スペイン語の会議記録の文字起こし精度：2026年7月に5つのAIツールを検証しました

スペイン語会議の正確性テスト：方法論

当社の比較は、すべてのツールに同じ条件を適用するよう設計された、管理された「同条件比較」テストに基づいています。同じ音声、同じ評価基準、同じブラインドレビュー……唯一の変数はツールそのものです。

使用した検証データ

私たちは、3つの実際のスペイン語セッションに対して、すべてのツールをテストしました。これらのセッションは、単一のアクセントに限定せず、意図的に地域を分散させて選定しました。そのうち2つはメキシコ、1つはスペインのものでした。というのも、メキシコシティの政府会議では完璧に機能するツールでも、マドリードでの営業電話では大失敗する可能性があるし、その逆もまた然りだからです。

• メキシコ上院の会議（常任委員会、2026年7月1日）――内容が濃く、手続き中心で、多くの発言者が登壇した。
• スペイン議会での保健に関する公聴会（Comisión de Sanidad、モニカ・ガルシア大臣が出席した2026年3月 16日の公聴会）――ある発言者が、話している最中にカスティーリャ語からカタルーニャ語に切り替えたあの公聴会である。
• メキシコ大統領の「マニャネラ」（2026年6月26日）――テンポが速く、統計データが盛りだくさんで、そして何よりも重要なのは、メキシコ大統領府が逐語録を 速記録版 を公表している。

すべての会議について、私たちは意図的に、動画の全編と完全に一致する、政府による公式の逐語記録があるものを選びました。これにより、大まかな推測ではなく、照合できる確かな基準を得ることができました。（最初はアルゼンチンの立法機関の音声記録を同等の資料として探してみましたが、記録が動画と一致しなかったため、その試みは断念しました。）

各ツールは、3つのセッションすべてをリアルタイムで処理し、私の画面を通じて再生したほか、話者特定ラウンド用にアップロードされたファイル1つも処理しました。アップロードされたファイルは3つ目の音源clip 同じclip であったため、異なる入力元から同じ音声に対して各ツールがどのように動作するかを確認することができました。

評価プロセス

評価は2段階で行われました。まず、Anthropic「Claude」とxAI社の「Grok」という2つの独立したLLMに対し、ブラインド評価を実施しました。これら2つのLLMは、言語の正確性と実社会での会議における実用性という評価基準に基づき、すべての出力を評価しました。次に、スペイン語を母語とするレビュー担当者が、ツール名を伏せた状態で同じ出力をブラインド評価しました。これにより、見慣れたロゴに左右されることなく、客観的な評価が行われました。

人間の評価結果は、LLMの判断と非常に似通っていました。正確性の点では、tl;dv 同率1位となり、Fireflies 続き、Otter ただ面白半分にでたらめな内容をOtter 。この評価の枠組みは、日本語文字起こしテストで採用したのと同じ方法論に基づいているため、両者を直接比較することができます。

ツールの選定

私たちは、tl;dv、Fireflies、HappyScribe、Otter、Geminiの5つのツールをテストしました。採点段階全体を通じて、これらは「ツールA」から「ツールE」までと匿名化されていました。ツール名は採点結果が確定した後にのみ公開されたため、人間もモデルも、ツールの評判に基づいて採点を行うことはありませんでした。

各ツールは有料プランで利用しました。これは、機能を削った無料プランでの評価ではなく、各製品が最大限の性能を発揮できるようにするためです。ただし、多くの有料プランでは、実際に文字起こしの内容が変わるわけではなく、代わりに利用可能な分数やアップロード可能数が拡大されるだけである点には留意すべきです。

各エンジンとプランの詳細

これらのツールの仕組みはそれぞれ異なります。専用の音声エンジンをライセンス供与しているものもあれば、メモ取りの役割を担う汎用LLMであるものもあります。

より具体的に言えば、5つのツールのうち4つは専用のASR（自動音声認識）エンジンを搭載しています。これらは文字通り、実際に聞こえた音声を文字に変換するように設計されています。一方、Gemini純粋なLLMであり、代わりに最も妥当と思われるテキストを再構築します。この一点の違いこそが、Gemini ほぼすべての統計データをGemini 、「INAH」を「Lina」と誤認してしまった理由を説明しています。Geminiは、発話された名前を正確に捉えるのではなく、文脈に合う名前を「作り出した」のです。

調査範囲と留意事項

このテストで証明できること、できないことについて、率直にいくつかの制限を挙げておきます：

• Tier 1のスコアは絶対値ではなく、相対値です。16.8/20というスコアは、「これら5つのうち最高」を意味し、各ツールにつき4つのトランスクリプト（ライブ3件＋アップロード1件）を相互参照しながら、2つのブラインドLLMが20点満点で評価した結果です。
• すべてのツールが同一の話し手条件に置かれたのは、アップロードされたセッションのうち1回のみであったため、そのセッションに基づいて、ダイアリゼーションと安定性の評価を行った。
• メキシコ語の音声クリップ2つとイベリア半島スペイン語のclip 1つclip 、網羅的とは言えず、あくまで一部clip アルゼンチン、カリブ海、アンデス、赤道ギニアのスペイン語についてはテストを行っていないため、これらの地域では結果が異なる可能性があります。
• GoogleGemini アップロードされたファイルの文字起こしがGemini 、その「Real-World」ティアのスコアは45点ではなく25点となっています。総合スコアをそのまま比較対象として捉えないでください。
• これは2026年7月時点の情報です。プラン、価格、機能は変更される可能性があります。当サイトでは、その日に提供されていた内容を検証しました。
• そして、言うまでもないことですが、私はtl;dvのために記事を書いています。だからこそ、採点はブラインド方式で、2つのLLMを用い、ネイティブスピーカーによる校正が行われたのです。データがそう求めるのであれば、この手法はクライアントを困らせる可能性もあります。

スペイン語の会議記録作成に最適なソフトウェアは何ですか？

今回のテストで、最も万能なスペイン語の会議記録作成ツールは tl;dvでした。このツールは200点満点中170.2点を獲得し、純粋な精度、機能、信頼性のすべてでトップに立ちました。また、会議中にカタルーニャ語への切り替えがリアルタイムで行われた際、これを正確に追跡できた唯一のツールでもありました。しかし、「総合的に最良」と「あなたにとって最適」は同じではありません。実際、見出しの数字が示唆するほど、各ツールの差は大きくありませんでした。

実際に必要なものを正直にまとめたのがこちらです：

• スペイン語の文字起こしにおいて、最も正確さを追求するなら、間違いなくこれです： tl;dv 53.7/65)。メキシコスペイン語やイベリア半島スペイン語の単語を正確に再現すること、あるいは文の途中で言語が切り替わる場合（例えばカタロニア語へ）の正確な処理が不可欠であるなら、これが唯一の現実的な選択肢です。
• 低コストでありながら高い精度を求める場合、およびEUの規制への準拠を重視する場合： tl;dv 総合スコア170.2、精度スコア53.7）は、ドイツを拠点とし、その高い精度が実証されていることから、今回もトップに輝きました。HappyScribe（総合スコア143.4、精度スコア45.2）も、デフォルトでデータをEU内のデータセンターに保管しており、当社のネイティブレビュー担当者からは同率1位と評価されました。GDPRの厳しい要件を満たす必要があるEU拠点のチームにとって、有力な選択肢です。
• 最も役立つ会議メモアプリとしては、 Fireflies 総合評価151.4、実使用時の会議品質評価33.2）が首位を獲得しましたが、その差はごくわずかです。tl;dv は実使用時の会議品質評価で32.5と、僅差の2位tl;dv 。どちらのアプリも、すぐに使い始められる優れた無料プランが用意されています。
• 注意して利用してください： Otter 96.6）は処理が遅く、架空の話し手を生成してしまうことがあり、EU内のサーバーも利用できず、ここで紹介するツールの中で唯一、ユーザーの録音データを使ってモデルを学習させるものです。GoogleGemini 87.2）はアップロードしたファイルの文字起こしができず、テストしたツールの中で最も処理が遅く、無料プランもありません。すでにGoogle Workspaceを利用している人にとっては悪くないですが、そうでない場合はかなり使い物になりません。

テストで1位を獲得したツールを試してみたいなら、tl;dv 永久に無料でtl;dv クレジットカードは不要で、トライアル期間のカウントダウンもありません。最大の魅力は？Google Meet、Zoom、Teamsではスペイン語をはじめ40以上の言語を自動検出するほか、デスクトップアプリを使えば、それ以外のサービスでもボットなしで利用できます。