ライブイベントのキャプション入門、CART、ASR、法律が求めること

ライブイベントで最もよくあるキャプションの失敗は、それをAV設営と同じリードタイムを必要とするコミュニケーションサービスではなく、直前の音声追加オプションとして扱うことだ。 この記事では、プロのCART、レビュアー付きハイブリッドASR、完全自動キャプションという3つの主要なアプローチと、実際のコスト、法律上の要件、そしてあらゆる規模のイベントでの計画方法について解説する。

イベントでキャプションが重要な理由

CDCの国民健康面接調査のデータによると、米国成人の約15%が何らかの聴覚の困難を報告している。500人規模のカンファレンスなら、およそ75人がキャプションの恩恵を受け、そのうちの一部は参加するためにキャプションが必須だ。これは非ネイティブスピーカー、騒がしいオーバーフロールームの参加者、イベント後に録画アーカイブを視聴する人々を考慮する前の数字だ。

キャプションはまた、単に聴覚の問題だけではない。国際会議では、特に話者に馴染みのないアクセントがある場合、話し言葉よりも書き言葉で言語を理解する参加者が定期的に見られる。実際に恩恵を受ける人数は、明示的に配慮をリクエストした人数よりも常に多い。

3つのアプローチ

CART、ハイブリッド、自動ASRは互換性がなく、それぞれコストと精度の曲線上の異なる位置にある。

CART（コミュニケーションアクセスリアルタイム翻訳）

訓練された速記者がステノタイプ機を使って聞き取り、ほぼリアルタイムで文字を投影する。準備されたキャプショナーによる精度は98%以上だ。4時間を超えるイベントでは、疲労によるエラーを防ぐため、2人のキャプショナーが交代するのが業界標準となっている。

Karaschおよび同等のプロバイダーからの2025-2026年の確認済み価格:

これらはレンジであり、固定の見積もりではありません。最終的な費用は、題材の複雑さ、字幕作成者の認定レベル、場所、予約のリードタイムによって異なります。直前の予約には割増料金がかかります。4週間以上前に予約すれば、通常はレンジの下限価格が適用されます。

ハイブリッドASRと人間のレビュアー

ASRがリアルタイムで字幕を生成し、人間のモデレーターがセッションの進行中にエラーを監視して修正します。VerbitやAva Scribeなどのサービスがこれを提供し、リアルタイムで約99%の精度を目指しています。コストは自動ASRと完全なCARTの間に位置しますが、価格はプロバイダーによって異なり、通常はカスタム見積もりとなります。

StreamTextは透明性のあるASR専用ティアを1分あたり$0.27（2025年5月時点で$0.36から値下げ）で提供しており、60分のウェビナーで約$16です。そこに人間のレビュアーを追加するとコストは上がりますが、精度もCARTに近づきます。

私の見解としては、技術的な内容を含む中規模のカンファレンスでは、ハイブリッドモデルがほとんどのセッションで適切なデフォルトです。完全なCARTは、基調講演、ろう者または難聴の参加者が明示的にリクエストしたセッション、そして正確性が絶対条件となる政府や法的手続きに限定して確保してください。

プラットフォームASR（内蔵字幕）

Zoom、Microsoft Teams、Google Meetにはすべてライブ字幕機能が含まれています。実際の検証済み精度は、Zoomは管理されたコンテンツで約80%、TeamsはCopilotで85〜90%と推定されています。どちらもアクセント、クロストーク、専門用語があると低下します。

プラットフォームの字幕は、日常的な社内会議や重要度の低いウェビナーのベースラインとして実際に役立ちます。ろう者または難聴の参加者が予想されるセッション、またはコンテンツの正確性が重要なセッションでは、内蔵ASRだけでは不十分です。

法律が実際に要求していること

ADAは特定の技術を要求しているのではなく、効果的なコミュニケーションを要求しています。 ADAの補助 aids とサービスの枠組みでは、対象となる事業体、すなわちタイトルII（州および地方政府）とタイトルIII（一般に公開された企業や非営利団体）は、障害のある人々にコミュニケーション手段を提供しなければなりません。CARTは明示的に例として挙げられていますが、唯一の準拠オプションではありません。

WCAG 1.2.4（レベルAA）は、ライブの同期メディアにキャプションを含めることを要求しています。これはCARTを名前指定で義務付けているわけではありません。しかし、W3Cは、自動キャプションだけでは「十分ではない」と指摘しています。意味を伝えるのに十分な正確さがない限り、という条件付きで、複雑なコンテンツに対してプラットフォーム標準のASRは日常的にこの基準を満たせないからです。

よく過大主張される2つの事実：

まず、CARTが法律で全てのライブイベントに一律に義務付けられているわけではありません。基準は効果的なコミュニケーションです。99%の精度を達成する高精度ハイブリッドサービスは要件を満たす可能性がありますが、80%の純粋なASRは、参加するためにキャプションを必要とする聴覚障害者にとってほぼ確実に不十分です。

次に、DOJの2024年タイトルII規則は、WCAG 2.1レベルAAを州および地方政府に直接適用し、遵守期限は2026年4月24日（住民5万人以上の団体）と2027年4月24日（小規模団体）です。これは市議会のライブ配信、公聴会、および同様の政府イベントを対象としており、民間の会議は含まれません。

特定の聴覚障害者または難聴の参加者がCARTを合理的配慮としてリクエストした場合、そのリクエストが一般的に提供すべきものを決定します。CARTのリクエストに対してASRのみを提供することは、法的および倫理的に重大なリスクです。国際的な規制状況については、国別のアクセシビリティ法を参照してください。

キャプションの視覚的設定

キャプションがどこに表示されるかは、どのように生成されるかと同じくらい重要です。

メインの投影スクリーンの下は、最も包括的な会場内セットアップです。全員が個人用デバイスを必要とせずにキャプションを見られます。事前のAVシステム統合とテストが必要です。

ステージ横の専用キャプションスクリーンは、統合が容易で、中規模カンファレンスで一般的です。聴覚障害のある参加者が、首を振らずに話者とスクリーンの両方を見られる位置に配置します。

個人デバイスでの配信（StreamText、Avaなど）は、リモート参加者がライブストリームに参加するハイブリッドイベントでうまく機能します。これは合理的な補足であり、会場内ディスプレイの代わりにはなりません。

ビデオストリーム内（オンラインまたはハイブリッドイベント向け）: ストリームに焼き込まれたオープンキャプション、またはプラットフォームのキャプションAPIを介したクローズドキャプション。Zoomの場合、CARTプロバイダーはZoomのクローズドキャプションAPIトークンを介して接続し、ホストが設定で有効化し、トークンをコピーして、セッション開始前にプロバイダーと共有します。

大規模イベントでは、全員に見えるキャプション（会場のスクリーン上、オンラインのストリーム内）が包括的なデフォルトです。個人デバイスのみはフォールバックであり、第一選択ではありません。

事前準備

CARTでもASRでも、準備によってキャプション品質は大幅に向上します。

話者リストを正確な名前の綴りで共有する。 CARTキャプショナーは、イベント前に固有名詞をステノ辞書にプログラムします。カスタム語彙設定を備えたASRサービスでは、同じ用語を事前に読み込めます。どちらの場合も、これを行うことで「John Smith」が音声的にそれらしいが間違ったものになるのを防げます。

スライドデッキを事前に送る。 専門用語、頭字語、製品名は、キャプショナーが初めて見る場合、セッション中に問題になります。ASRの場合は、サービスの管理パネルでカスタム語彙を読み込みます。

イベントの24〜48時間前に音声テストを実施する。 キャプション担当者が実際に受け取るマイクフィードをテストすること。室内音声だけでは不十分です。ライブの観客が到着する前に、レイテンシー、キャプション表示、配信形式（会場内、ストリーム、個人デバイス）を確認しましょう。

スピーカーに事前説明を行う。 落ち着いたペースで話すこと、お互いに話を遮らないこと、複数人でのディスカッションに参加する際は自己紹介をすることを依頼してください。小さな調整が、特にASRの精度に大きな違いをもたらします。

イベント後のワークフロー

ライブキャプションはリアルタイム要件（WCAG 1.2.4）を満たします。録画のキャプションまたは文字起こしは、永続的な成果物要件（録画済み同期メディアの場合はWCAG 1.2.2、メディア代替の場合は1.2.8）を満たします。完全なコンプライアンスには両方が必要です。

イベント後：

1. キャプションサービスからライブキャプションファイルをエクスポートします（ほとんどのサービスが.txt、.vtt、または.srtで出力）。
2. 音声またはビデオの録画を保存します。
3. 録画をaudio-to-textにアップロードして、高品質なAI文字起こし処理を行います。
4. AI文字起こしを修正のベースとして使用します。イベント後のレビュー目的では、ライブキャプションファイルよりも一般的にクリーンです。
5. 名前、専門用語、スピーカーラベルを人間がレビューします。
6. 修正済みの文字起こしを、録画と一緒にダウンロード可能なアクセシビリティ成果物として公開します。
7. 録画を公開する場合は、キャプション付きビデオ再生用にSRTまたはVTTファイルを生成します。フォーマットの詳細はSRTファイルの作成方法を参照してください。

イベントに2〜3日にわたる複数の録画セッションがある場合、イベント後の文字起こし量はかなり多くなることがあります。ミーティングボットやエンタープライズ契約なしでクリーンな文字起こしが必要な場合は、ConvertAudioToTextのaudio-to-textツールが有料プランでファイル数の制限なくバッチ音声アップロードに対応しています。

イベントタイプ別の予算

2025〜2026年のプロバイダー価格を検証した実際のコスト範囲：

小規模ウェビナー（1〜2時間）：

• プラットフォーム内蔵ASR：無料
• 専用ASRサービス（例：StreamText）：およそ16〜32ドル
• CART（リモート）：180〜370ドル

1日カンファレンス、シングルトラック：

• 全セッションでASR：100〜300ドル
• 基調講演でCART、分科会でASR：500〜1,200ドル
• 全面CART：1,500〜3,000ドル

3日間マルチトラックカンファレンス：

• ASR中心のアプローチ：600〜2,500ドル
• セッションごとにCARTとASRを併用：4,000〜12,000ドル
• 全セッションで全面CART：15,000〜40,000ドル以上

混合アプローチ、つまり基調講演とアクセシビリティ要請のあるセッションにはCART、それ以外にはハイブリッドASRまたは専用ASRサービスを使う方法が、ほとんどのイベントで最適なバランスを実現します。アクセシビリティ実務者からの大まかな計画指針として、イベント総予算の1〜3%をキャプションおよび関連アクセシビリティサービスに割り当て、コンプライアンス上のリスクが高い学術系や政府系イベントでは上限に近い割合を目安にしてください。

イベントタイプ別の詳細

マルチトラックカンファレンス

並行セッションがある場合、キャパシティの制約に直面します。実用的なデフォルトは、本会議と基調講演にCART、分科会に専用ASRサービス、そして聴覚障害のある参加者が選んだセッションにはリクエストに応じてCARTを配置することです。聴覚障害者の参加が見込まれるイベント（例：障害者関連カンファレンス、既知の聴覚障害者会員がいる専門職団体）では、リクエストベースのCARTを変動費ではなく予算の確定項目として扱ってください。

政府および公開会議

州および地方政府機関は、ここで最も厳しい法的義務を負っています。ライブ配信される公開会議、議会セッション、公聴会、教育委員会の会合は、DOJの2024年規則に基づきWCAG 2.1レベルAAを満たす必要があります。プラットフォームのASRだけでは、効果的なコミュニケーション基準を確実に満たすことはできません。管轄区域のコンプライアンス期限（2026年4月または2027年4月）が迫っている場合、苦情が来てからではなく、期限前に現在のキャプションソリューションをW3Cの精度ガイダンスに照らして検証してください。公共部門の義務に関するより広い文脈については、国別のアクセシビリティ法を参照してください。

ハイブリッドイベント（対面とバーチャルの併用）

キャプションは両方の参加者に同時に対応する必要があります。会場の参加者には見えるキャプションディスプレイが必要で、リモート参加者にはビデオストリーム内のキャプションが必要です。ライブイベント前に両方の配信経路をテストしてください。Zoomベースのハイブリッドセッションでは、CARTプロバイダーがZoomのキャプションAPIトークン経由で接続します。同時にZoomの自動キャプションを有効にしないでください。競合するためです。

企業全体集会

形式ばらない印象があるため、キャプションが不足しがちです。Microsoft Teams、Zoom、Google Meetにはすべて組み込みのキャプションがあり、全社イベントではデフォルトで有効にする価値があります。会社に聴覚障害のある従業員がいる場合は、直接何が機能するか尋ね、彼らがリクエストした場合はCARTまたはハイブリッドキャプションを提供してください。これを標準の全体集会計画に組み込むことで、リクエストが届いたときの慌てふためきを防げます。

単一スピーカーのウェビナー

最も簡単なケースです。ヘッドセットマイクからのクリーンな音声と単一スピーカーによるプラットフォームASRは、日常的なセッションでは妥当な結果をもたらします。録画して公開するものについては、公開前に自動生成されたトランスクリプトに人間による修正パスを追加してください。

参加者とのコミュニケーション

登録締め切り前に、キャプションの有無を明確に表示する。 障害のある参加者は、利用可能なものに基づいてイベントを事前に選別することがよくあります。キャプションが存在することを宣伝しないということは、サインアップする前にそうした参加者を失うことを意味します。

登録に含めるもの：

• 参加者が必要とするものを尋ねる、アクセシビリティ配慮欄
• 利用可能なキャプションの種類と、そのアクセス方法（会場の表示、個人デバイス、ストリーム内）の説明
• CARTがリクエストに応じて利用可能であること、およびリクエストの締め切り（プロバイダーは通常、最低2週間の予告が必要）に関する明示的な注記

対面イベントの場合、キャプション表示場所を示す物理的な標識があれば、初参加者が迅速に方向を把握できます。

聴覚障害のある参加者との連携

聴覚障害のある参加者が登録した場合：

• 具体的な好みを確認します。CART、ASR、手話通訳は、それぞれ用途が異なる別のサービスです。相手にとって機能することを確認せずに、一方を他方の代わりに使用しないでください。
• 座席を確認します。読唇する参加者は最前列の席が必要な場合があります。キャプションに完全に依存する参加者は、スピーカーの近くではなく、キャプション表示の近くに座りたい場合があります。
• ネットワーキングの配慮を確認します。質疑応答セッション、懇親イベント、廊下での会話は、アクセスが最も難しいことがよくあります。イベント前に簡単な会話をして、何が役立つかを確認することで、一般的な配慮が実際に機能するものに変わります。

これをチェックリストではなく会話として扱うことが、機能する配慮と、技術的に存在するだけの配慮との実用的な違いです。

イベント前チェックリスト

キャプション付きのイベントの場合：

• キャプション予算を確保し、ベンダーと契約済み
• コンテンツの複雑さと参加者のニーズに基づいて、CARTまたはASR/ハイブリッドベンダーを選定
• スピーカーの資料（氏名、スライド、トピック）をキャプション担当チームに少なくとも1週間前に共有
• イベントの24〜48時間前に音声テストを完了
• 会場でキャプション表示を設定し、テスト済み
• オンライン配信のキャプションフィードをエンドツーエンドでテスト
• 参加者にキャプションの利用可能性とアクセス方法を通知
• イベント後の録画文字起こしを計画し、ツールを選定

これをイベント週間前に完了しておけば、キャプション対応が緊急調達ではなく日常業務になります。準備されたキャプション環境と直前対応の品質差は大きく、特にCARTでは、キャプショナーがカスタム辞書をどれだけ準備しているかが、あなたの特定のコンテンツに対する正確さを直接左右します。

関連するアクセシビリティのトピックについては、スクリーンリーダーユーザー向けの文字起こしでイベント後のドキュメントを、文字起こしによるWCAG準拠でより広いコンプライアンス枠組みを参照してください。

よくある質問

ライブイベントでCARTは法的に必須ですか、それともASRで十分ですか？

ADAは効果的なコミュニケーションを要求し、WCAG 1.2.4（レベルAA）は同期メディアのライブキャプションを義務付けていますが、どちらの基準もCARTを具体的に指定していません。W3Cは、自動キャプションだけでは、聴覚障害のある参加者に対する効果的なコミュニケーション要件を満たすのに十分な正確さを備えることはほとんどないと指摘しています。特定の参加者が合理的配慮としてCARTをリクエストした場合、そのリクエストが一般的に優先されます。公的機関の場合、DOJの2024年タイトルII規則はWCAG 2.1レベルAA準拠を義務付けており、期限は大規模組織が2026年4月、小規模組織が2027年4月です。

カンファレンスでのCARTの実際の費用はいくらですか？

2025-2026年の実勢レートを確認済み:リモートCARTは1時間あたり90〜185ドル、オンサイトCARTは160〜290ドル、ブロードキャストCART(ライブ配信を伴うイベント)は175〜300ドル。4時間を超えるセッションでは、疲労によるミスを防ぐため業界標準として2人のキャプショナーが交代で担当するのが一般的で、人件費はほぼ2倍になります。これらはあくまで目安で、最終的な価格はテーマの複雑さ、場所、認定レベル、予約のリードタイムによって変わります。

Zoom、Teams、Google Meetの自動キャプション精度はどの程度?

プラットフォーム標準のキャプションは、クリーンな単一話者の音声でおおむね80〜90%の精度を出しますが、WCAG準拠の業界標準である99%には遠く及びません。アクセント、話者の重なり、専門用語、音声品質の低下で精度は落ちます。コンプライアンスが重要なセッションでは、プラットフォームのASR単体では人間によるキャプションの代わりになりません。StreamText(2025年5月時点で1分あたり0.27ドル)のような専用ASRサービスに人間のレビュアーを挟むのが中間的な選択肢です。

ハイブリッドキャプションモデルとは何か、どのような場合に適しているか?

ハイブリッドキャプションはASRでリアルタイムのテキストを生成し、人間のレビュアーがセッション進行中にエラーを監視・修正します。生のASRよりはるかに高い精度を、フルCARTより低いコストで実現します。このモデルを提供するサービスにはVerbitやAva Scribeがあり、リアルタイムで約99%の精度を目指しています。中程度の重要度のコンテンツ、つまりCARTの予算は組めないが精度が依然として重要な社内全体会議、マルチトラックカンファレンスの分科会、ウェビナーなどに適しています。

マルチトラックカンファレンスの分科会セッションにもキャプションを付けるべきか?

最低限、聴覚障害者や難聴の参加者が選択する、または参加する可能性が高いセッションには、CARTまたはハイブリッド型キャプションを適用すべきです。一般的な分科会セッションでは、音声環境がクリーンで、公開前に文字起こしを修正する予定があれば、プラットフォームのASRをベースラインとして許容できます。大規模カンファレンスで実際に使われる実用的なアプローチは、基調講演にはCART、分科会にはハイブリッド型または専用ASRサービス、そして永続的なアクセシビリティ成果物として、録画からのイベント後文字起こしです。

出典

• ADA.gov: 効果的なコミュニケーション
• W3C WCAG 1.2.4の理解: キャプション（ライブ）
• 3Play Media: ライブキャプションの法的要件
• Karasch: CARTキャプションの料金とパッケージ
• StreamText: ASR料金（2025年5月の30%値下げ発表）
• CDC: 米国成人の聴覚障害、2019年
• Interprefy: Zoom、Microsoft Teams、Interprefyのキャプション精度はどの程度か
• Recap Innovations: ADAタイトルIIのビデオアクセシビリティ要件
• Otter.ai料金 2026
• NAD: キャプションが必要なのはいつか