フォーカスグループインタビューの文字起こし:録音から話者ラベル付けまで
Dzianis Kukareka, 創業者 · 更新日

フォーカスグループインタビューの文字起こしとは、録音したグループディスカッションを、コーディングや引用ができる「発言者付きのテキスト」にすることです。速くて確実な方法は、中央に置いたマイクで録音し、AI文字起こしにかけて本文と仮の話者ラベルを得たうえで、分析に使う箇所について「誰が何を言ったか」の確認に自分の時間を充てることです。フォーカスグループの音声では、AIは話者よりも言葉のほうをはるかに高い確率で正しく捉えます。そのため作業の流れ全体を、発言者の割り当ての確認を中心に組み立てます。
このガイドでは、きれいに文字起こしできるグループの録音方法、ステップごとの作業手順、完成したフォーカスグループの書き起こしの例、そして人による文字起こしサービスとソフトウェアの費用を紹介します。
フォーカスグループインタビューはどう文字起こしする?
要点を順番にまとめると次のとおりです。
記憶のためではなく、文字起こしのために録音する。グループの真ん中に質の良い卓上マイクを1台、静かな部屋、冒頭での一人ずつの自己紹介。
機械で下書きを作る。話者ラベルに対応した文字起こしツールに録音をアップロードし、本文と話者の第一推定を出させます。
ラベルを参加者に対応させる。冒頭の自己紹介と司会者が名前を呼んだ箇所を手がかりに、「Speaker 3」を実際の席と参加者コードに結びつけます。
重要な発言を確認する。コーディング、引用、報告に使う箇所はすべて聞き直し、そこで発言者の割り当てと聞き間違いを修正します。
判別できない箇所は印を付ける。声が重なった部分などは推測で埋めません。
匿名化して書き出す。参加者IDを付けて分析ツールに書き出します。
すべて手で打ち込む方法もまだ選択肢ですが、時間がかかります。ラトガース大学の質的研究法の教科書は、60分のフォーカスグループディスカッションの文字起こしには最大10時間かかることがあると述べています。機械の下書きを使えば、その時間は入力から確認へと移ります。
フォーカスグループの文字起こしが個別インタビューより難しい理由
1対1のインタビューの文字起こしでは、声は2人分で、重なることもめったにありません。フォーカスグループでは6〜10人で、先のラトガース大学の章も、参加者6〜10人を一般的な目標人数としています。これによって問題は3つの点で変わります。
声が1人増えるごとに話者ラベル付けが難しくなる。誰がいつ話したかを判定する話者分離は、音響的な特徴で声をグループ分けします。似た声(年齢、性別、なまりが同じ。同質なグループを集めるとよくあることです)は、1人の話者にまとめられたり、2人に分けられたりします。
重なりが当たり前になる。相づち、割り込み、全員での笑いで、同じ1秒に2〜3人の声が入ります。文字起こしは1本のテキストなので、どこかで割り切るしかありません。
マイクがほとんどの人から遠い。テーブルの端にいる参加者の声は部屋の反響を通ってマイクに届き、同じ人でも椅子にもたれると違って聞こえることがあります。
距離の影響は公開されているベンチマークにも表れています。オープンソースの話者分離モデルpyannoteは、AMI会議コーパスで、ヘッドセットの音声を使った場合の話者分離誤り率が18.8%、同じ会議を遠方のアレイマイク1チャンネルで録音した場合は22.4%と報告しています(重なった発話も含めて計算)。これは4人程度の小さな会議での数字です。1台の室内マイクで録った、人数が多く活発なフォーカスグループは、この範囲の難しい側に位置します。一方、言葉の認識は通常ずっと安定しています。単語の精度について背景を知りたい方は、AI文字起こしの精度が変わる理由をご覧ください。
きれいに文字起こしできるフォーカスグループの録音方法
文字起こしの質の大半は、アップロードボタンを押す前に決まっています。次の習慣はセッション中のコストがゼロで、後の作業を何時間も減らしてくれます。
中央にバウンダリーマイクか会議用マイクを置く。司会者の前ではなく、テーブルの真ん中に置きます。長いテーブルの端に置いたスマートフォンでは、近い側の半分の声と残りの反響しか拾えません。できれば反対側の端にも予備のトラックとして2台目のレコーダーを置きましょう。
反響の少ない部屋を選ぶ。カーペット、カーテン、布張りの椅子は反響を吸収します。ガラス張りの会議室や広いホールでは、どの声もぼやけてしまいます。
一人ずつの自己紹介から始める。「順番に、下の名前と、最近返品した商品を教えてください」。参加者一人ひとりが単独で話す20〜30秒が、後で話者ラベルを対応させるための参照サンプルになります。
司会者に名前を呼んでもらう。「ありがとうございます、マリアさん。デイビッドさん、首を振っていましたね?」。名前が声に出るたびに、その前後のラベルを直すための目印が文字起こしに残ります。発言の少ない参加者を巻き込むことにもなるので、司会の進め方としても理にかなっています。
重なりについてルールを1つ決める。「録音しているので、お一人ずつお願いします」。議論が白熱してきたら、やんわりと繰り返します。
座席表と記録係を用意する。重要な場面で誰が話したかをメモするアシスタント司会者(「P04 価格に強く反対、40分ごろ」)がいれば、確認作業の際にあいまいな箇所が解決します。
同意を録音に残す。冒頭で録音することとその目的を伝え、倫理プロトコルに従って参加者一人ひとりの同意を記録します。ルールは国や状況によって異なります。基本は米国とEUにおける録音の同意ルールのガイドをご覧ください。
調査手法が許すなら、グループは小さいほうがきれいに文字起こしできます。参加者が1人増えるごとに、分離すべき声が増え、重なりの機会も増えます。
フォーカスグループのデータを文字起こしする手順
最も良いトラックをアップロードする。2台で録音したなら、それぞれ1分ほど聞いて、きれいなほうを使います。たいていのツールは長い録音にも対応していますが、2時間のセッションならファイルサイズの上限を事前に確認しましょう。
話者ラベルをオンにして文字起こしする。本文はしっかりしたものになり、話者の情報には手直しが必要になると考えておきましょう。
自己紹介の部分でラベルを調整する。冒頭の一巡を再生し、各参加者にどのラベルが付いたかを記録し、ラベルを参加者コード(P01、P02…)に付け替えます。次に、1つのラベルが急に正反対の意見を続けて述べている箇所がないか目を通します。2人の声がまとめられたサインです。
分析上重要な箇所を確認する。すべての「うんうん」に発言者が必要なわけではありません。必要なのは、コーディング、引用、集計に使う箇所すべてです。タイムスタンプをクリックして聞き、話者と言葉を確かめます。この時間は明確に見積もっておきましょう。活発なグループでは、作業の大部分を占めます。
判別できない箇所に印を付ける。[発話重複]、[聞き取り不能 00:41:12]、[特定できない参加者] のように、統一したタグを使います。印の付いた「不明」は誠実なデータですが、推測で付けた名前は分析を損ないます。
司会者のメモや状況の注記を加える。[一同笑い] や [P03が試作品を指さす] のような観察者のメモを、意味が変わる箇所に挿入します。
匿名化してから書き出す。名前や個人を特定しうる情報を置き換え、変更内容のログを残し、読む用にはDOCX、コーディングにスプレッドシートを使うならCSV/XLSXで書き出します。
Zoom、Google Meet、Teamsで行うオンラインのグループでも、プラットフォームの録画に同じ手順が使えます。各プラットフォームがファイルをどこに保存するかは、会議の録画を文字起こしするガイドで説明しています。Zoomのデスクトップクライアントには、参加者ごとに別々の音声ファイルを保存するローカルレコーディングのオプションもあります。うまく機能すれば各ファイルには1人の声しか入らないので、発言者の割り当ての問題は完全になくなります。ただし、別々のファイルが必ずしも作成されないという報告もあるので、まず短い通話で試してください。
フォーカスグループの書き起こし例
決まった形式があるわけではありませんが、使いやすいフォーカスグループの書き起こしには、セッション情報を記したヘッダー、名前の代わりの参加者コード、話者交代ごとのタイムスタンプ、非言語的な出来事を表す統一したタグがそろっています。その形式による短いサンプルを示します。
セッション:FG-03、オンラインバンキングアプリ、募集8名、出席7名 日付:2026-10-14 | 司会:MOD | 観察メモ:AM 参加者:P01–P07(コードのみ。対応表は別途保管) [00:12:04] MOD: 送金画面について話しましょう。P05さん、さっき触れていましたよね? [00:12:09] P05: ええ、お金が送られたのかどうか、いつもわからないんです。確認の表示がなくて。 [00:12:15] P02: 同じです。念のため毎回スクリーンショットを撮っています。 [00:12:18] [発話重複、複数の参加者が同意] [00:12:21] P07: 私は速いところが気に入っているんですけどね。[笑い] [00:12:25] MOD: 速いけれど安心はできない、と。違う感じ方の方はいますか? [00:12:29] [特定できない参加者]: 金額によりますね。 [00:12:31] P01: そうそう、家賃のときは3回確認します。
このサンプルの背後にある表記ルールを、簡単なテンプレートとしてまとめます。
| 要素 | 表記ルール | 重要な理由 |
|---|---|---|
| 話者ID | MOD、AM、P01–P10。対応表は別に保管 | 書き起こしを仮名化したまま、コーディング可能に保てる |
| タイムスタンプ | 話者交代ごとに hh:mm:ss | 誰でも音声に戻って引用を確認できる |
| 重なり | [発話重複] と短い説明 | 誰が言ったかを捏造せずに、同意があったことを記録できる |
| 不明瞭な発話 | [聞き取り不能 hh:mm:ss] | 欠落箇所と聞き直すべき位置を示せる |
| 不明な話者 | [特定できない参加者] | コーディングでの誤った割り当てを防げる |
| 非言語的な出来事 | [笑い]、[一同笑い]、[間] | 意味が変わる箇所で口調を残せる |
| 削除・伏せ字 | [勤務先]、[町名]、[一部削除] | 意図的に削除したことが読み手に伝わる |
フォーカスグループの書き起こしは逐語か、ケバ取りか?
これは文字起こしの前に決めておきましょう。必要な確認の量が変わるからです。ケバ取りした逐語(インテリジェント・ヴァーバティム)はフィラーや言い直しを省いたもので、人が何を言ったかをコーディングするテーマ分析の多くにはこれで十分です。厳密な逐語はすべての「えー」、言い直し、重なりを残すもので、会話分析やディスコース分析では通常これが必要になります。自動ツールは標準でケバ取りした逐語に近いものを出力し、厳密な逐語の自動化が最も難しいのが、まさにグループでの発話の重なりです。手法上それが必要なら、重なった箇所にはかなりの手作業を見込んでおきましょう。
フォーカスグループの文字起こし:サービスとソフトウェアの費用と時間
現実的な選択肢は3つあり、主な違いは時間をどこに使うかです。
| 方法 | 90分のグループにかかる費用 | 自分の時間 | 発言者の割り当て |
|---|---|---|---|
| 自分で文字起こしする | 無料 | 何時間もの入力作業(ラトガース大学の見積もりでは、録音1時間あたり最大約10時間) | 自分で行うので、メモと記憶の正確さ次第 |
| 人による文字起こしサービス | Revの1分あたり$1.99で約$179。ほかの人力サービスも音声1分単位で課金 | 確認のみ | その場にいなかった担当者が行う。抜き取りでの確認はやはり必要 |
| AI文字起こし+自分での確認 | 人力サービスよりはるかに安い。たとえばBlaBlaScribeの200分パックなら約$8 | 確認とラベルの修正。通常は入力時間のごく一部 | 話者分離による仮のラベル。使う箇所は自分で確認 |
Revの現在の料金は料金ページに掲載されています(2026年11月時点で、人による文字起こしは1分あたり$1.99)。人力サービスが最も理にかなうのは、難しい音声で厳密な逐語が必要な場合や、確認する時間がまったくない場合です。より詳しい比較は、人による文字起こしが割に合わないケースと、おすすめのAI文字起こしソフトのまとめをご覧ください。
ソフトウェアを使う方法の一例として、BlaBlaScribeはアップロードした録音を120以上の言語で話者ラベル付きで文字起こしし、DOCX、CSV、XLSXなどの形式で書き出せます。言葉の精度はクリアな音声で最大99.8%です。雑音の多いグループの録音では下がりますし、ほかの話者分離システムと同様、2人が同時に話している部分を確実に分けることはできません。会議ボットではないのでライブのセッションには参加せず、録音をアップロードするかリンクを貼り付けて使います。無料プランでは30分を1回だけ使え、200分パックはサブスクリプションなしで$17.50です。ファイルはドイツのサーバーで処理され、AIの学習には使われません。これは倫理審査で重要な点です。
フォーカスグループの書き起こしを匿名化する方法
参加者の声、名前、エピソードは個人データです。匿名化は後回しにせず、文字起こしの一部として計画しましょう。テキストデータの匿名化に関するUK Data Serviceのガイダンスは、フォーカスグループによく合ういくつかの方法を推奨しています。
空欄ではなく、説明的な置き換えを使う。「[同僚1]」や「[地元の町]」なら議論は読みやすいままですが、Xを並べただけでは分析に使えなくなります。
置き換えはプロジェクト内のすべての書き起こしで一貫させる。参加者同士は検索では見つからないあだ名で呼び合うことがある点にも注意しましょう。
すべての変更を記録した匿名化ログを残す。ログは書き起こしとは別に保管します。
グループでの議論には、個別インタビューにはないリスクが1つあります。参加者が互いの名前を呼び、共通の職場や地域に触れることです。話者ラベルだけでなく、こうした相互の言及にも注意して読みましょう。また、EUのGDPR(前文第26項)では、対応表によって個人に結びつけられる仮名化データは個人データのままです。参加者コードを付けた書き起こしも、対応表を保持している間は安全な保管が必要です。
よくある質問
フォーカスグループの文字起こしにはどれくらい時間がかかりますか?
手で入力すると、議論1時間あたり最大約10時間かかることがあります。AIの下書きを使えば、作業は話者ラベルと重要な引用の確認になり、グループの人数や音質にもよりますが、通常はその何分の一かで済みます。
フォーカスグループの文字起こしの費用はどれくらいですか?
人力のサービスは音声1分単位で課金します。たとえばRevは1分あたり$1.99で、90分のグループなら約$179です。AI文字起こしははるかに安く(たとえば$17.50の200分パックなら90分で約$8)、その代わり誰が何を言ったかの確認に自分の時間を使います。
AIはフォーカスグループの話者全員を聞き分けられますか?
確実にはできません。話者ラベル付けは、はっきり異なる少数の声が順番に話す場合に最もうまく機能し、参加者が多い、声が似ている、発話が重なる、マイクが遠いといった条件で精度が落ちます。分析に使う箇所の発言者は確認する前提で計画しましょう。
フォーカスグループの書き起こしには何を含めるべきですか?
セッション情報を記したヘッダー、名前の代わりの参加者コード、話者交代ごとのタイムスタンプ、そして重なり、聞き取れない発話、特定できない話者、伏せ字を表す統一したタグです。これでコーディングが可能になり、誰でも引用を音声と照合できます。
フォーカスグループの書き起こしは逐語であるべきですか?
テーマ分析の多くは、ケバ取りした逐語で十分です。フィラーや重なりをすべて残す厳密な逐語は会話分析やディスコース分析で必要になり、グループでの発話の重なりにかなりの手作業を要します。
文字起こしを考えると、フォーカスグループはオンラインと対面のどちらで行うのがよいですか?
オンラインのほうが一般にきれいに文字起こしできます。参加者それぞれが自分のマイクの近くにいて、プラットフォームによっては参加者ごとに別々の音声を保存できるからです。対面でも、テーブル中央のマイク、一人ずつの自己紹介、名前を呼ぶ司会者がいれば、差の大部分は埋められます。
録音をすぐに使えるテキストに変える
音声や動画をアップロード、YouTubeリンクを貼り付け、またはブラウザで録音するだけで、話者ラベル付きの文字起こしが120以上の言語で数分で手に入ります。
BlaBlaScribeを無料で試すクレジットカード不要・EU内で保存・AI学習には一切使用しません




