

関連記事

• Brain Approximation Score