ウォロフ語文字起こし：2026年の対応状況

ウォロフ語対応の現状

2026年現在、ウォロフ語は主流のAI文字起こしツールの大半でサポートされておらず、サポートを謳うツールも高いエラー率を出します。 幅広い言語対応を宣伝するほとんどのサービスを支えているWhisper Large-v3は、99言語リストにウォロフ語を一切含んでいません。Deepgram Nova-3やAssemblyAI Universalもウォロフ語を掲載していません。2026年における大多数のウォロフ語コンテンツにとっての現実的な道筋は、ネイティブ対応を待つのではなく、なぜこのギャップが存在するのかを理解し、ダカール都市部の音声に有効なフランス語トラックの回避策を使うことです。

これは、各ツールが構築の基盤とした言語において性能が劣るという話ではありません。原因は学習データの問題です。ALFFAプロジェクトのデータセットやOpenSLRのウォロフ語コレクションといった最大級の公開ウォロフ語音声コーパスでも、文字起こし付き音声は約5〜55時間の範囲にとどまります。Common Voiceにはウォロフ語コーパスがまったくありません。一方、Whisperの英語学習データは数十万時間に達します。このギャップこそが、WERのギャップを説明しています。

研究が実際に示していること

ウォロフ語ASRに関する2025年の論文（"Speech Language Models for Under-Represented Languages: Insights from Wolof"、arXiv:2509.15362）は、現在地を示す最も明快な公開ベンチマークです。この研究では、高品質な自発発話のウォロフ語音声860時間をキュレーションし、それを使ってHuBERTの事前学習を継続し、得られた音声エンコーダをウォロフ語の言語モデルに統合しました。それだけの専任の取り組みを行っても、多言語学習条件下でのウォロフ語ASRの結果は約68〜72%のWER帯でした。これは単語誤り率ですから、平均して3単語に1単語ほどが間違って出力される計算になります。

比較として、Whisper Large-v3は英語とフランス語のベンチマークで5%未満のWERを達成しています。ウォロフ語は同じティアにはありません。

私見：2026年の時点で、検証済みベンチマークを提示せずにウォロフ語で15%未満のWERを宣伝するサービスは、懐疑的に受け取るべきです。学術的な証拠が指し示すのは、データセットと手法に応じて30〜70%のWER帯です。

実際にウォロフ語を掲載している2つのツール

Google Cloud Speech-to-Text V2は、ドキュメント化された対応言語リストでウォロフ語（wo-SN）をサポートしています。 これはAPIレベルで確認済みの本物のサポートです。ただし、品質は別の問題です。Googleは言語ごとのWERベンチマークを公表しておらず、ウォロフ語はGoogleが品質面で強調する言語にも含まれていません。V2標準モデルを使用し、1分単位の従量課金制です（最初の60分は無料、以降は標準スケールで15秒あたり$0.004）。基本レートでは1分あたり約$0.016、1時間あたり約$0.96となり、大量利用ではさらに下がります。V2におけるウォロフ語の機能サポートは基本的なもので、文字起こしはできますが、ダイアライゼーションや高度な信頼度スコアリングには対応していません。

ElevenLabs Scribeは、99の対応言語の中にウォロフ語を含めています。同社自身の言語別ベンチマークページでは、ウォロフ語は「Moderate（中程度）」のWERティアに位置づけられており、Scribe v1で約40.7% WERです。現在の学術的なベースラインよりは有意に良好ですが、それでも平均して10単語に4単語のエラーを意味します。Scribeの料金はAPI経由で1時間あたり$0.22（従量課金では1時間あたり$0.40）なので、ウォロフ語の文字起こしは手頃ですが、フォーマルな用途ではかなりの編集が必要になります。40% WERのScribeは68〜72% WERのHuBERTに勝っており、これはElevenLabsのより広範な学習コーパスによるスケールの恩恵を反映しています。

どちらのツールも、レビューパスなしで公開可能な品質のウォロフ語文字起こしは作れません。

都市部ウォロフ語の現実：信号の半分はフランス語

ダカールの言語を研究する言語学者たちは、都市部ウォロフ語を、フランス語とあまりにも徹底的に混ざり合った接触変種だと説明します。そのため、ダカールの日常会話で純粋なウォロフ語や純粋なフランス語に出会うことは、気づいてしまうほど珍しいのです。これは、2つのコードを交互に切り替えるという伝統的な意味でのコードスイッチングではありません。研究者たちはダカール都市部の発話を、「ダカロワ（Dakarois）」と呼ばれることもある第3のコードとして特徴づけています。そこでは、ウォロフ語の文法とフランス語の語彙がひとつの発話の中に共存します。

代表的な文の例は次のようなものです：「Damay dem au bureau, mais avant ñu warna passer chez le marabout.」このうち語彙内容の約半分はフランス語です。

この種の録音では、フランス語トラックで文字起こしすれば、内容の大部分を正しく捉えられます。 ウォロフ語の文法的な小辞、代名詞、動詞は間違って出るか空白になりますが、命題的内容の大部分を担うフランス語の名詞、動詞、フレーズは正確に文字起こしされます。結果として得られるのは、文法的な骨格にウォロフ語に精通した編集が必要なものの、内容語は正しいハイブリッドな文字起こしです。

完璧な解決策ではありません。しかし、正直な解決策です。音声がダカールのラジオ、都市部のインタビュー、教育を受けたバイリンガル話者が登場するセネガルのポッドキャストコンテンツであれば、フランス語トラックでの文字起こしは、40〜70% WERのネイティブ・ウォロフ語文字起こしよりも早く、実用になる初稿を届けてくれます。

セネガルの音声からフランス語主体のきれいな文字起こしが必要な場合は、ConvertAudioToTextの音声文字起こしツールがフランス語を正確に処理し、モデルが学習していない言語コードを無理に指定したときに生じるエンジンの混乱なしに、ウォロフ語・フランス語のコードスイッチング発話を捉えます。

ガンビア・ウォロフ語：もうひとつの方言問題

ガンビア・ウォロフ語とセネガル・ウォロフ語は、それぞれ別のISO 639-3コード（wofとwol）を持っており、語彙面でも意味のある違いがあります。ガンビアは旧英国植民地であるため、ガンビア・ウォロフ語は英語から借用し、セネガル・ウォロフ語はフランス語から借用します。ガンビア・ウォロフ語話者が自然に行うコードスイッチの相手は、フランス語ではなく英語です。

実務上の帰結：ダカール都市部のコンテンツに有効なフランス語トラックの回避策は、ガンビア・ウォロフ語のコンテンツには機能しません。英語からの借用語を含むガンビア・ウォロフ語の文は、フランス語モデルでもウォロフ語モデルと同じくらいひどく失敗します。ガンビア・ウォロフ語について2026年の正直な答えは手作業での文字起こしであり、AIは英語が優勢な箇所に限定して使うことです。

両方言は会話としては相互に通じますが、表記法の慣習と借用語のインベントリが異なります。ウォロフ語ASRの学習データは圧倒的にセネガル由来のため、ウォロフ語対応を謳うElevenLabs Scribeのようなツールでも、ガンビアの入力では性能が落ちます。

文字体系と表記法

セネガルにおけるウォロフ語の公式ラテン文字表記法は、1974年に政府布告のもとで標準化されました。権威ある機関はダカール応用言語学センター（Centre de linguistique appliquée de Dakar、CLAD）です。アルファベットには以下が含まれます：

• Ñ：硬口蓋鼻音（スペイン語のñと同じ）
• Ŋ：軟口蓋鼻音
• À、É、Ë、Ó：ダイアクリティカルマーク付き母音
• 長さを表す重子音（二重子音）：kk、bb、tt

並行して存在するアラビア文字ベースの表記体系「ウォロファル（Wolofal）」は、歴史的に宗教用途で使われてきましたが、政府布告で正式採用されたことはありません。今日のデジタル上のウォロフ語コンテンツは、ほぼ例外なくラテン文字表記を使っています。

AIによるウォロフ語の文字起こし出力は、ラテン文字で出力されるべきです。Google STTやElevenLabs Scribeの出力をレビューするときは、ñが正しく表示されているか、重子音が潰れずに保持されているかを確認してください。これらは低リソースのアフリカ言語の出力でよく見られる失敗モードです。

2026年のウォロフ語文字起こしオプション比較

この表が示すのは、プロダクショングレードの選択肢が存在しない市場です。「Moderate」ティアの40% WERは、おおよそ10単語に4単語が間違っていることを意味し、プロ用途では重い編集負担になります。

低リソースのアフリカ言語が現在のASRモデルに対してどう立ち向かっているかをより広く知りたい方は、AIが低リソース言語に苦戦する理由の投稿をご覧ください。ウォロフ語の状況は特別なものではありません。ハウサ語、アムハラ語、その他話者が数千万人いるのにデジタルのテキスト・音声コーパスが薄い複数の言語にも、同様のギャップが存在します。

ウォロフ語ポッドキャスターとジャーナリストが今すべきこと

ウォロフ語ポッドキャストのシーンは成長しています。SpotifyとApple PodcastsのWolof Techは、ウォロフ語でテクノロジーを扱っています。「Xam sa démb, xam sa tey」プロジェクトは、セネガル国立公文書館との提携により、ウォロフ語とフランス語の歴史コンテンツ50エピソードを公開しています。学術研究者たちはフィールド録音を使って口承伝統を研究しています。

こうした制作者にとって、2026年の実践的なワークフローはコンテンツの種類によって変わります：

都市部ウォロフ語・フランス語ポッドキャスト（ダカール視聴者向け）： フランス語で文字起こしします。出力をレビューし、その後ウォロフ語の文法要素を手作業で埋めます。編集パスの後に、字幕用のSRTとして書き出します。理想より遅いものの、実用になる出力が得られます。

フォーマルまたは農村部のウォロフ語（フランス語最小限）： ElevenLabs Scribeでウォロフ語を選択して使い、全体の編集パスを見込んだ予算を組みます。40% WERでは、文字起こしではなく初稿として扱います。重要なアーカイブ録音には、バイリンガルの人間の文字起こし担当者のほうが誠実な選択です。

ガンビア・ウォロフ語： 人手による文字起こしを使うか、英語が優勢な箇所は英語トラックを使います。ガンビアのコンテンツ専用に実用になるウォロフ語出力を出せるAIツールはありません。

報道用途： フランス語で執筆するセネガルのジャーナリストは、ウォロフ語インタビューから引用を抜き出すことがよくあります。フランス語トラック方式なら、フランス語の箇所は正確に捉えられます。正確な再現が必要なウォロフ語の引用は、手作業での文字起こしが必要です。

フランス語主体にウォロフ語が挿入されるコンテンツについては、アフリカ言語に最適な文字起こしの投稿で、フランス語圏アフリカのアクセント事情に最も正確に対応できるエンジンを取り上げています。

何が変わるのか（そしていつ）

2025年に発表された研究は、測定可能な進歩をもたらしました。キュレーションされた860時間のウォロフ語コーパスと、arXiv:2509.15362のHuBERTベースの音声言語モデルは、専用の事前学習がウォロフ語のWERを学術的なベースラインからより扱いやすい水準へ引き上げられることを示しています。40.7% WERのElevenLabs Scribe自体、2年前のウォロフ語ASRからすれば意味のある改善です。

実務の状況を変える次の一歩は、大手ホステッドプロバイダー（Deepgram、AssemblyAI、OpenAI）のいずれかがウォロフ語対応モデルを学習し、プロダクションスケールで展開することです。しかし、そのどれもまだ発表していません。ウォロフ語コミュニティによるCommon Voiceや類似の公開コーパスへの貢献は、そのタイムラインを加速させるでしょう。商用ASRラボはそうしたデータセットをベンチマークや学習シグナルとして使っているからです。

それまでの間、正直な答えはこうです。2026年のウォロフ語文字起こしは「低精度AIか人手か」の問題であり、ユーザーが実際に持っているコンテンツの大半にとって、フランス語トラックの回避策が最も実用的な道です。

FAQ

Whisper Large-v3はウォロフ語に対応していますか？

いいえ。ウォロフ語はWhisper Large-v3の対応言語リストに含まれていません。このモデルは99言語をサポートしており、カバーするアフリカ言語にはスワヒリ語、ヨルバ語、ハウサ語、アムハラ語、ソマリ語、アフリカーンス語、リンガラ語、ショナ語などがありますが、ウォロフ語は対象外です。そのため、Whisperを基盤とするサービスはいずれもウォロフ語に対応していません。

2026年にウォロフ語の文字起こしに実際に対応しているAIツールはどれですか？

Google Cloud Speech-to-Text V2は、公式ドキュメントの対応言語にウォロフ語（言語コード wo-SN）を記載しています。ElevenLabs Scribeもウォロフ語を掲載しており、公開ベンチマークでは約40.7%の単語誤り率（WER）が示されています。両方とも選択肢としては存在しますが、どちらもレビュー（校正）なしではきれいな出力になりません。主要な会議ボットやチームコラボレーションツール（Otter、Fireflies、Trint、Descript）でウォロフ語対応を謳っているものはありません。

なぜウォロフ語のASR精度はフランス語や英語よりはるかに劣るのですか？

学習データの不足です。最大級の公開ウォロフ語音声データセットでも、プロジェクトによって55時間から860時間程度しかありません。一方、英語のASR学習データは数十万時間規模に達します。最大の多言語クラウドソーシングコーパスであるCommon Voiceには、ウォロフ語のコレクションが存在しません。学習データがないため、モデルはウォロフ語の音韻論、トーン（声調）パターン、固有の音のインベントリへの汎化がうまくいきません。

フランス語コードスイッチングの回避策とは何で、いつ使えますか？

ダカールの都市部ウォロフ語話者は、フランス語が強く混ざった発話を行うため、研究者はこれを独立した接触変種として捉えています。音声が教育を受けたダカール話者によるものであれば、文字起こしの言語をフランス語に設定することで、フランス語部分（多くの場合、語彙内容の過半数）は正確に文字起こしされ、ウォロフ語の文法要素については空白または乱れた出力になります。できあがったドラフトはウォロフ語部分の編集が必要ですが、命題的内容は正確に捉えられています。この回避策は、農村部のセネガル・ウォロフ語やガンビア・ウォロフ語には適用されません。後者では非ウォロフ語側のコードはフランス語ではなく英語だからです。

出典

• Google Cloud Speech-to-Text V2 対応言語一覧： https://cloud.google.com/speech-to-text/docs/speech-to-text-supported-languages
• ElevenLabs Scribe ウォロフ語ベンチマークページ： https://elevenlabs.io/speech-to-text/wolof
• ElevenLabs Scribe 料金： https://elevenlabs.io/pricing/api
• OpenAI Whisper 言語リスト（tokenizer.py）： https://github.com/openai/whisper/blob/main/whisper/tokenizer.py
• arXiv: Speech Language Models for Under-Represented Languages: Insights from Wolof（2509.15362）: https://arxiv.org/abs/2509.15362
• ウォロフ語の表記法と標準化（Janga Wolof）: https://jangawolof.org/wolof-orthography-a-guide-to-writing-the-wolof-language/
• 都市部ウォロフ語のコードスイッチング研究（ResearchGate）: https://www.researchgate.net/publication/254333661_Two_Codes_or_One_The_Insiders'_View_and_the_Description_of_Codeswitching_in_Dakar
• ウォロフ語の話者と方言地理（Wikipedia）: https://en.wikipedia.org/wiki/Wolof_language
• AssemblyAI 対応言語： https://assemblyai.com/docs/Concepts/supported_languages
• Wolof Tech ポッドキャスト（Spotify）: https://open.spotify.com/show/6repqMDxu0d5eq7U3BaZFq