2026年のタガログ語とフィリピノ語文字起こし、タグリッシュ問題

クイックアンサー

主要なAI文字起こしエンジンは、現在タガログ語を本番環境でサポートしています。 Deepgram Nova-3は2026年1月にタガログ語（tl）を追加し、AssemblyAIのUniversal-2も対応、Google Cloud Speech-to-TextはChirpの展開以降fil-PHをサポートしています。純粋なタガログ語の精度は、もはや主要な問題ではありません。残る課題はタグリッシュ、つまりタガログ語と英語の間で行われる広範なコードスイッチングです。これは都市部のフィリピン人の多くが実際に話す方法を定義づけるものであり、AIエンジンが今でも予測可能な形でつまずく原因となっています。

フィリピノ語とタガログ語：まず名前を正しく理解する

タガログ語は、主にメトロマニラ、バタンガス、ブラカン、ラグナ、カビテに住む約2800万から3300万人のフィリピン人の第一言語です。1987年憲法で定められた標準化された国語であるフィリピノ語は、タガログ語に基づいていますが、公式には全フィリピン諸語とスペイン語・英語からの借用語彙を引き出しています。

実用的な文字起こしの観点では、この区別はほとんど重要ではありません。フィリピノ語とタガログ語は相互理解が可能で、文法と音韻論は同じであり、利用するAIモデルも両方に対応しています。命名の不整合が問題になるのは、主にAPIレベルです。Google Cloudはfil-PH（フィリピノ語、フィリピン）を使用します。Deepgramはtl（タガログ語、ISO 639-1）を使用します。AssemblyAIはこの言語を「タガログ語」として文書化しています。エンジンによっては、両方のコードを試してみる必要があるかもしれません。

もう一つ名前の明確化をしておきます。セブアノ語（ビサヤ語）、イロカノ語、ヒリガイノン語は、タガログ語の方言ではなく、別個のフィリピン諸語です。厳密な意味でのタガログ語の方言は、タガログ語自体の地域的変種、すなわちマニラ、バタンガス、ブラカン、マリンドゥケのものを指します。これは重要です。なぜなら、マニラのタガログ語で訓練されたAIモデルは、独特のイントネーションパターンで知られるバタンガス話者に対しては精度が落ち、セブアノ語やイロカノ語に対しては完全に機能しなくなるからです。これらはまったく別の言語なのです。

文字体系：ラテン文字のみ、バイバインに関する注記付き

現代のフィリピノ語とタガログ語はラテン文字を使います。スペイン語由来の単語はスペイン語の綴りを保ちます（Niño、mañana）。英語からの借用語も英語の綴りのままです。主要なAI文字起こしエンジンはすべて、タガログ語をラテン文字で出力します。これは標準的な書き言葉のフィリピノ語と一致します。

バイバイン（植民地時代以前の音節文字）は文化的な文脈で登場します。UPディリマンの大学卒業式のサッシュ、タトゥーのアート、時折の現代詩などです。2018年の国字法はその保存を促進しました。しかし、これらは実用的な文字起こしのユースケースにはなりません。本番運用のASRエンジンでバイバインの音声入力を扱うものはなく、音声コンテンツでバイバインを主要な文字として使うものもほぼありません。

2026年時点での各エンジンの状況

Deepgram Nova-3 は2026年1月にタガログ語（tl）を本番サポートの単一言語として追加しました。このサービスには話者分離、300ms未満のレイテンシでのリアルタイムストリーミング、ブランド名や専門用語向けのキータームプロンプト、スマート句読点、発話単位のセグメンテーションが含まれます。料金体系は従量課金制で、タガログ語固有の追加料金はありません。録音済み音声は標準レートで約$0.0048/分、ストリーミングは約$0.0077/分、新規アカウントには$200の無料クレジットが付与されます。

AssemblyAI Universal-2 はタガログ語を、同社が文書で「Good accuracy」層と記載するレベルでカバーしています。これは一般的な音声で語誤り率10%から25%を意味します。基本料金は録音済み文字起こしで$0.15/時間、話者分離、感情分析、要約などのアドオンがあります。タガログ語はAssemblyAIの多言語サポートに同じ基本料金で該当します。

Google Cloud Speech-to-Text は、ChirpとChirp_2の両モデルで言語コードfil-PHによるフィリピノ語をサポートしています。標準料金は$0.016/分（およそ$0.96/時間）から始まり、時間に敏感でないワークロード向けのDynamic Batchオプションはその約4分の1です。新しいGCPアカウントには$300の無料クレジットが付与されます。

Speechmatics はタガログ語で最大96%の単語精度を主張し、方言やアクセントで学習し、モデルトレーニングにおいて「英語との頻繁なコードスイッチング」を明示的に認めています。ただし、具体的なTaglishのWERベンチマークは公開されていません。

これらのエンジンコストの比較をもっと広く見たい場合は、2026年の音声認識API価格とDeepgram Nova-3の解説をご覧ください。

本当の問題: Taglish

タガログ語のエンジンサポートは今やしっかりしています。問題は、フィリピン人の発話のほとんどが純粋なタガログ語ではないことです。それはTaglishなのです。

Taglish(時々Englogとも呼ばれる)は、タガログ語と英語の間の文内コードスイッチングです。都市部の教育を受けたフィリピン人にとって、これはスタイルの選択でも、流暢さが不完全な証拠でもありません。それは普通のレジスターです。ジャーナリストはこう書くかもしれません。「Sa GMA 'yung objectivity has become part na of the culture.」会議の参加者はこう言います。「Yung deliverable natin ngayon, can we move it to Friday?」親は子どもにこう伝えます。「Mommy, I don't want to. It's so hirap eh.」

より深い課題は形態論にあります。タガログ語は膠着語です。その動詞体系は、接頭辞、接尾辞、挿入辞、囲繞接辞(mag-、nag-、-in-、-an、pag-...-an、-um-)の密なシステムに依存して、焦点、相、態をコード化します。英語の動詞がそのシステムに入ると、それらは活用されます。

• 「Nag-meeting kami」（私たちは会議をしました）
• 「I-submit mo na」（もう提出して）
• 「Magda-drive siya bukas」（彼女は明日運転する予定です）
• 「Nagse-sweat na ako」（もう汗をかいていました）
• 「The meeting will start na」（英語の文に付くタガログ語の助詞）

ASRエンジンにとって、これらのハイブリッド形式はそれぞれ、学習語彙に含まれるかどうかわからない新しいトークンです。タガログ語のみのコーパスで訓練されたモデルは「mag-meeting」を2つの別々のトークンとして扱うかもしれませんし、英語の語根を誤って書き起こすかもしれません。主に英語で訓練されたモデルはタガログ語の接頭辞を完全に落とす可能性があります。どちらも正しくありません。

これは、音声関連の仕事に従事するフィリピン人が最も多い業界、つまりBPOとコールセンター部門で最も重要です。

コールセンターの視点

フィリピンのBPO業界は2025年に約380億ドルの収益を生み出し、150万人以上を雇用しています。そのかなりの割合が、米国、オーストラリア、英国のクライアント向けの音声ベースのカスタマーサポートに従事しています。これらのエージェントは、通話中は「プロフェッショナルなフィリピン英語」とも言えるものを話しますが、社内の研修セッション、チームミーティング、品質保証の録音、エスカレーションの報告会はタグリッシュで行われます。

これにより、大きな文字起こしのギャップが生じます。受信する英語の通話は、どの最新エンジンでも正確に書き起こせます。しかし、実際の組織的知識が存在する社内の運用音声はタグリッシュであり、正確に書き起こすのがはるかに困難です。フィリピンの人力文字起こしサービスは、この作業に対して音声1分あたり0.50ドルから1.20ドルを請求し、ネイティブのタグリッシュ話者であるオペレーターがAIの出力を校正しています。

コンタクトセンターのQAや会議のドキュメント化を大規模に行う場合は、会議文字起こしツールと音声から会議議事録を作成する方法を参照してください。話者分離の解説の投稿では、マルチエージェントの通話録音において話者ラベル付けが特に価値がある理由を扱っています。

何が機能し、何が崩れるか

上記の構造的な課題に基づくと、現在のエンジンがさまざまなタガログ語コンテンツでどのような結果を出すかは、次のように予想できます。

フォーマルなタガログ語（ニュースルームの読み上げ、政治スピーチ、学術講義）: 現在のエンジンはここで最も良いパフォーマンスを発揮します。語彙は標準化され、ペースは制御され、コードスイッチングは最小限です。軽い編集で正確な出力が期待できます。

カジュアルな都市部のタガログ語/タグリッシュ（YouTubeのvlog、ポッドキャスト、ソーシャルコンテンツ）: コードスイッチングの密度が高いため、ハイブリッドなトークンが増えます。英語の部分はうまく文字起こしされますが、タガログ語の接辞が付いた英語の構文でエラーが集中します。編集の手間を多めに見積もってください。

地域なまりのあるタガログ語（バタンガス、ブラカン、カビテ）: これらは明確なイントネーションパターンを持つタガログ語の方言です。エンジンのトレーニングデータはマニラのタガログ語（メトロマニラのメディアが主流）に偏っています。強い地域なまりでは精度がある程度低下します。

コンタクトセンターの内部音声（チームのミーティング、QAレビュー、トレーニング）: 密度の高いタグリッシュ、速いペース、重なる話者、業界用語。これは最も難しいカテゴリです。現在のエンジン精度は公開されたベンチマークで検証されておらず、重要なものには人間によるレビューが依然として標準です。

同様のコードスイッチングのダイナミクスに直面する別の東南アジア言語との比較については、インドネシア語バハサの文字起こしを参照してください。ジャカルタの混合レジスターの話し言葉が類似の課題を提示しています。

私の見解

2026年に状況は変わりました。1年前、「タガログ語を文字起こしできますか？」への現実的な答えは「かなり制約あり」でした。現在、Deepgram Nova-3やAssemblyAI Universal-2といったエンジンは、話者分離とリアルタイムストリーミングに対応したタガログ語を本番環境でサポートしています。純粋なタガログ語のサポート向上は本物です。

変わらなかったこと: タグリッシュは依然として本当に難しいままです。これは構造的な言語学的理由によるもので、モデルの言語リストにタガログ語を追加するだけでは解決しません。英語がタガログ語の文法に形態的に統合されることで、各言語を別々に学習したASRシステムを壊すトークンレベルの曖昧さが生じます。主にタグリッシュで構成されたコンテンツは、どのエンジンを使っても軽い人手レビューが必要だと考えるべきです。

タガログ語やタグリッシュの音声から、自分でAPIパイプラインを組まずにきれいな文字起こしを得たい場合は、ConvertAudioToTextが音声アップロードを話者ラベル付きで処理し、修正済みで整形された文字起こしを直接ダウンロードできます。

正確性が重要なタグリッシュ中心のコンテンツ（法務、医療、公文書など）では、AIの出力をタガログ語ネイティブの校正者と組み合わせてください。

FAQ

文字起こしの目的で、フィリピノ語とタガログ語の違いは何ですか？

フィリピノ語はフィリピンの標準化された国語で、公式にはタガログ語を基盤とし、他のフィリピン諸語、スペイン語、英語から語彙を取り入れています。実務上、文字起こしでは両者は機能的に同じです。主な違いはAPIレベルにあります。Google Cloudはコードfil-PHを使用し、DeepgramとOpenAI Whisperはtlを使用します。両方のコードをエンジンでテストしてください。結果は通常同一です。

2026年のタガログ語文字起こしに最適なAIエンジンはどれですか？

Deepgram Nova-3（コード tl）は2026年1月にタガログ語を追加し、ストリーミング対応とキーフレーズプロンプトを備えています。AssemblyAI Universal-2もタガログ語をカバーし、要約機能を含みます。Google Cloud Speech-to-TextはChirpとChirp_2で fil-PH をサポートしています。3つとも、明瞭でクリーンなタガログ語音声には本番利用可能です。ただし、タグリッシュが混ざったコンテンツについては、どのエンジンも直接比較したベンチマークを公開していないため、自分の音声で評価する計画を立ててください。

なぜタグリッシュはAI文字起こしでつまずくのか？

タグリッシュは、タガログ語の膠着語的な形態論と英語の語彙を組み合わせたものです。フィリピン人は英語の語根にタガログ語の動詞接頭辞や挿入辞を付けます。「nag-meeting」「i-submit」「magda-drive」などです。これらのハイブリッド形はそれぞれ新しいトークンになります。主にタガログ語で訓練されたモデルは英語の語根を誤って分割し、主に英語で訓練されたモデルはタガログ語の接頭辞を落とすことがあります。その結果、情報量の多いタグリッシュ構文に集中して置換エラーが発生します。

セブアノ語、イロカノ語、その他のフィリピンの言語はタガログ語と同じ扱いで文字起こしできますか？

いいえ。セブアノ語（ビサヤ語）、イロカノ語、ヒリガイノン語、その他のフィリピンの地域言語は、タガログ語の方言ではなく、それぞれ別の言語です。エンジンで tl や fil-PH を選んでも、セブアノ語の音声には使える結果は出ません。これらの言語はタガログ語よりもAI文字起こしのサポートがはるかに限られており、真に低リソースのカテゴリに該当します。そのギャップの構造的な理由については、AIが低リソース言語で苦戦する理由を参照してください。

出典

• Deepgram: タガログ語の音声テキスト変換
• Deepgram: Nova-3が新たに12言語に対応
• Deepgram: 料金
• AssemblyAI: 対応言語
• AssemblyAI: 料金
• Google Cloud: 音声テキスト変換の対応言語（V2）
• Google Cloud: 音声テキスト変換の料金
• Speechmatics: タガログ語の音声テキスト変換
• Otter.ai: 料金
• Wikipedia: タグリッシュ
• Wikipedia: タガログ語