対面インタビューをクリーンに録音して正確な文字起こしにつなげる方法

クリーンなマイク配置は、どんなソフトウェアの小手先のテクニックよりも勝ります。きちんと録音された90分のインタビューなら、アップロードから数分で話者ラベル付きの文字起こしが返ってきます。録音が悪ければ、どのAIを使っても何時間ものクリーンアップ作業が必要になります。このガイドでは、実際に機能する具体的なセットアップを、2026年時点で本当に入手できる機材とともに紹介します。

対面録音がスタジオ収録と違う理由

部屋のコントロールはできません。インタビューはカフェ、ホテルのロビー、オープンプランで騒がしいオフィス、イベント会場、車の中で行われます。機材を意識して相手がぎこちなくなる前に、セットアップに使えるのはおそらく90秒ほどです。

現実の制約は次のとおりです。

• 減らせない変動するノイズ
• 動いたり姿勢を変えたり体を遠ざけたりする対象者
• 厳しい時間枠（通常30〜60分）
• 快適さの閾値：目に見える機材があると人は話し方が変わる

良い知らせは、基本さえ押さえていれば、最新のAI文字起こしは完璧ではない音声にも寛容だということです。その基本とは、一定の近接マイク距離とクリーンな話者分離です。

あらゆるシナリオを網羅する3つのセットアップ

セットアップ1：対象者にラベリアマイク1本

最も手間のかからない選択肢です。ラベリアマイクを相手のシャツにクリップし、顎の下6〜8インチ、カプセルをやや上向きに傾けて取り付けます。フィールドレコーダーかスマートフォンにつなぎます。

現在入手できる信頼できる選択肢としては、Rode SmartLav+（主要販売店で約69ドル、2026年7月確認）がTRRS経由でスマートフォンに直接接続できます。専用レコーダーを使う場合は、市販の有線ラベリアをZoom H1essential（実売価格99ドル前後）と組み合わせましょう。32bitフロート録音に対応しており、ゲインエラーの大半を未然に防げます。

これで対象者の声はクリーンに収まります。あなた自身は録音に入りませんが、質問が短く内容を覚えているQ&A型のジャーナリズムなら問題ありません。質問自体も回答と同じくらい重要になる長めの分析型インタビューの場合は、セットアップ2を使ってください。

セットアップ2：ラベリア2本を別トラックに（推奨）

話者ごとに1本、計2本のマイクをステレオの別チャンネルに振り分ける構成は、第一線のジャーナリストや研究者がたどり着く定番のセットアップです。 各話者がクリーンで独立したトラックを持つため、文字起こし時の話者識別は確率的な推測ではなく決定的な処理になります。

有線構成なら、低価格のラベリア2本とマルチ入力レコーダーの組み合わせが基本です。Zoom H4essential（実売約199ドル）はXLR/TRS入力を2系統、別チャンネルで受けられます。Zoom H6essential（実売約299ドル）は同時4入力に対応し、セーフティトラック機能も備えています。価格はZoomおよびサードパーティ販売店の情報に基づきます（2026年7月）。旧モデルのH5とH1nは、このEssentialシリーズに代替されました。

ワイヤレスなら、Rode Wireless GO IIのデュアルチャンネルシステム（送信機2台＋受信機1台）は2026年半ばの時点で引き続き販売されており、実売価格は販売店やバンドル構成によっておよそ185〜299ドルの幅があります。200mの伝送範囲に加え、各送信機に内蔵録音機能を備え、万一の備えとなります。

追加のコストはすぐに元が取れます。各声が独立したトラックにあれば、ステレオファイルをアップロードするだけで、ダイアライゼーション工程は音響的な推測ではなく単純な左右の振り分けになります。話者分離が精度にどう影響するか詳しくは、話者ダイアライゼーションの解説をご覧ください。

セットアップ3：テーブル上のバウンダリーマイク

クリップ留めも不要で、セットアップ時間もゼロです。バウンダリーマイク（PZMマイクとも呼ばれます）をテーブルの中央に平置きします。Shure MX391や、35〜150ドル帯の類似モデルなら、半径約2メートル以内の全員の声を拾えます。

対象者がラベリアの装着を嫌がる場合や、人数が4人を超えて個別マイクが現実的でない場合に使います。

トレードオフは、モノラルの混合トラック1本になるため、AIが声を音響的に分離しなければならない点です。声の特徴が大きく異なる2人ならうまく機能しますが、ピッチが似た話者が3人以上になると精度は落ちます。テーブル上の他のすべての音も拾います。カップ、紙をめくる音、指で叩く音などです。AndroidやiPhoneでグループインタビューを録るモバイル構成については、クリップ式バウンダリーアダプターを付けたスマートフォンが妥当な代用品になります。

マイク配置のディテール

ラベリアマイクの場合：

• 襟元か胸元にクリップし、顎の下6〜8インチの位置に
• カプセルを口の方へやや上向きに傾ける
• カプセルに触れる緩い襟、マフラー、アクセサリーは避ける
• 30秒のテスト録音を行い、レベルメーターを見ながら対象者に頭を左右に向けてもらいます。動いたときにレベルが跳ね上がる場合は、もう少し高い位置に付け替えるか、ケーブルを輪にして固定してください

テーブル上のバウンダリーマイクの場合：

• テーブル中央、全話者から等距離に
• 折った布やノートの上に置き、テーブル経由の衝撃音を抑える
• 誰の手からも18インチ以上離す
• ノートPCのファンの排気口から離す

ハンドヘルドのダイナミックマイク（スティックマイク方式）の場合：

• 話者の口から6〜8インチ
• ややオフアックス（斜めに向け、真正面から口に向けない）にしてポップノイズを減らす
• マイクの移動は話者の交代のタイミングで行い、回答の途中には移さない

押さえておきたいレコーダー設定

以下は、Zoom Essentialシリーズまたは同等のフィールドレコーダーに共通する設定です。

• フォーマット：WAV、44.1kHz、16bit以上。 32bitフロート（Essentialシリーズで利用可）ならさらに良く、ゲインエラーの大半を後処理で修復できます。
• チャンネル：LとRを別々に割り当てる。 セットアップ2では、各ラベリアがそれぞれ独立したチャンネルに振り分けられていることを確認し、モノラルに合成しないようにします。
• ゲイン：30秒のテスト会話中に設定し、ピークが−12〜−6dBになるように。 インタビューが始まったらゲインノブには絶対に触れません。
• リミッター：オン。 突発的な大きな音、笑い声、テーブルを叩く音などをクリップする前に受け止めます。
• ローカットフィルター：80Hzまたは100Hz。 空調の低域ノイズ、交通音の低音、ハンドリングノイズを、音声に影響を与えずに除去します。

部屋の選び方

部屋選びは過小評価されています。適切な場所を選ぶのに数分かける価値は、どんなマイクのグレードアップよりも大きいのです。

• 隅か壁際の席が部屋の中央より有利。 反射音を2方向から遮断できます。
• ノイズ源に対して直角に座る（キッチン、出入口、人の往来のある通路など）。平行に座ると、両方のマイクがノイズを均等に浴びることになります。
• 硬い表面は音を反射します。 カーペット、布張りの家具、厚手のカーテンがある部屋は、ガラスとタイルの会議室より聞き取りやすい音声になります。
• 環境音が声と張り合うようなら、場所を変えるか日程を変更します。 背景ノイズが話者と同じ音量の音声は、どんなマイクテクニックでもAIモデルでも復元できません。

冒頭か終わりに、部屋の環境音（ルームトーン）を20〜30秒録っておきましょう。後でノイズリダッションソフトを使う場合、このサンプルがアルゴリズムに差し引くべきクリーンなノイズプロファイルを与えてくれます。

バックアップ録音

2台目のデバイスを回しましょう。常にです。

最低限としては、ボイスメモアプリを起動したスマートフォンをテーブルに置きます。電池切れ、カード満杯、レコーダーのファームウェアクラッシュ——こうしたトラブルは最悪のタイミングで起こりますが、それをカバーできます。

プロフェッショナルな冗長化構成では、レコーダー2台を同時に使います。Zoom EssentialシリーズやHシリーズの多くのフィールドレコーダーにはデュアル録音モードがあり、同じ入力を異なるゲイン設定で2つのファイルに書き込めます。メイントラックがクリップしても、より低いレベルの安全コピーが残る仕組みです。

失われたインタビュー音声は、キャリアを左右しかねない問題です。バックアップデバイスに必要なのは、セットアップ1分だけです。

インタビュー後の文字起こしワークフロー

ファイルをノートPCにコピーします。2トラックのステレオファイル（セットアップ2）なら、ConvertAudioToTextの音声文字起こしツールに直接アップロードして言語を選択します。明確に分かれた2トラックが、ダイアライゼーション工程に強力な信号を与えます。

シングルトラックのファイル（セットアップ1と3）も同じ方法でアップロードします。混合トラック1本での話者分離精度は、2つの声がどれだけ異なるか、発話の重なりがどれだけあるかに大きく依存します。部屋が静かで、重なりが少なく、声の違いがはっきりしていればいるほど、結果は良くなります。精度の仕組みを詳しく知りたい方は、文字起こし精度の解説をご覧ください。

構造化された分析を進める研究者には、インタビュー録音の文字起こし方法ガイドが、テーマや重要な引用を抽出する文字起こし後のワークフローを解説しています。締め切りに追われる記者には、音声からの議事録作成が要約抽出のステップを扱っています。

アカウント登録なしで文字起こしが必要な場合は、ConvertAudioToTextが短いファイルであれば登録不要で音声ファイルを直接処理します。

録音開始前の同意

本題の会話が始まる前に、録音そのものに口頭の同意を残しましょう。 「このインタビューは録音されますが、よろしいですか？」という問いかけと、それに対するはっきりとした「はい」がテープに残っていれば、あなたと対象者の双方の保護になります。

米国の連邦法とほとんどの州では、片方当事者の同意（録音する本人が同意すればよい）による録音が認められています。2026年時点で、12の州が全員同意を義務付けています：カリフォルニア州、コネチカット州、デラウェア州、フロリダ州、イリノイ州、メリーランド州、マサチューセッツ州、モンタナ州、ニューハンプシャー州、オレゴン州、ペンシルベニア州、ワシントン州です。コネチカット州とオレゴン州には細かい注意点があります。コネチカット州は電話には全員同意を適用しますが、刑法上の対面での会話には片方当事者の同意を適用します。オレゴン州は対面でのコミュニケーションに限って全員同意を求めます。Reporters Committee for Freedom of the Pressは最新の50州調査を公表しており、馴染みのない管轄区域で録音する前の確認先として権威ある情報源です。

機密性の高い、あるいはセンシティブなインタビューでは、アップロード前に、利用する文字起こしプラットフォームがデータ保持とアクセスについて何を保証しているかを必ず確認してください。ポリシーはプラットフォームごとに異なります。

バックパックに収まるフィールドキット

シナリオの90%をカバーできるキットは次のとおりです。

• Zoom H4essentialレコーダー（約199ドル）
• XLRまたはTRS端子の低価格有線ラベリアマイク2本（各30〜60ドル）
• 予備の単三電池と新品の32GB SDカード
• 短めのXLR延長ケーブル（対象者をレコーダーから離れた位置に座らせられる）
• 機内モードにしてボイスメモを起動したスマートフォンをテーブルに置き、バックアップに

合計：ラベリアの選択にもよりますが、およそ280〜350ドル。静かなオフィスから騒がしいイベント会場まで、あらゆる形式で何年も使えます。

本題の質問に入る前に、毎回のインタビューの冒頭で60秒のテストを行いましょう。レベルを確認し、両チャンネルを確認し、衣擦れの音がないか確認します。バックアップ録音が必要になることは決してないはずです——ただ、必要になるその一度のために。

FAQ

二人の対面インタビューに最適なマイク構成は？

ラベリアマイク2本を話者一人ひとりにクリップで装着し、ステレオのフィールドレコーダーの別チャンネルに振り分けるのが最適です。各話者がクリーンで独立したトラックを持つことになり、文字起こし時に信頼性の高い話者分離が可能になります。1本のマイクで両方の話者を拾う方法でも機能しますが、話者分離は声の音響的な違いに依存するため、一貫性は劣ります。

ラベリアマイクは話者の口からどのくらい離すべき？

顎の下6〜8インチ、襟元か胸の上部に取り付け、カプセルをやや上向きに傾けます。4インチ未満だとポップノイズや息の音が入るリスクがあり、10インチ以上離れるとレベルが下がり、部屋の環境音と声が競合します。

録音することを相手に伝える必要はある？

米国では連邦法により片方当事者の同意による録音が認められており、自分が参加している会話であれば、相手に告げずに録音することができます。ただし2026年時点で、12の州が全員同意を義務付けています：カリフォルニア州、コネチカット州、デラウェア州、フロリダ州、イリノイ州、メリーランド州、マサチューセッツ州、モンタナ州、ニューハンプシャー州、オレゴン州、ペンシルベニア州、ワシントン州です。録音の冒頭で口頭の同意を得ておくことが、どの管轄区域でも最も安全な方法であり、ジャーナリズムでは標準的な慣行となっています。

文字起こしに最もクリーンな音声をもたらすレコーダー設定は？

WAV形式・44.1kHz・16bit以上で、テスト会話中にピークが−12〜−6dBになるようゲインを設定します。リミッターと80〜100Hzのローカットフィルターを有効にしてください。インタビュー中はゲインに触れないようにします。32bitフロート録音に対応しているレコーダー（Zoom Essentialシリーズなど）をお使いなら、ぜひ活用してください。ほとんどのゲインエラーを再録音なしで後処理で修復できるようになります。

出典

• Zoom HシリーズEssentialラインナップ（H1essential、H4essential、H6essential）：https://zoomcorp.com/en/us/handheld-recorders、2026年7月確認
• Rode Wireless GO II製品ページ：https://rode.com/en-us/products/wirelessgoii、2026年7月確認
• Rode SmartLav+製品ページおよび販売店掲載情報：https://rode.com/en-us/products/smartlav-plus ＋ https://sweetwater.com、2026年7月確認
• 両当事者同意を義務付ける州の一覧：https://recordinglaw.com/party-two-party-consent-states、2026年7月確認
• Reporters Committee for Freedom of the Press「Reporters Recording Guide」：https://rcfp.org（権威ある50州調査。最新版であることを確認してください）