対応フォーマットと制限
XMOXは以下のファイルタイプの直接アップロードに対応しています：
- 音声：MP3、WAV、M4A、FLAC、OGG、OPUS
- 動画コンテナ（音声トラックは自動抽出）：MP4、MOV、WEBM、MKV
最大ファイルサイズは500MBです。より長い録音には、ファイルを分割するか、ソースから直接ストリーミングするクラウド統合（Zoom、Google Meet、Teams）の使用を検討してください。
ステップバイステップ：ファイルのアップロード
1
XMOXワークスペースを開き、+ 新しいジョブボタン（またはツールバーのアップロードアイコン）をクリックします。
2
ソースピッカーで「音声/動画ファイル」を選択します。
3
「ファイルを選択」をクリックするか、ファイルをアップロードエリアにドラッグ＆ドロップします。アップロードの進行状況バーがすぐに表示されます。
4
アップロード後、XMOXは自動的に文字起こしを開始します。リストのジョブカードには、AIが作業中に処理中のステータスバッジが表示されます。
5
ステータスが完了に変わったら、ジョブをクリックして文字起こしを開きます。コンテンツの読み取り、検索、質問ができます。
処理時間について
処理速度はファイルの長さと現在のサーバー負荷によって異なります。大まかな目安として：
- 10分の録音は通常1分未満で完了します。
- 1時間の録音は通常3〜5分以内に完了します。
- 非常に長い録音（3時間以上）は10〜15分かかる場合があります。
ページを開いたままにする必要はありません — XMOXはバックグラウンドで処理します。戻ったらジョブリストを更新してください。
文字起こし後の質問
ジョブが完了したら、右側のAIチャットパネルで自然言語を使って文字起こしを照会できます。試してみる効果的なプロンプトをいくつか紹介します：
- 「この会議の要点をまとめてください。」
- 「言及されたすべてのアクションアイテムをリストアップしてください。」
- 「最初の15分間に議論されたトピックは何ですか？」
- 「「締め切り」という言葉が使われた箇所をすべて見つけてください。」
- 「誰が最も多く発言し、何に注目していましたか？」
文字起こしの任意の行をクリックして、オーディオプレーヤーのその正確な瞬間にジャンプすることもできます — 特定の回答周辺のコンテキストを確認するのに便利です。
最高の文字起こし品質を得るために
XMOXは文字起こしにGemini AIを使用しており、アクセントのある発音や専門用語でも非常に正確です。最適な結果を得るために：
- 静かな部屋で近距離マイクを使った録音が最も少ないエラーを生みます。
- 可能であればアップロード前にバックグラウンドノイズを減らしてください（Audacityのノイズ低減などのツールが効果的です）。
- 複数の話者を別々のチャンネルに収録したステレオ録音は自動的に処理され、文字起こしが話者を区別します。
- 特定の単語が常に誤って文字起こしされる場合、インラインで修正でき、修正されたバージョンはすべてのエクスポートに保持されます。
非常に低品質な録音（重い圧縮アーティファクト、ひどいバックグラウンドノイズ、または非常に小さな音声）は、精度が低下した文字起こしを生成する可能性があります。AIは最善を尽くしますが、一部の単語が不確かとしてマークされることがあります。
最初の音声ファイルをアップロードする準備はできていますか？XMOXワークスペースを開いて、数秒で始めましょう。
ワークスペースを開く →