Hedyの新機能：話者名、会議の検出、ドキュメントのエクスポート

「話者2が期限を約束した」と書かれたトランスクリプトは、半分しか役に立ちません。話者2が誰だったのかを、自分で突き止めなければならないからです。しかも、要約とメモで内容が食い違っていたら、どちらも信用できなくなってしまいます。

最近のHedyのいくつかのリリースは、この問題に取り組んできました。

Hedyが、誰が話しているかを判断する

Hedyはこれまでも、会話の中の声を分離していました。新しいのは、その声の持ち主の名前まで判断するようになったことです。

Hedyは、会話の中から実際の根拠を探します。誰かが自己紹介をしたり、ほかの参加者がその人を名前で呼んだりする場面です。カレンダーの招待や、設定済みのトピックコンテキストも、正しい人物と正しい声を対応づける助けになります。根拠がない場合、Hedyは推測せず、その話者に番号を付けたままにします。ですので、2人に名前が付き、1人には付かないセッションは、普通のことで、想定どおりです。

何より重要なのは、その後の動きです。Hedyが判断した内容は一度だけ適用され、書き出すすべての場所で使われます。トランスクリプト、要約、詳細なメモ、ToDoのすべてが同じ名前のセットを参照し、それぞれが勝手に「誰が誰か」を判断することはありません。

最終的な主導権は、ご自身にあります。話者のターンがあるセッションでは、トランスクリプトの上に話者チップの列が表示され、チップをタップして正しい名前を入力できます。ご自身で設定した名前がHedyの推測で上書きされることはなく、コピー、共有、ダウンロード、そしてほかのデバイスにも反映されます。要約とメモがすでに作成された後に誰かの名前を変更した場合、それらは更新するまで以前の名前のままで、Hedyが更新を促します。名前の変更は、ご自身の完了済みトランスクリプトで行えます。共有されたセッション、実行中のセッション、整形済みの表示は、読み取り専用です。

話者名は、Hedyのデバイス上のNemotronエンジンから得られます。そもそも声を分離しているのが、このエンジンだからです。Whisperやクラウドの音声認識プロバイダーを使っている場合は、設定→音声とAIで切り替えると、次のセッションから名前が付くようになります。Apple Siliconを搭載したMac、iPhone XS以降、Neural Engineを搭載したiPad、Windows、64ビットのAndroidで動作します。

Hedyが会議の開始に気づく

MacとWindowsでは、Hedyは、Zoom、Microsoft Teams、Webex（Macでは加えてFaceTime）で通話が始まるのを検知し、そのセッションの開始を提案します。

ささいなことのようですが、セッションを取り逃がす最もよくあるパターンをなくせます。通話に参加し、そのまま話に入り込み、20分後にHedyを思い出す、というパターンです。提案が表示され、承諾すると、Hedyが取り込みを開始します。

どちらの場合も、Hedyは範囲をわきまえています。見ているのは、それらのアプリのいずれかがマイクを使い始めたかどうかだけで、音を聞いているわけではなく、「はい」と答えるまで何も取り込まれません。

iPhoneとAndroidでは、同じ考え方のカレンダー版があります。Google Calendarを連携して、「予定されたミーティングを自動検出」をオンにすると、予定された会議が始まるとき、Hedyがセッションの開始を提案します。

セッションをどこへでも持ち出す

セッションを、ちゃんとした文書としてHedyから保存できるようになりました。セッションを開き、要約をダウンロード、詳細なノートをダウンロード、またはすべてのデータをダウンロードを選び、形式（テキスト、Markdown、Word、PDF）を選びます。

WordとPDFでは、見出し、リスト、引用、表がそのまま保たれ、全体が1つの長い文章に潰れることがありません。クライアントに送る要約が、テキストの羅列ではなく文書として読める見た目になります。PDFはHedyに同梱されているフォントに含まれる文字に対応しており、それ以外の文字については、Hedyが代わりにWordを案内します。

各ファイルに含まれる内容について、知っておきたいことが2つあります。すべてのデータをダウンロードには、要約、詳細なメモ、セッションノート、ハイライト、チャット履歴、ToDoが含まれますが、トランスクリプトは含まれません。トランスクリプトには専用のトランスクリプトをダウンロードがあり、テキストファイルとして保存されます。

「会議をツールに入れても、取り出せるかどうか分からない」とためらったことがあるなら、これがその答えです。

プロジェクトのアクションアイテムを、まとめて見る

トピックに属するセッションには、共通のToDoタブが表示されるようになりました。トピックを開くと、そこに含まれるすべてのセッションのアクションアイテムが、期限順またはセッション別に並びます。

その場で編集や完了ができ、プロジェクトが長くなったら、完了済みの項目を非表示にすることもできます。ここで項目を完了にすると、元のセッションでも完了になります。1つのデータを、2通りの見せ方で表示しているだけだからです。他の人から共有されたトピックは、読み取り専用です。

以前は、人に対して何を約束していたかを思い出すために、セッションを1つずつ開く必要がありました。会議が2、3回を超えるプロジェクトでは、それが大変な作業でした。

そのほか知っておきたいこと

そのほかにも、小さな変更がいくつか加わりました。

• 開始前に音声の扱いを決められます。 Mac、Windows、iPhone、iPad、Androidで、開始シートに「セッションの音声を保存」のスイッチが追加されました。設定画面を探し回らなくても、セッションごとに音声を残すかどうかを選べます。これまでと同様に、音声を保存する前に、同席している人たちの同意を得てください。
• セッションの結合で、すべてが引き継がれます。 2つのセッションを結合すると、トランスクリプトだけでなく、チャット履歴とセッションノートも引き継がれます。
• 対応言語の追加と、新しいモデル。 Deepgramに、スイスドイツ語、アルメニア語、グジャラート語、ネパール語、パンジャブ語、さらに地域ごとのバリアントが追加されました。新しいOpenAIのセッションでは、最新の音声モデルが使われ、すでに選択済みのモデルも引き続き動作します。どちらのプロバイダーも、ご自身のAPIキーを使います。
• Macで提案を調整できます。 提案のポップアップに専用のメニューが追加され、アラートの非表示、表示頻度の変更、カーソルに追従するかどうかの選択ができます。
• iPhoneとiPadでのバックグラウンドインポート。 iOSとiPadOS 26では、音声や動画のインポートが、アプリを切り替えたり画面をロックしたりしても続行されます。

アップデートの入手方法

Hedyは、MacとWindowsでは自動的に更新されます。iPhone、iPad、Androidでは、App StoreまたはGoogle Playから入手してください。ここに挙げたものはすべて、現在のリリースに含まれています。

Whisperをお使いの場合、今日やっておきたいことは、設定→音声とAIでNemotronに切り替えることです。これが話者名を使えるようにする鍵であり、私たちは、誰も意識しなくて済むように、これをデフォルトにすることを目指しています。