10年前、翻訳に8万円を払った
今から10年前、私はコーヒーカクテルの日本大会に出場することに心血を注いでいた。
当時、英語を苦手とする私が喉から手が出るほど欲しかったのは、世界のトレンド情報だった。海外の大会で優勝した選手のプレゼンテーションを、日本語で読みたい。ただそれだけのことが、途方もなく遠かった。
なるべく安い翻訳サービスを探し、依頼をかけ、待ち、訳文を受け取る。プレゼンテーションの動画を英語から日本語に翻訳してもらうのに、たった1本で8万円の費用がかかった。それでも専門分野の翻訳であるがゆえに精度は高くなく、Googleの機械翻訳に毛が生えた程度の仕上がりだった。今でも鮮明に覚えている。当時流行っていたナインティプラスのコーヒー豆代に酒代、諭吉に羽が生えたかのように金欠すぎてリボ払いしてまでも大会に出ていた、あの頃の自分を。
AIが日常ではなかった世界
10年の時間が流れ、AIが普及したことで、今は同じことがほぼ無料でできる。
今回は2025年に開催されたコーヒーカクテルの世界大会、ファイナリスト6人分のプレゼンテーションを日本語に訳し、資料にまとめるまでをお伝えする。
10年前の自分に伝えたい。
世界は10年後、まったく違う景色に変わっている。そして、そこにお金も時間もかからない、と。
音声認識の技術について少しだけ
この画像は文脈を理解したAIが生成している(Nano banana)
音声を読み取って文字にする技術は、大きく二つの流れがある。
一つはOpenAIが公開しているWhisper。もう一つはGoogleが持つUSM(Universal Speech Model)。YouTubeなどの膨大な音声データを学習した音声認識モデルと言われている。
正直なところ、どちらが優秀かという話にはあまり意味がない。駅のホームで電車が入ってくるような雑音の中、モスキートーンに近いレベルの音声を拾うという極限の環境であれば、Whisperの方が使っていて精度は高いと感じる。これは使っていて感動した事がある。
しかし、YouTubeにアップロードされた海外のチュートリアルやプレゼンテーションのように、ある程度クリアに収録された音声であれば、どちらを使っても差はほとんどない。
GeminiとNotebookLM。二つの使い分け
意外と知られていないのだが、2025年夏ごろから、GoogleのAI「Gemini」にYouTubeのURLを貼り付けるだけで、音声データにアクセスし動画の内容を日本語で要約させることができるようになっている。
※音声データにアクセスしているのではなく字幕データにアクセスしているという表現が正しいかもしれない。
YouTubeを傘下に持ち、先ほど述べたUSMを持つGoogleだからこそ実現できた機能といえる。現状、ChatGPTやClaudeでは実現できていないGeminiの独壇場だ。
試しに私が制作に関わっている以下の動画を、Geminiに短く要約してほしいと伝える。
URLを入力するだけでOK
すると以下のようにタイムスタンプまでつけて要約してくれた。
動画の音声データを文字にしてまとめてくれている。
ただし、試している中で、尺が長い動画では「思考モード」で処理しきれず、「Proモード」だと処理できたケースが何度かあった。Gemini無料版の場合、Proモードは1日数回しか使用できないため、使いどころは考える必要がある。
そしてこれは、英語でも中国語でもフランス語でもドイツ語でも、言語を問わない。どんな言語の動画でも日本語で内容をまとめることが可能で、どういう視点で要約してほしいかを細かく指定することもできる。
例えば上記の英語話者の動画も以下のように日本語で要約される。
YouTubeの外国語話者の動画も、もはや日本語という感覚。
動画における言語の壁は、完全に壊れた。そう言い切っていい状況にある。
そして、**Googleが提供するサービスに「NotebookLM」**がある。最近、私が最も使っているアプリで、プレゼンスライドを作る際も頻繁に活用している。
Geminiとの大きな違いは、「自分が持ち込んだ資料からしか情報を参照しない」という点にある。
NotebookLMという名前の通り、Notebook(ノート)とLanguage Model(言語モデル)を組み合わせた設計思想で、ユーザーが情報を詰め込み、整理し、考えをまとめるためのWeb上のノートという位置づけだ。
Notebook LMのワークスペース
例えばコーヒーの淹れ方について質問するとしよう。Geminiに聞けば、HARIO V60を使った4:6メソッド、HARIOスイッチを使たハイブリッドメソッド、カリタウェーブのレシピ、ORIGAMIのレシピなど、無限に情報が出てくる。
しかしNotebookLMの場合は使用者が特定のレシピしか入れていなければ、その特定のレシピの中からしか答えは返ってこない。逆に言えば、余計な情報が混ざらず、ハルシネーション(AIの嘘)が発生しづらいという、非常に強力な特性がここにある。
実践。コーヒーカクテル世界大会の英語プレゼンを資料化する
スライド資料の表紙
今回の実例を説明したい。
2025年に行われたコーヒーカクテルの世界大会(WCIGS2025)のファイナリスト6人の英語プレゼンテーションを日本語で読める資料にしたかった。
やったことは実にシンプルで、6人のYouTube動画のURLをNotebookLMに貼り付けるだけ。貼り付けた瞬間に分析が始まり、数秒後には次のアクションに移れる。
YouTubeのURLを貼るだけでOK
NotebookLMではそこからさらに、マインドマップの生成、音声解説の作成、動画解説(スライド付きのAIナレーション)の自動生成まで可能だ。
レポート機能で作るシンプルなプレゼンテーションの翻訳だと以下のようになる。
多少の誤訳などもあるが今後改善していくと予測する。
上記を見ると最後に「ニッカ・コーヒーウォッカ」とあるが、実際は「ニッカ・カフェウォッカ」のことを指していると思われる。自分の知っている業界の情報であれば十分に理解できる範囲であるし、この後に言及する方法である程度解決できる。
さらに「どういった視点で解説してほしいか」をプロンプトで指定すれば、例えば「使用しているウイスキーに焦点を当てて解説してください」といった切り口にも対応してくれる。インフォグラフィックならInstagram用のポスターのようなものも生成できるし、スライド資料ならプレゼン用の体裁に整えてくれる。
完璧ではないが、文字の羅列を読むより理解しやすいスライド
そして初期から注目機能として備わっていた音声解説機能もある。
↓↓↓
とてもリアルで時折、不自然さを感じるけどAI同士で会話しているわけで、なんだかSFの世界を想像してワクワクする。個人的に長い文字の羅列を読むのが得意ではないので、音声解説やイラストによる解説は直感的に理解できて重宝する。
クイズ機能などもあり、研修マニュアルなどを入れるとスタッフ教育に役立ちそうである。
そしてNotebookLMは、驚くことに基本無料で使える。以前、1つのプレゼンを翻訳するのに8万円かかっていたのに、今は無料だ。10年前の自分には想像できなかった世界が広がっている。
私自身はGoogle AI Proの有料版(月額約3,000円)を契約しているが、それはストレージ容量や、音声・動画解説の生成回数の上限を気にしたくないからという理由であって、基本的な翻訳や要約だけであれば無料版で十分に機能する。
NotebookLMの限界と、それを補う方法
ただし完璧ではない。特に専門的な固有名詞や造語のような言葉で間違いが出やすい。
お酒の銘柄でいえばビーフィーターやボンベイ・サファイア、ジョニーウォーカーのようなメジャーな銘柄であればAIは即座に認識する。しかし、例えばインドネシアの地方でしか造られていないようなマイナーな酒などの名前は、NotebookLMではうまく認識できないことを今回確認した。
こういう場合の対処法がある。NotebookLMのソース表示から英語の原文(AIが聞き取った文字起こし)を取り出し、それをGeminiやChatGPT、Claudeなどに読み込ませるのだ。ポイントは「英語の原文を入れる」ということ。
英語の原文にはソースからアクセス可能
日本語に訳された文章を入れてもあまり意味がない。英語の原文であれば、Gemini、ChatGPT、Claudeは文脈からWeb上などの最新データを参照し、正しい酒の銘柄や農園名などを推測して持ってきてくれる。
今回は6人分のプレゼンテーションの英語原文を一括でClaudeのOpus 4.6(これは有料契約必須)に読み込ませ、翻訳に誤りがないかを確認した。ここまでやっても完璧ではないと思うが、NotebookLM単体よりは精度が上がっていると感じている。
また、Opus 4.6でのまとめでは、アルコール度数に着目した資料になるようプロンプトに指示を加えた。多少怪しい箇所はあるものの、全体として理解しやすい仕上がりになっている。表紙のみNano Bananaを使用して仕上げた。
WCIGS2025_Final_Analysis.pptx
1
docs.google.com
ClaudeはPowerPointの資料を扱いやすく編集しやすいという特性があるが、このあたりのAIの使い分けについては別の記事で説明する。
※追記
後日、別の分析をした時にNotebook LMより、Gemini経由で直接聞き取りさせて文字にしたほうが農園名などを正確に認識できている傾向があることが分かった。
その結果を踏まえ、Geminiに理由を聞いてみると、以下の回答が返ってきた。
- NotebookLMの挙動(YouTubeリンクを読み込ませた場合)
もしNotebookLMにYouTubeのURLを読み込ませてノートを作成した場合、NotebookLMは「自力で動画の音声を聴き取った」わけではありません。
多くの場合、YouTube側が自動生成した字幕テキスト(Transcript)をそのまま引っ張ってきて資料化しています。YouTubeの自動字幕は独自の音声認識エンジンを使っており、句読点が省かれたり、「TDS」や「ゲイシャ」「フィンカ(農園)」といった文脈に依存する専門用語を音の響きだけで誤変換してしまう(例:Panama Finca → palamafina)という弱点があります。
※もし音声ファイル(mp3など)を直接NotebookLMにアップロードした場合はGeminiモデルが処理しますが、それでも要約やノート作成に特化した処理が入りがちです。
- Geminiの「ネイティブ」な音声認識
一方、Geminiに音声ファイルや動画ファイルを直接アップロードした場合、テキスト化されたものを読むのではなく、「音声の波形データそのもの」をAIが直接聴き取って処理します(これをネイティブ・マルチモーダルと呼びます)。
競技会のプレゼンでは、グラインダーのクリック数や抽出温度、品種など、前後の文脈が非常に重要になります。Geminiが直接音声を聴けば、言語の構造やコーヒーの専門知識という文脈と照らし合わせながら、「ここは文脈的にpalamafinaではなくPanama Fincaだな」と脳内で自動補正をかけながら高精度な文字起こしを行うことができます。
コスパとスピードを優先させるならばNotebook LMで良いと思うが、より完璧な翻訳と分析を目指すなら、Geminiを併用していくのが現状においてベストと思える。
レシピも記憶もNotebookLMに全て入れる
動画やプレゼンの翻訳だけが使い道ではない。最も日常的な使い方として重宝しているのは、新しく買った家電製品の説明書などを放り込んでおくことだ。使い方に困ったときにAIとチャットするだけで解決する。
色々なところで調べた情報から客観的に判断するのにも役立つ
そして私は、これまで蓄積してきたアレンジドリンクのレシピ、カクテルのオリジナルレシピ、「この食材とこの材料は相性がいい」といった経験則のメモを、すべてNotebookLMに入れている。
例えば、目の前にトマトがあって、それを使ったドリンクを作らなければならないとする。NotebookLMのチャットで「トマトと相性がいい材料を教えて」と聞けば、自分が過去に入力した情報の中から答えが返ってくる。
頭の中にある記憶をデータとして外部化し、必要なときに瞬時に引き出せる。海外の旅先でふと体験した食材の組み合わせも、その場でメモとして放り込んでおけば消えない記録となる。
また、蓄積した情報を他者と共有したいと思えば、それも簡単にできる。例えば、自分の持つ飲料開発の知識を店舗の飲料開発担当者と共有すれば、開発のヒントを渡すこともできる。
私が出場していた競技会のルールブックも同様だ。英語で書かれたレギュレーションをNotebookLMに読み込ませておけば、**「ウォームドリンクとコールドドリンクの両方に、規定のフレーバーシロップを使わなければなりませんか」**といった質問にも、チャット形式で日本語の回答が返ってくる。
取り込んだ資料の中からしか参照しないため、回答の信頼性が高い。言語の壁も、同時に取り払われる。
邪推ではあるが、今後AIが普及していく中で、ルールが複雑な大会ほど、ジャッジも競技者から寄せられる質問に対して、こういったツールを使用して回答案を確認する必要が出てくるのかもしれない。
ハルシネーションが少ないとはいえ100%信頼するのも要注意ではある。
この記事を書いた動機
Instagramのストーリーでコーヒーカクテルをまとめた資料をアップしたところ、「これどうやってまとめてるんですか?」というメッセージをいくつかいただいた。基本的にはNotebookLMを使えばほぼ解決するのだが、それに加えたプラスアルファの部分も解説したいと思い、今回は少し詳しく書いた。
今回まとめたコーヒーカクテルの大会(WCIGS 2025)の6名のURLを取り込んだNotebook LMのワークスペースを公開しているので、興味のある方はぜひ実際に触ってみてほしい。使ってみれば、その面白さと便利さは言葉より早く伝わると思う。
↓↓↓
今回作成したワークスペース
全ての情報が完璧なものではないことを念押しとしてお伝えしておく
次回は、このプレゼンテーションの中身を見ながら、コーヒーカクテルについて少し書いてみるかもしれない。
それでは!
※JCIGS / WCIGS:World Coffee in Good Spirits(ワールド・コーヒー・イン・グッド・スピリッツ)は、コーヒーとスピリッツ(蒸留酒)などを組み合わせたコーヒーカクテルの技術を競う国際競技会。日本大会(JCIGS)での優勝者1名が世界大会への切符を手にすることができる。この大会における私の最高順位は日本2位で、優勝経験はない。
— コーヒーカクテルの大会について